- 综合排序
- 最热优先
- 最新优先
- 来自专栏二猫の家
【GEE】Sentinel-2 最新去云方法总结
第三种方法：使用s2cloudless算法去云 这是目前最新的一种去云方法，s2cloudless算法是一种机器学习算法，Sentinel-2影像通过它可以计算得到云掩膜文件。 SENTINEL Hub开源的一种算法，地址是： GitHub - sentinel-hub/sentinel2-cloud-detector: Sentinel Hub Cloud Detector for Sentinel -2 images in Python 在GEE上我们不需要自己去用这个算法来计算云掩膜，GEE官方目前正在利用这个算法来生成一个新的数据集，这个数据集就是Sentinel-2云掩膜数据集（“COPERNICUS
1.6K10编辑于 2023-12-07 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——利用sentinel-2数据
首先针对感兴趣的时间段和位置过滤动态世界集合sentinel-2土地分类数据集。在这里，我们要绘制一年中该位置的变化图表。因此，我们应用过滤器来选择在感兴趣的时间段内在该区域收集的图像。
59210编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE图表——基于sentinel-2和GRIDMETDROUGHT数据的时序图表分析
GRIDMET是一个全球气候数据集，包含了温度、降水和蒸发等气象要素的数据。DROUGHT是基于GRIDMET数据集计算的干旱指数，可以用来评估地区的干旱程度。
47210编辑于 2024-11-24 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——BigEarthNet是一个新的耕地Sentinel-2数据，由590,326个Sentinel-2图像斑块组成的土地覆盖高清数据集
BigEarthNet is a new large-scale Sentinel-2 benchmark archive, consisting of 590,326 Sentinel-2 image To construct BigEarthNet, 125 Sentinel-2 tiles acquired between June 2017 and May 2018 over the 10 countries BigEarthNet是一个新的大规模Sentinel-2基准档案，由590,326个Sentinel-2图像斑块组成。 为了构建BigEarthNet，最初选择了2017年6月至2018年5月期间在欧洲10个国家（奥地利、比利时、芬兰、爱尔兰、科索沃、立陶宛、卢森堡、葡萄牙、塞尔维亚、瑞士）获得的125张Sentinel 所有的瓦片都通过Sentinel-2 2A级产品生成和格式化工具（sen2cor）进行了大气校正。然后，它们被划分为590,326个不重叠的图像斑块。
46410编辑于 2024-02-02 - 来自专栏二猫の家
【GEE】获取Sentinel-2 1C与2A级影像
Sentinel-2介绍 在GEE中，Sentinel-2影像集包含1C级和2A级数据。 两者区别： 1C级数据是经过正射校正和几何精校正的大气表观反射率产品，没有进行大气校正。 原因是在 2022-01-25 之后，PROCESSING_BASELINE ‘04.00’ 或更高版本的 Sentinel-2 场景的 DN（值）范围移动了 1000。 由此GEE中Sentinel-2 1C级数据集名称变为 ee.ImageCollection(“COPERNICUS/S2_HARMONIZED”) 2A级数据是经过大气层底层反射率(BOA)正射校正的图像 下面介绍一下如何在GEE中获取目标研究区域的Sentinel-2 1C与2A级别的影像，使其在GEE中显示。 获取Sentinel-2 1C级影像 代码链接： https://code.earthengine.google.com/4b64d712a74ecc0b0de4814d6ba8fbca //定义研究区
2K10编辑于 2023-12-07 - 来自专栏点点GIS
使用 ChatGPT 和 Python 分析 Sentinel 2 图像。
回答： Sentinel-2影像有13个光谱波段，编号从1到13。 下面是一个示例 Python 代码，用于打开 Sentinel-2 光栅文件并使用以下方法绘制假彩色合成图rasterio： import rasterio from rasterio.plot import show # Open the Sentinel-2 raster file with rasterio.open('path/to/raster/file.tif') as src: # rasterio以下是使用 计算 `Sentinel-2` 栅格文件的归一化差异植被指数 (NDVI)并绘制结果的示例 Python 代码： 代码如下： import rasterio import numpy as np from rasterio.plot import show # Open the Sentinel-2 raster file with rasterio.open('path
99810编辑于 2023-08-19 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine ——数据全解析专辑（COPERNICUS/S2_SR）20154至今哨兵-2号(SR) 数据集
The Sentinel-2 L2 data are downloaded from scihub. They were computed by running sen2cor. See the Sentinel-2 User Handbook for details. For more details on Sentinel-2 radiometric resolution, see this page. Sentinel-2 是一个宽幅、高分辨率、多光谱成像任务，支持哥白尼土地监测研究，包括监测植被、土壤和水覆盖，以及观察内陆水道和沿海地区。 Sentinel-2 L2 数据从 scihub 下载。 有关 Sentinel-2 辐射分辨率的更多详细信息，请参阅此页面。
