Google Earth Engine 教程——Landsat 8 影像集合去云分析QA波段和去云NDVI的影像
2023-09-11 14:15:11 时间
本文提供了一个工作流程,以迭代一个图像集,并计算美国科罗拉多州洛基山国家公园图像的累积NDVI差异。
函数:
bitwiseAnd(image2)
计算图像1和图像2中每一对匹配的波段的输入值的比特和。如果图像1或图像2只有一个波段,那么它将与另一个图像中的所有波段进行对比。如果图像有相同数量的带子,但名字不一样,它们就按自然顺序成对使用。输出的带子以两个输入中较长的命名,或者如果它们的长度相等,则以图像1的顺序命名。输出像素的类型是输入类型的联合。
参数。
this:image1 (图像)。
左边操作数带的图像。
image2 (图像)。
右边的操作带所取的图像。
返回。图像
updateMask(mask)
在所有现有遮罩不为零的位置上更新图像的遮罩。输出的图像保留了输入图像的元数据和足迹。
参数。
this:image (Image)。
输入图像。
mask (图像)。
图像的新掩码,是[0, 1]范围内的浮点值(无效=0,有效=1)。如果这个图像只有一个波段,它将用于输入图像的所有波段;否则,必须有与输入图像相同的波段数。
返回。图像
Map.addLayer(eeObject, visParams, name, shown, opacity)
将给定的EE对象作为一个图层添加到地图上。
返回新的地图层。
参数。
相关文章
- Google 发布更好的压缩算法 —— Zopfli
- 使用Google Closure Compiler高级压缩Javascript代码
- Android实例-调用GOOGLE的TTS实现文字转语音(XE7+小米2)(XE10.1+小米5)
- 机器学习入门 - Google的机器学习速成课程
- [HTML5] Track First Contentful Paint with PerformanceObserver and Google Analytics
- Google Chart API
- Google 和 Facebook 如何大规模处理 IT 事件管理 —— 2016 SRE 大会之我见
- 用上Google才是正事 分享几个訪问Google的IP和域名
- TensorFlow:实战Google深度学习框架(二)实现简单神经网络