GEE教程：基于Google Earth Engine的水体指数分析：Sentinel-2数据与MNDWI计算
GEE教程：基于Google Earth Engine的水体指数分析：Sentinel-2数据与MNDWI计算
此星光明
发布于 2025-02-16 19:52:58
发布于 2025-02-16 19:52:58
代码可运行
运行总次数：0
代码可运行
简介
1. 研究区域与数据准备
1.1 定义研究区域
var aoi = ee.FeatureCollection('projects/gee-trial2/assets/Shapfile/WMH_Distric');
Map.centerObject(aoi, 4.5); // 以4.5级缩放级别聚焦研究区域- 通过GEE资产库加载自定义行政区划矢量边界
- 使用
Map.centerObject实现地图视图自动居中
1.2 时间范围设置
var startyear = 2019;
var endyear = 2019; // 单年分析
var startmonth = 1;
var endmonth = 12; // 全年数据- 定义时间范围：2019年全年数据
- 支持灵活调整起止年月进行时序分析
2. 数据预处理流程
2.1 云掩膜处理
var maskClouds = function(image) {
var cloudProbability = image.select('MSK_CLDPRB');
return image.updateMask(cloudProbability.lt(10)); // 云概率<10%的像元保留
};- 技术要点：
- 使用
MSK_CLDPRB云概率波段（0-100%范围） - 设置10%为阈值：
lt(10)表示保留云概率<10%的清晰像元 - 相比传统QA波段方法更精细控制云污染
- 使用
2.2 辐射定标处理
var scale = function(image) {
return image
.multiply(0.0001) // Sentinel-2 SR数据缩放因子
.copyProperties(image, ['system:time_start']);
};- 数据规格：
- Sentinel-2 L2A地表反射率数据存储为uint16整型
- 实际反射率值 = 原始值 × 0.0001（转换为0-1范围）
3. 数据加载与处理
3.1 创建影像集合
var santianal = ee.ImageCollection("COPERNICUS/S2_SR_HARMONIZED")
.filterBounds(aoi) 本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2025-02-15，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