61210编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——如何进行NDVI和EVI指数的图表展示？
Sentinel-2卫星是由欧洲空间局（ESA）和欧洲联盟开发的一个卫星系统，它可以提供高分辨率和高质量的地球观测数据，特别是在多光谱图像方面。 以下是Sentinel-2卫星影像的相关信息： 分辨率：Sentinel-2卫星有两个多光谱传感器（MSI），分别具有10米、20米和60米的分辨率。 波段：Sentinel-2卫星的多光谱传感器可以捕捉13个波段的数据，包括红外和紫外波段。 数据提供方式：Sentinel-2卫星的数据由ESA提供，并且可以通过ESA的Sentinel数据门户进行访问和下载。此外，一些商业公司也提供了Sentinel-2卫星数据的订阅和使用服务。 应用领域：Sentinel-2卫星影像在许多领域都有广泛的应用，包括农业、林业、城市规划、自然资源管理和环境监测等。
67910编辑于 2024-02-02 - 来自专栏二猫の家
#GEE代码实例教程详解：Sentinel-2数据的NDWI和NDTI分析
简介 本篇博客将介绍如何使用Google Earth Engine (GEE) 对Sentinel-2数据进行归一化差异水体指数（NDWI）和归一化差异植被指数（NDTI）的分析。 背景知识 Sentinel-2数据集 Sentinel-2是由欧洲空间局（ESA）提供的高分辨率光学卫星数据，广泛应用于植被监测、土地覆盖分类和环境变化分析。 加载Sentinel-2数据集 加载Sentinel-2数据集，选择特定波段，筛选日期，地理范围和云层覆盖。 3. 添加假彩色图层 使用Sentinel-2数据的特定波段创建假彩色图层，以更好地识别不同地表特征。 4. 计算NDWI 计算归一化差异水体指数，以识别水体。 5. 结论 本教程展示了如何使用GEE对Sentinel-2数据进行NDWI和NDTI的计算和分析。这些指数有助于了解水体和植被覆盖度的空间分布。
1K10编辑于 2024-07-10 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE 案例：利用sentinel-2数据计算的NDVI指数对比植被退化情况
简介 利用sentinel-2数据计算的NDVI指数对比植被退化情况 NDVI指数 NDVI（Normalized Difference Vegetation Index，归一化植被指数）是通过计算红外波段和可见光波段的反射值之间的差异来评估植被的状况 数据 哨兵2号（Sentinel-2）是一颗由欧空局（European Space Agency）和欧盟委员会合作发射的地球观测卫星。
2.1K10编辑于 2024-09-19 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——基于s2影像的实时全球10米土地利用/土地覆盖（LULC）数据集
动态世界的预测适用于2015-06-27至今的Sentinel-2 L1C集合。Sentinel-2的重访频率为2-5天，取决于纬度。 动态世界预测是针对CLOUDY_PIXEL_PERCENTAGE<=35%的Sentinel-2 L1C图像生成的。 动态世界集合中的图像的名称与它们所来自的单个Sentinel-2 L1C资产名称一致，例如 ee.Image('COPERNICUS/S2/20160711T084022_20160711T084751 var dwRgbHillshade = dwRgb.multiply(top1ProbHillshade); // 用源Sentinel-2图像显示动态世界的可视化。 , 52.4305, 12); Map.addLayer( s2Image, {min: 0, max: 3000, bands: ['B4', 'B3', 'B2']}, 'Sentinel
79510编辑于 2024-02-02 - 来自专栏二猫の家
GEE 利用增强的Sentinel-2像元物候特征精确提取水稻分布
题目：An enhanced pixel-based phenological feature for accurate paddy ricemapping with Sentinel-2 imagery An enhanced pixel-based phenological feature for accurate paddy rice mapping with Sentinel-2 imagery
45311编辑于 2024-05-30 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）—— ETH Global Sentinel-2 10米植被冠层高度数据集（2020年）
ETH Global Sentinel-2 10米冠层高度（2020年） 全世界的植被高度变化是全球碳循环的基础，也是生态系统及其生物多样性运作的核心。 没有一个数据源能满足这些要求：像GEDI这样的专门的空间任务提供了稀疏的高度数据，但覆盖面却前所未有，而像Sentinel-2这样的光学卫星图像提供了全球密集的观测，但不能直接测量垂直结构。 通过融合GEDI和Sentinel-2，我们开发了一个概率深度学习模型，从地球上任何地方的Sentinel-2图像中检索树冠高度，并对这些估计的不确定性进行量化。 Lang, Nico, Walter Jetz, Konrad Schindler, and Jan Dirk Wegner Curated by: Samapriya Roy Keywords: Sentinel
67410编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE 教程——基于sentinel-2数据的NDVI和EVI指数的对比
