Google Earth Engine(GEE)——影像导出谷歌硬盘发生错误Error: Exported bands must have compatible data types

简介: Google Earth Engine(GEE)——影像导出谷歌硬盘发生错误Error: Exported bands must have compatible data types

粉丝问题:

我正在尝试运行一个非常简单的脚本,该脚本应该将 Landsat 8 图像导出到我的 Google Drive。当我在任务上单击“运行”时,GEE 吐出一个错误:“错误:导出的波段必须具有兼容的数据类型;发现不一致的类型:Float32 和 UInt16。(错误代码:3)”

这特别奇怪,因为当我使用“检查器”工具检查图像时,我使用的所有波段(波段 4、波段 3、波段 2)都具有相同的数据类型(浮点数)。我用不同的图像集合重复了这个过程并得到了相同的结果。任何帮助将不胜感激。

源代码:

var rktcity = /* color: #d63000 */ee.Geometry.Point([-86.5855234096938, 34.72665015863473]);
var l8 = ee.ImageCollection("LANDSAT/LC08/C02/T1_TOA")
var l8_filt = l8.filterBounds(rktcity)
                .filterDate("2018-06-01", "2018-07-01")
                .first()
var visual_params = {
  bands: ['B4', 'B3', 'B2'],
  min: 0, 
  max: 0.2
}
Map.addLayer(l8_filt, visual_params, 'landsat 8 toa')
print(l8_filt); 
Export.image.toDrive(
    l8_filt, 
    'ls8_hsv_062018'
)

问题处在哪里呢?这里首先是我们再进行影像波段筛选的时候一定要提前筛选我们所需要的影像波段,否则到时候回出现很多波段不一样类型,有的是整形,有的是浮点型:

Error: Exported bands must have compatible data types; found inconsistent types: Float32 and UInt16. (Error code: 3)

image.png

这里有两种解决方案,方案一是就是首先在影像筛选的阶段就完成对影像波段的筛选工作,也就是影像预处理阶段,最后把后续出现的问题都解决掉,把问题扼杀在摇篮里,这样我们有利于后续的处理简单化;第二种方案则是通过在导出影像的时候进行将需要导出的部分进行处理,也就是设定Export.image.toDrive中的参数,把参数设定好了进行导出也是可以的。

大家可以将以上两种方案都进行实验

修改后的代码:

var rktcity = /* color: #d63000 */ee.Geometry.Point([-86.5855234096938, 34.72665015863473]);
Map.centerObject(rktcity, 9);
var l8 = ee.ImageCollection("LANDSAT/LC08/C02/T1_TOA")
var l8_filt = l8.filterBounds(rktcity)
                .filterDate("2018-06-01", "2018-07-01")
                .first()
//修改方法1                
var l8_filt = l8.filterBounds(rktcity)
                .filterDate("2018-06-01", "2018-07-01")
.select(['B4', 'B3', 'B2'])
                .first()
var visual_params = {
  bands: ['B4', 'B3', 'B2'],
  min: 0, 
  max: 0.2
}
Map.addLayer(l8_filt, visual_params, 'landsat 8 toa')
print(l8_filt); 
Export.image.toDrive(
    l8_filt.toFloat(), 
    'ls8_hsv_062018'
)
//修改方法2 
Export.image.toDrive(
    l8_filt.select(['B4', 'B3', 'B2']), 
    'ls8_hsv_062018'
)

运行后的结果:当然这里没有进行mosaic,所以只是一小块下载结果:

image.png

 

image.png

 


相关文章
|
6月前
|
数据可视化 定位技术 Sentinel
如何用Google Earth Engine快速、大量下载遥感影像数据?
【2月更文挑战第9天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,批量下载指定时间范围、空间范围的遥感影像数据(包括Landsat、Sentinel等)的方法~
2394 1
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
6月前
|
机器学习/深度学习 算法 数据可视化
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
219 0
|
4月前
|
人工智能 自然语言处理 API
谷歌Gemini入口_(Google gemini Pro官方网站入口)
Gemini是 Google 开发的多模态 AI 语言模型。可以理解和生成人类语言,并协助各种与语言相关的任务。
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
Google gemini官网入口是什么_谷歌 AI gemini国内怎么使用
随着人工智能(AI)技术的迅猛发展,各大科技公司不断推出更为先进的AI模型,推动技术的边界。Google开发的Gemini便是其中的佼佼者。作为一款大型语言模型(LLM),Gemini旨在处理多种自然语言处理(NLP)任务,如文本生成、翻译、摘要和对话生成。Gemini结合了最新的研究成果和技术,显著提高了自然语言处理的准确性和效率。
|
6月前
|
机器学习/深度学习 数据采集 数据可视化
R语言Pearson相关性分析降雨量和“外卖”谷歌搜索热度google trend时间序列数据可视化
R语言Pearson相关性分析降雨量和“外卖”谷歌搜索热度google trend时间序列数据可视化
|
6月前
|
数据可视化 搜索推荐 数据挖掘
R语言Pearson相关性分析就业率和“性别平等”谷歌搜索热度google trend时间序列数据可视化
R语言Pearson相关性分析就业率和“性别平等”谷歌搜索热度google trend时间序列数据可视化
|
6月前
|
数据可视化 数据挖掘 数据建模
R语言指数平滑法holt-winters分析谷歌Google Analytics博客用户访问时间序列数据
R语言指数平滑法holt-winters分析谷歌Google Analytics博客用户访问时间序列数据
|
6月前
|
API Go 网络架构
GEE Colab——如何从本地/Google云盘/Google Cloud Storage (GCS)上传和下载
GEE Colab——如何从本地/Google云盘/Google Cloud Storage (GCS)上传和下载
320 4
|
6月前
|
机器学习/深度学习 存储 人工智能
GEE Colab——初学者福音快速入门 Google Colab(Colaboratory)
GEE Colab——初学者福音快速入门 Google Colab(Colaboratory)
234 3

热门文章

最新文章