曲线救国|GEE逐像元分析方法详解

GEE遥感训练营 · 公众号 · · 2024-09-02 23:29

正文

请到「今天看啥」查看全文

我们知道，GEE中的栅格数据类型包括了Image和它的集合ImageCollection。相应的，也出现了很多基于Image和ImageCollection开发的函数。然而，在GEE中，却几乎没有找到基于Pixels的函数类型。因此，如何开展逐像元分析，成为了GEE算法构建的难点。

GEE中栅格数据的构建

在GEE中，栅格数据的构建是以波段（ Band ）为最小单元构成影像（Image），而一个影像（Image）包含多个波段（ Band ），多个影像组合成为了影像集合（ImageCollection）。因此，可以说GEE中的栅格数据分析几乎都是以影像为单元开展的。然而，在很多研究中，我们需要对逐像元开展分析，包括变化分析、邻域分析、叠加分析等等。如何开展这类研究成为了一个难点。下图为栅格数据的关系图：

GEE像元分析的线索

慢慢的，我们不满足于仅仅是开展整幅影像的处理、分析以及建模。我们需要对像元数据开展分析，最常用的就是采样！例如土地利用分类、生物量估算、碳汇估算等，因此有了如下的代码：

// 对影像进行采样var samplePoints = image.sample({  region: roi,           // 感兴趣区域  scale: 30,             // 采样尺度（单位：米）  numPixels: numSamples, // 采样点数量  seed: 42,              // 随机种子，保证结果可重复  geometries: true       // 保留点的几何信息});

当然，我们有时候也会对影像中的像元进行卷积分析，这里就涉及核运算了。GEE中确实提供了不少的核算子，我们以最常用的正方形为例：

// 定义正方形的核 (kernel)var squareKernel = ee.Kernel.square({  radius: 2,    // 半径，以像素为单位  units: 'pixels',  normalize: true // 归一化，使得核的值之和为1});// 对影像进行卷积运算var convolvedImage = image.convolve(squareKernel);

然而，以上并没有解决我们对于逐像元的分析需求，只能满足部分需求，远远达不到我们想构建自己的模型。

GEE逐像元分析|曲线救国

我们换个思路。 GEE的影像的像元由一个一个正方形组成，它是不是和矢量数据的一个一个点组成Feature很相似？恰巧的是，GEE提供了Sample函数，它刚好可以将栅格数据转换成一个一个的点数据，而基于Feature的函数分析，GEE是提供了海量的API的，这就为GEE逐像元分析提供了思路！因此，引出本文想表达的一个观点，GEE逐像元分析，不就是将像元分析转换成点分析吗？大不了最后再将点数据再转换成栅格数据嘛！！！其流程如下图所示：

此后，我们可以开展任意基于像元的操作了。基于这个思路，我想至少可以开发几十种不同的算法了。