基於Google earth engine python API做基於影像的定量反演——步驟及問題總結

基於Google earth engine python API做基於影像的定量反演——步驟及問題總結

一、背景

用GEE做定量遙感反演，基於GEE的python API，主要實現三大塊內容：

1. 站點資料和遙感影像匹配；
2. 利用機器學習/深度學習模型進行匹配資料的訓練；
3. 將訓練的模型用於GEE上的影像資料，實現引數反演結果成圖。

針對內容三實現的基本步驟，以及自己在過程中的問題進行總結。

二、具體步驟和問題

1. 代理伺服器設定，及initialize

2. 篩選影像，filter the image
   注意：
   1）GEE 網頁版Javascript的data格式和python的date格式不同，注意區分。
   網頁Javascript版本： ‘2019-1-1’
   python版本：datetime.datetime(2019, 1, 1)
   2）重投影的方法：.reproject(‘EPSG:4326’, None, 300) 300表示重投影后的解析度為300m

3. 將影像（ee.image）轉化為python numpy的array,方便用機器學習的模型進行計算。
   可以參見此文：https://gis.stackexchange.com/questions/350771/earth-engine-simplest-way-to-move-from-ee-image-to-array-for-use-in-sklearn
   具體用到的函式為：img.sampleRectangle()

4. 提取影像的metedata，作為模型的輸入資料。
   注意，直接採用img.get( )得到的是computerobject這種型別的結果，無法在機器學習模型中輸入和計算，應加上.getInfo()。
   例如，提取Landsat影像的雲覆蓋

cloudiness = LowCloudImg.get('CLOUD_COVER')      # computer object
cloudiness = cloudiness.getInfo()                                  #float

5. 提取每個畫素的經緯度資訊。