Google Earth Engine(GEE)——基于Landsat的高级植被指数 (AVI)、裸土指数 (BSI) 和冠层阴影指数 (SSI) 的计算
2023-09-11 14:15:11 时间
本文利用Landsat影像分别计算AVI\BSI和SSI,首先构建一个基本的去云和纠正函数以及影像筛选和阈值设定和指数运算的函数,然后开始进行整体运算,本文用到的函数:
ee.Image.constant(value)
生成一个处处包含常量值的图像。
参数。
value(对象)。
恒定图像中的像素值。必须是一个数字或一个数组或一个数字或数组的列表。
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]范围内的一个浮点值(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
unitScale(low, high)
对输入进行缩放,使输入值[low, high]的范围变成[0, 1]。在这个范围之外的值不会被夹住。这个算法总是产生浮点像素。
参数。
this:输入(图像)。
要缩放的图像。
low(浮点)。
映射到0的值。
high(浮点数)。
映射到1的值。
返回。图像<
相关文章
- google测试分享-分层测试
- Google、Azure、阿里云、RedHat…全球的 K8s 圈大佬聚在一起要聊啥?
- 使用google chart api生成报表图片
- Android依赖注入:Google Guice on Android的使用及相关资源
- Python 编码常用规范(Google)
- Google Tag Manager (GTM) 和 Adobe AEPL 在 SAP Spartacus 中的应用
- 在 Google Kubernetes Cluster 上使用 HANA Expression Database Service
- Google 重申对 Kotlin 编程语言 Android 的承诺:谷歌推出 Kotlin 免费在线课程 Kotlin Bootcamp Course 1
- Google JSON 风格指南
- 超参数调优——google Vizier采用迁移学习的思想,主要是从之前调参的经验中学习,为新算法提出最佳超参数
- 有效的括号序列——算法面试刷题4(for google),考察stack
- google搜索 site:pku.edu.cn inurl:aspx 即可查找所有动态网页 =====html(静态网页) asp(动态) jsp(动态) php(动态) cgi(网络程序) aspx(动态)
- TensorFlow:实战Google深度学习框架(一)计算、数据、运行模型