GEE获取无云研究区Landsat影像

研究区数据准备

在QGIS当中把研究区矢量范围画出来，保存成SHP格式，然后打开GEE，上传SHP文件。

先在GEE的代码编辑器页面的左上角切到Assets选项卡，点击New，选择Shape files上传SHP文件。

选择SHP文件并上传，注意，SHP是由多个文件组成的，需要把所有组成部分上传完整。Asset Name会自动生成，如果不合适可以自己修改一下。点击右下角的Upload按钮即可上传。

在GEE右上角的Tasks选项卡中，可以查看SHP文件的上传进度，进度走完后即可在Assets中找到上传结果。

点击Import into script这个按钮，即可将研究区范围加入到代码中调用。

GEE获取无云Landsat影像

• 代码调用的是USGS Landsat 9 Level 2, Collection 2, Tier 1地表反射率数据，该套数据已经经过了大气校正等操作，可以直接用于遥感解译、指数计算等。
• 加入了scale、offset的校正applyScaleFactors
• 使用QA波段进行了去云、去除云影的操作，使用蓝波段进一步去云、雪，在这里我把mask2注释掉了，没有生效
• 修改了波段名，将波段编号改为了波段名称
• 影像选择了常用的近红外和可见光红绿蓝四个波段，其他波段未选择
• 影像输出到Google Drive中

完整代码如下：

// Applies scaling factors.
function applyScaleFactors(image) {
  var opticalBands = image.select('SR_B.').multiply(0.0000275).add(-0.2);
  // var thermalBands = image.select('ST_B.*').multiply(0.00341802).add(149.0);
  return image.addBands(opticalBands, null, true)
              // .addBands(thermalBands, null, true);
}

// reomove cloud for Landsat-8
function cloudRemoval(image) { 
  // 
  var cloudShadowBitMask = (1 <  var cloudsBitMask = (1 <  var qa = image.select('QA_PIXEL'); 
  var mask = qa.bitwiseAnd(cloudShadowBitMask).eq(0) 
                 .and(qa.bitwiseAnd(cloudsBitMask).eq(0)); 
  //var mask2 = image.select("blue").gt(0.2);                 
  return image.updateMask(mask)
              //.updateMask(mask2.not())
              .toDouble()
              .copyProperties(image)
              .copyProperties(image, ["system:time_start"]);
} 


// Assign a common name to the sensor-specific bands.
var LC9_BANDS = ['SR_B2','SR_B3','SR_B4','SR_B5','SR_B6','SR_B7','QA_PIXEL']; //Landsat 9
var LC8_BANDS = ['SR_B2','SR_B3','SR_B4','SR_B5','SR_B6','SR_B7','QA_PIXEL']; //Landsat 8
var LC7_BANDS = ['SR_B1','SR_B2','SR_B3', 'SR_B4','SR_B5','SR_B7','QA_PIXEL']; //Landsat 7
var LC5_BANDS = ['SR_B1','SR_B2','SR_B3', 'SR_B4','SR_B5','SR_B7','QA_PIXEL']; //Llandsat 5
var S2_BANDS  = ['B2','B3','B4','B8','B11','B12']; // Sentinel-2
var STD_NAMES = ['blue', 'green', 'red', 'nir', 'swir1', 'swir2','QA_PIXEL'];

// 获取研究区范围内LT9无云影像
var L9Col = ee.ImageCollection('LANDSAT/LC09/C02/T1_L2')
                .filterBounds(roi)
                .filterDate('2024-01-01', '2024-07-20')
                .map(applyScaleFactors)
                .select(LC9_BANDS,STD_NAMES)
                .map(cloudRemoval);

var LT9roi = L9Col.select(['blue', 'green', 'red', 'nir'])
            .mosaic().clip(roi)

var visParam = {
  // bands:["swir1","nir","red"],
  bands:["nir", "red", "green"],
  min: 0.0,
  max: 0.3,
};

Map.centerObject(roi)
Map.addLayer(LT9roi, visParam, 'LandsatCol');

Export.image.toDrive({
    image: LT9roi,
    description: "DLNELakeLT9",
    folder: "PlateauWetland",
    fileNamePrefix: "DLNELakeLT9_2024",
    region:roi.geometry(),
    scale: 30,
    maxPixels: 1e13
    });

点击代码编辑器上方的Run按钮，执行代码，即可在下方的地图中预览影像，点击Task中的RUN按钮，执行影像数据生产任务。

等任务执行完后，会有Open in Drive按钮，点击这个按钮，打开谷歌云盘，下载数据即可。

参考文献

1. 是时候告别gee中Landsat系列的C01数据集而实用C02数据集了