gee下载逐年哨兵2号数据

### 使用GEE API下载逐年Sentinel-2卫星影像数据 Google Earth Engine (GEE) 提供了一个强大的云计算平台，用于存储、处理和分析地理空间数据。通过 GEE 的 Python 或 JavaScript API，可以方便地访问 Sentinel-2 数据并将其导出到本地文件系统。 以下是实现这一目标的具体方法： #### 1. 导入必要的库 为了操作 GEE 平台上的数据，需先导入 `ee` 库以及 Google Cloud Storage (如果需要导出至云端)[^2]。 ```python import ee ``` #### 2. 初始化Earth Engine 在运行任何脚本之前，必须初始化 Earth Engine 客户端。 ```python ee.Initialize() ``` #### 3. 加载Sentinel-2数据集合 使用 `ee.ImageCollection('COPERNICUS/S2')` 来加载 Sentinel-2 影像集合。可以通过设置日期范围来筛选特定年份的数据[^1]。 ```python start_date = 'YYYY-01-01' # 替换为具体年份的开始日期 end_date = 'YYYY-12-31' # 替换为具体年份的结束日期 sentinel2_collection = ee.ImageCollection('COPERNICUS/S2').filterDate(start_date, end_date) ``` #### 4. 去除云层影响 利用质量控制波段（如 `QA60`），或者基于其他算法（如 SCL 波段）去除含云像素的影响。 ```python def mask_clouds(image): qa = image.select('QA60') cloudBitMask = 1 << 10 cirrusBitMask = 1 << 11 masked_image = image.updateMask(qa.bitwiseAnd(cloudBitMask).eq(0)).updateMask(qa.bitwiseAnd(cirrusBitMask).eq(0)) return masked_image.divide(10000) filtered_sentinel2 = sentinel2_collection.map(mask_clouds) ``` #### 5. 设置感兴趣区域(AOI) 定义一个几何对象表示感兴趣的区域。 ```python aoi = ee.Geometry.Rectangle([min_lon, min_lat, max_lon, max_lat]) # 替换经纬度坐标 filtered_sentinel2_aoi = filtered_sentinel2.filterBounds(aoi) ``` #### 6. 合成年度最大值或平均值图像 对于逐年数据分析，通常会合成每年的最大值或平均值图像。 ```python annual_composite = filtered_sentinel2_aoi.mean() # 可替换为 median(), mosaic() 等函数 ``` #### 7. 将结果导出到驱动器 最后一步是将生成的结果导出到 Google Drive 中保存为 GeoTIFF 文件格式。 ```python task_config = { 'image': annual_composite, 'description': 'Annual_Sentinel2_Composite', 'folder': 'GEE_Exports', 'region': aoi.coordinates().getInfo(), 'scale': 10, # Sentinel-2 分辨率单位米 'crs': 'EPSG:4326' } export_task = ee.batch.Export.image.toDrive(**task_config) export_task.start() ``` 以上流程涵盖了从加载数据到预处理再到最终导出的主要步骤。