Google Earth Engine(GEE)——sentinel-1数据中乌克兰附近数据缺失轨道36缺失
ee.Filter.maxDifference(difference, leftField, rightValue, rightField, leftValue)
创建一个一元或二元过滤器,如果左和右操作数都在给定的最大差值内,则通过。如果作为一个连接条件,这个数字的差异被用作一个连接措施。
参数。
difference (Float):
过滤器将返回真值的最大差异。
leftField (String, default: null):
左边操作数的选择器。如果指定了leftValue,就不应该指定。
rightValue(对象,默认:null)。
右边操作数的值。如果指定了rightField,则不应该指定。
rightField(字符串,默认:null)。
右边操作数的选择器。如果指定了rightValue,则不应该指定。
leftValue(对象,默认:null)。
左边操作数的值。如果指定了leftField,则不应该指定。
返回。过滤器
ee.Join.saveBest(matchKey, measureKey, outer)
返回一个连接,将第一个集合中的每个元素与第二个集合中的匹配元素配对。具有最佳连接度量的匹配被作为一个额外的属性添加到每个结果中。当 withinDistance 或 maxDifference 过滤器被用作连接条件时,会产生连接测量。
参数。
matchKey(字符串)。
用来保存匹配的键。
measureKey (String)。
用于保存匹配的连接条件的措施的键。
outer(布尔值,默认:false)。
如果为真,没有匹配的主行将被包括在结果中。
返回。连接
filterMetadata(name, operator, value)
已删除。使用 filter() 与 ee.Filter.eq(), ee.Filter.gte() 等。
通过元数据来过滤一个集合的快捷方式。这相当于this.filter(ee.Filter.metadata(..))。
返回过滤后的集合。
参数。
this:collection(集合)。
集合实例。
name(字符串)。
要过滤的属性名称。
operator (String):
比较运算符的名称。可能的值是。"等于"、"小于"、"大于"。
"not_equals", "not_less_than", "not_greater_than", "start_with",
"end_with", "not_starts_with", "not_ends_with", " contains",
"不包含"。
value(对象)。
- 要比较的值。
返回。集合
代码:
//乌克兰哨兵1A一致性:请看这里的细节。
// https://medium.com/@gglemoine62/12-day-sentinel-1-coherence-a-test-case for-ukrain-998488bf589
// 问题报告。
// 由于ALU软件的一个错误,相对轨道36的一致性错过了IW2的中心子路径。
// 但是,由于IW1和IW3没有问题,我们没有将它们排除在外。
// 我们打算在该错误修复后立即替换它们。
// COH12测试集有混合的VV(多数)和VH图像,都是单带的。
// 这就是为什么ee.Image.select('VV')不起作用。按偏振过滤如下。
var c12 = ee.ImageCollection('JRC/S1_COH_TEST').
filterMetadata('system:index', 'ends_with', '_VV_coh12')
print(c12.size())
print(c12.first())
Map.addLayer(c12, null, 'Mosaic', false)
// 用S1_GRD_FLOAT加入COH12主站
var s0 = ee.ImageCollection('COPERNICUS/S1_GRD_FLOAT').
filterDate('2021-09-01', '2022-09-02').filterBounds(geometry)
var masterDiffFilter = ee.Filter.maxDifference({
difference: 10 * 1000,
leftField: 'system:time_start',
rightField: 'system:time_start'
});
var slaveDiffFilter = ee.Filter.maxDifference({
difference: 10 * 1000,
leftField: 'system:time_end',
rightField: 'system:time_start'
});
// Define the join.
var saveMasterJoin = ee.Join.saveBest({
matchKey: 'masterImage',
measureKey: 'timeDiff'
});
var saveSlaveJoin = ee.Join.saveBest({
matchKey: 'slaveImage',
measureKey: 'timeDiff'
});
// Apply the joins.
