Google Earth Engine(GEE)——sentinel-1数据中乌克兰附近数据缺失轨道36缺失

简介: 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

image.png

 

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
|
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~
2486 1
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
6月前
|
编解码 算法 定位技术
GEE时序——利用sentinel-2(哨兵-2)数据进行地表物候学分析(时间序列平滑法估算和非平滑算法代码)
GEE时序——利用sentinel-2(哨兵-2)数据进行地表物候学分析(时间序列平滑法估算和非平滑算法代码)
524 3
|
6月前
|
存储 编解码 数据可视化
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
【2月更文挑战第14天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,按照给定的地表分类数据,对每一种不同的地物类型,分别加以全球范围内随机抽样点自动批量选取的方法~
568 1
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
|
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
|
算法 数据挖掘 定位技术
GEE 案例——如何计算sentinel-2中每一个单景影像的波段的DN值并绘制直方图
GEE 案例——如何计算sentinel-2中每一个单景影像的波段的DN值并绘制直方图
119 5
|
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
333 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)
240 3
|
6月前
|
存储 编解码 人工智能
GEE数据集——哨兵2号Sentinel-2 云概率数据集
GEE数据集——哨兵2号Sentinel-2 云概率数据集
361 2
|
3月前
|
Java UED Sentinel
微服务守护神:Spring Cloud Sentinel,让你的系统在流量洪峰中稳如磐石!
【8月更文挑战第29天】Spring Cloud Sentinel结合了阿里巴巴Sentinel的流控、降级、熔断和热点规则等特性,为微服务架构下的应用提供了一套完整的流量控制解决方案。它能够有效应对突发流量,保护服务稳定性,避免雪崩效应,确保系统在高并发下健康运行。通过简单的配置和注解即可实现高效流量控制,适用于高并发场景、依赖服务不稳定及资源保护等多种情况,显著提升系统健壮性和用户体验。
85 1
|
5月前
|
监控 Java Sentinel
使用Sentinel进行服务调用的熔断和限流管理(SpringCloud2023实战)
Sentinel是面向分布式、多语言异构化服务架构的流量治理组件,主要以流量为切入点,从流量路由、流量控制、流量整形、熔断降级、系统自适应过载保护、热点流量防护等多个维度来帮助开发者保障微服务的稳定性。
151 3

热门文章

最新文章