简介 GEE 教程——基于sentinel-2数据的NDVI和EVI指数的对比 NDVI（Normalized Difference Vegetation Index）和EVI（Enhanced Vegetation 数据获取 - **S2 (Sentinel-2 Image Collection)**: 从 Sentinel-2 数据集中获取影像，使用 `filterDate` 方法筛选指定时间段内的影像，并使用
1.1K10编辑于 2025-01-21 - 来自专栏疯狂学习GIS
哨兵Sentinel遥感影像下载方法
由欧洲航天局发射的Sentinel-2（哨兵2号）卫星的遥感影像具有空间分辨率高、重返周期小等特点，因此得以广泛应用；在我们之前的文章中，就曾提及这一系列遥感影像的下载方法。 其中，因为我们需要下载Sentinel-2的2级产品，因此就选中“Sentinel-2 L2A”这一卫星，表示我们将要下载L2A级的Sentinel-2数据产品；如下图所示。 此外有一点需要注意：如果需要下载某个时间范围内的所有Sentinel-2数据产品，那么需要选择“TIME RANGE”中最下面一行小字，如下图所示。 如果需要下载某个时间范围内的所有Sentinel-2数据产品，那么在选择“TIME RANGE”中最下面一行小字后，在打开的页面中逐一下载或加入购物车批量下载所需遥感影像即可。
2.4K00编辑于 2025-04-19 - 来自专栏好奇心Log
2020-2021年度Planet卫星数据科学应用
澳大利亚研究人员用PlanetScope 和Sentinel-2融合获得逐日3kmLAI产品，地面验证点精度达到94%。 ~3-m data 和Sentinel-2 10- and 20-m数据，减少空间上失真，又保持了Sentinel-2的光谱特性。 20-m resolution, (b) PlanetScope NIR + Sentinel-2 red edge + Sentinel-2 SWIR, (c) Sentinel-2 false color NASA Harvest团队过机器学习，结合 PlanetScope、SkySat和Sentinel-2的数据10天内就把数据提供给多哥政府。 云掩膜 澳大利亚研究人员用深度学习方法开发云和云阴影掩膜算法，把PlanetScope和Sentinel-2图像应用在亚马逊和澳大利亚湿热地区地区。
2K10编辑于 2022-03-12 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——欧空局WorldCover 10 m分辨率土地利用/土地覆盖数据集 2020 V100
结合频段2和频段3，可以得出分类工作流程中使用的有效Sentinel-2 L2A观测值的总绝对数。 1: Number of Sentinel-1 GAMMA0 observations used in the classification workflow • Band 2: Number of Sentinel Combining Band 2 and Band 3 yields the total absolute number of valid Sentinel-2 L2A observations used of Sentinel-1 GAMMA0 observations') Map.addLayer(iq.mosaic(),vis_b2,'Band 2 Input Quality: Number of Sentinel (combined_mosaic,vis_b23,'Band 2 combined with Band 3 Input Quality: total absolute number of valid Sentinel
65210编辑于 2024-02-02 - 来自专栏疯狂学习GIS
哨兵2号Sentinel-2大气校正后的L2A级遥感影像下载方法
本文介绍在Sentinel哨兵遥感影像数据官网中，下载已经经过大气校正的Sentinel-2 L2A级遥感影像产品的方法。 由欧洲航天局发射的Sentinel-2（哨兵2号）卫星的遥感影像具有空间分辨率高、重返周期小等特点，因此得以广泛应用；在我们之前的文章遥感数据、气象数据、土地土壤数据、农业数据、行政区数据...GIS数据获取网站整理中 其中，因为我们需要下载Sentinel-2的2级产品，因此就选中“Mission: Sentinel-2”这一卫星，且在“Product Type”中选中S2MSI2A；这个选项就表示我们将要下载L2A 级的Sentinel-2数据产品。
2.8K20编辑于 2022-12-18 - 来自专栏代码编写世界
Cesium案例解析(七)——Layers在线地图服务
Sentinel-2 托管在Cesium ion上的Sentinel-2影像,能够达到10~60米的分辨率： // Sentinel-2 (mostly) cloudless global imagery
2.3K40发布于 2020-04-13 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE数据集——Cloud Score+ S2_HARMONIZED数据集
MGRS_TILE STRING Sentinel-2 Military Grid Reference System ID. SOURCE_PRODUCT_ID STRING Sentinel-2 Product ID for source image. 代码： // Harmonized Sentinel-2 Level 2A collection. var s2 = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED Note Cloud Score+ is produced from Sentinel-2 // Level 1C data and can be applied to either L1C or L2A { return img.updateMask(img.select(QA_BAND).gte(CLEAR_THRESHOLD)); }) .median(); // Sentinel
52310编辑于 2024-02-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号