var c12_joined = ee.ImageCollection(saveMasterJoin.apply(c12, s0, masterDiffFilter))
// Promote the relativeOrbitNumber_start
c12_joined = c12_joined.map(function(f) {
return f.set('relativeOrbitNumber', ee.Image(f.get('masterImage')).get('relativeOrbitNumber_start'))
})
// Show the issue with relativeOrbitnumber 36
Map.addLayer(c12_joined.filterMetadata('relativeOrbitNumber', 'equals', 36), {min: 0.2, max: 1}, "IW2 missing for rel orbit 36")
Map.centerObject(geometry, 6)
相关文章
- Google Earth Engine 教程—— 数据的相关分析时序图展示
- Google Earth Engine(GEE)——如何利用modis(MODIS/006/MYD09GA)数据区查看热带风暴的运动状态(从风暴来袭到烟消云散)
- Google Earth Engine(GEE)——利用哨兵S2数据进行PCA分析以单景影像分析
- Google Earth Engine ——标准化降水指数(SPI)、蒸发干旱需求指数(EDDI)、标准化降水蒸散指数(SPEI)、帕默干旱严重程度指数(PDSI)和帕默Z指数(Z)数据集
- Google Earth Engine(GEE)——导出数据到Google硬盘和云端存储!和最大像素限制导出
- Google Earth Engine(GEE)——火灾数据下载(添加图例信息)
- Google Earth Engine(GEE)——以MODIS/006/MCD19A2为例批量下载逐天AOD数据逐天的均值、最大值、最小值、标准差、方差统计分析和CSV下载(北京市各区为例)
- Google Earth Engine(GEE)——用sentinel-2数据获取获取一个月前归一化植被指数NDVI差异(危地马拉为例)
- Google Earth Engine(GEE)——用GEE下载全球12级流域矢量数据免费下载(10行代码)
- Google Earth Engine(GEE)——MODIS数据利用地形提取水体面积(以青海省为例)
- Google Earth Engine(GEE)——用for双循环进行逐月数据下载以北京市为例
- Google Earth Engine(GEE)——欧洲区域LST、TPW和FVC、B10数据展示和下载
- Google Earth Engine(GEE) ——河流中管理不善的塑料垃圾数据集
- Google Earth Engine(GEE)——全球土壤生物气候变量数据集
- Google Earth Engine(GEE) ——全球135个中低收入国家相对财富指数(RWI)数据集
- Google Earth Engine(GEE)——中分辨率成像影像 (MODIS) 是积雪分析的重要数据支撑
- Google Earth Engine——世界人口数据集,每100x100米网格方格中居住人口的估计年龄和性别结构这个数据集包含了按年龄和性别组别分列的估计人口
- Google Earth Engine——WWF/HydroSHEDS/30ACC该数据集的分辨率为30弧秒。30角秒的数据集是水文条件下的DEM、排水(流)方向和流量累积。
- Google Earth Engine——美国人口普查局的TIGER数据集包含美国主要政府部门的2018年边界。除了50个州之外,人口普查局还将哥伦比亚特区、波多黎各和每个岛屿地区
- Google Earth Engine——全球地表温度日间产品的基础数据集是MODIS陆地表面温度数据(MOD11A2)
- Google Earth Engine——全球土壤含数量数据:6个标准深度(0、10、30、60、100和200厘米)以250米的分辨率预测的33kPa和1500kPa吸力的土壤含水量(体积百分比)。
- Google Earth Engine——海洋热通量数据集是NOAA海洋表面束(OSB)的一部分,提供了无冰海洋上空气/海洋热通量的高质量的气候数据记录(CDR)。
- Google Earth Engine——NCEP/NCAR再分析项目是美国国家环境预测中心(NCEP,前身为 “NMC“)和美国国家大气研究中心(NCAR)地表降水数据
- Google Earth Engine ——LANDSAT8——TOA系列数据
- Google Earth Engine ——MOD11A1/A2 V6产品提供1200×1200公里网格内的每日陆地表面温度(LST)和发射率值1KM分辨率数据集
- Google Earth Engine ——全球JRC/GSW1_2/MonthlyHistory数据集的观测数据
- Google Earth Engine ——GCOM-C 进行长期和持续的海表层浮游植物中绿色色素(叶绿素-a)的浓度。数据集(JAXA/GCOM-C/L3/OCEAN/CHLA/V1)
- Google Earth Engine ——ALOS World 3D - 30m (AW3D30) 是一个全球数字表面模型 (DSM) V3_2版本数据集
- Google Earth Engine ——数据全解析专辑(世界第 4 版网格化人口 (GPWv4) 修订版30 弧秒1公里格网)国家标识数据集
- Google Earth Engine ——数据全解析专辑(SRTM Digital Elevation Data Version 4)数字高程数据集
- Google Earth Engine ——数据全解析专辑(AHN Netherlands 0.5m DEM, Interpolated)荷兰0.5m DEM!
- GEE(Google Earth Engine)——使用 NASA NEX-DCP30 数据集创建投影的可视化(美国加利福尼亚州圣华金流域的气候)