PIE&GEE 下载ESA、Esri与FROM三款10米土地利用数据代码

风声之家 2022-03-22

展开全文

GEEer成长日记 2022-03-22 12:00

以下文章来源于锐多宝的地理空间，作者锐多宝

锐多宝的地理空间

想写一千篇博客的技术宅男

第 49 篇

读完需要

分钟

速读仅需 3 分钟

/ 0.背景 /

GEE 已经上线了 ESA 的 10 米土地利用数据，并且有大佬在 GEE 上传了 ESRI 的土地利用数据集。PIE-Engine 也上线了 FROM_GLC 的 10 米土地利用数据。

因此我将这三款数据的下载方法写出来。

/ 1.ESA 10 米数据下载 /

第一步是设置参数，并加载 ESA 的数据。

//显示参数设置var imageVisParam_ESA = {"opacity":1,"bands":["Map"],"min":10,"max":110,"palette":["8dffda","14ff31","686dff","ff9b54","ff712d","ff66b4"]};//浏览全球土地利用数据var ESA  = ee.ImageCollection("ESA/WorldCover/v100")Map.addLayer(ESA,imageVisParam_ESA,"ESA_landcover")

第二步加载待下载区域 ROI。

我的代码上传的是四川省 _ 资阳市 _ 乐至县的行政区数据。

//导入研究区var ROI  =  ee.FeatureCollection("users/kitmyfaceplease2/lezhixian").geometry()Map.centerObject(ROI, 8)Map.addLayer(ROI, {color: 'FF0000', fillColor: '00000000', width: 1}, "ROI")

第三步是筛选影像，并裁剪:需要注意是 ESA 数据在 GEE 中已经被镶嵌为一张全球影像，可以直接 clip。

//筛选数据             var ESA_ROI_landcover=ESA              .filterBounds(ROI)              .mosaic()              .clip(ROI)
//研究区土地利用影像Map.addLayer(ESA_ROI_landcover,imageVisParam_ESA,"ESRI_ROI_landcover")

第三步是导出影像:

//下载Export.image.toDrive({    image:ESA_ROI_landcover,    description: "ESA_ROI_landcover",    region:ROI,    scale:10,    maxPixels:1e13});

/ 2.ESRI 10 米数据下载 /

ESRI 数据的下载大同小异，只需注意一个地方:ESRI 数据在 GEE 中并没有拼接，需要 mosaic。第一步是设置参数，并加载 ESRI 的数据。

//显示参数设置var imageVisParam_ESRI = {"opacity":1,"bands":["b1"],"min":1,"max":10,"palette":["8dffda","14ff31","686dff","ff9b54","ff712d","ff66b4"]};
//浏览全球土地利用数据var ESRI = ee.ImageCollection("projects/sat-io/open-datasets/landcover/ESRI_Global-LULC_10m")Map.addLayer(ESRI,imageVisParam_ESRI,"ESRI_landcover")

第二步加载待下载区域 ROI。

//导入研究区var ROI  =  ee.FeatureCollection("users/kitmyfaceplease2/lezhixian").geometry()Map.centerObject(ROI, 8)Map.addLayer(ROI, {color: 'FF0000', fillColor: '00000000', width: 1}, "ROI")

第三步是筛选影像，并裁剪:
ESRI 数据需要使用mosaic函数。

//筛选数据             var ESRI_ROI_landcover=ESRI              .filterBounds(ROI)              .mosaic()              .clip(ROI)
//研究区土地利用影像Map.addLayer(ESRI_ROI_landcover,imageVisParam_ESRI,"ESRI_ROI_landcover")

第三步是导出影像:

//下载Export.image.toDrive({    image:ESRI_ROI_landcover,    description: "ESRI_ROI_landcover",    region:ROI,    scale:10,    maxPixels:1e13});

/ 3.FROM_GLC 10 米数据下载 /

下载 FROM_GLC 数据需要切换到 PIE-Engine 的工作环境。第一步研究区的加载

//研究区加载 LZ（四川省_资阳市_乐至县）LZ= LZ.first().geometry(); Map.centerObject(LZ,9);    Map.addLayer(LZ, {color: 'FF0000', fillColor: '00000000', width: 1}, "LZ")

第二步数据的筛选
首先加载影像集，筛选时间，选择波段，镶嵌与裁剪。

//FROM_GLC10 土地利用数据下载                  //加载土地利用数据 筛选、镶嵌、裁剪  var LZ_landcover_2017=pie.ImageCollection("THU/FROM_GLC10_2017")              .filterBounds(LZ)              .filterDate("2017-1-01", "2017-12-31")              .select(["B1"])              .first()              .clip(LZ);
//显示土地利用数据Map.addLayer(LZ_landcover_2017,visParam,"LZ_landcover_2017")

在这里，需要注意一个地方:

PIE 与 GEE 的裁剪不同，需要指定波段才能进行裁剪。

第三步进行数据的导出:这里几乎和 GEE 差不多，唯一的差异是多了个 assetId。

//下载Export.image({    image:LZ_landcover_2017,    description: "LZ_landcover_2017",    assetId: "LZ_landcover_2017",    region:LZ,    scale:10,    maxPixels:1e13});

/ 4.代码链接 /

ESA 10米 2020年土地利用数据代码:

https://code.earthengine.google.com/6ba5ff6808c532bc20bce44eeaf85c5e

ESRI 10米 2020年土地利用数据代码:

https://code.earthengine.google.com/da15793f593b7ce6470fc3f211dff75d

FROM_GLC 10米 2017年土地利用数据代码:
https://engine./engine/home?sourceId=95120018f4ae488ea92c1f8b35b4c3ee

/ 5.结果展示 /

/ 6.写在最后 /

我们放大地图到乐至县的城区:
该图为 2020 年 ESA 的 10 米数据。该图为 2020 年 Esri 的 10 米数据。左边为 2020 年的 GLC30 的数据，右边为 2017 年 FROM_GLC 数据。

除非我的眼睛有问题，号称准确率 80%以上的 Esri 数据真比不上 GLC 的 30 米。