本文依然采用代码方式，获取Landsat 8 Collection 1 Tier 1的初始影像Raw Scenes产品。
其中，依据第十篇GEE教学博客（https://blog.csdn.net/zhebushibiaoshifu/article/details/119568274）中提及的ee.Geometry.Point()函数，设置一个点要素，作为后期研究区域的参照点（即获取能覆盖这一点要素的Landsat 8遥感影像）；同时依据第二篇GEE教学博客（https://blog.csdn.net/zhebushibiaoshifu/article/details/117296956）中提及的遥感影像时间筛选方法，对Landsat 8遥感影像的时间段进行筛选。这里用到了两个之前教学博客中没有介绍的新函数——首先是.filterBounds()函数，作用为获取覆盖点要素point的遥感影像，即对遥感影像进行空间角度的筛选；其次是.sort()函数，作用为对ee.ImageCollection格式数据中的多层遥感影像按照一定规则进行排序。
var point=ee.Geometry.Point(116.36863, 39.961029); var date_start=ee.Date("2020-05-01"); var date_end=ee.Date("2020-07-01"); var my_landsat=ee.ImageCollection("LANDSAT/LC08/C01/T1").filterBounds(point) .filterDate(date_start,date_end).sort("CLOUD_COVER",true); print(my_landsat);
在这里，"CLOUD_COVER"表示遥感影像的云覆盖量，true表示按照排序指标的升序进行排列——即对于ee.ImageCollection格式数据中多景遥感影像，基于云覆盖量由少至多的顺序进行排列。还有需要强调的一点是，"CLOUD_COVER"并不是遥感影像波段的名称，而属于影像的元数据，或者说是属性。
通过print()函数打印在右侧的信息，我们可以看到这个ee.ImageCollection格式数据中包含三个元素（即3 elements），也就是含有三景重叠的遥感影像。
我们可以通过.first()函数获取一个ee.ImageCollection格式数据中的第一景影像。在这里，由于前述代码实现了云覆盖量由少至多的顺序进行排列，因此第一景影像也就是云覆盖量最低的那一景影像。
var first_landsat=my_landsat.first(); print(first_landsat);
除了本文开头提及的按照一个点要素来筛选遥感影像，我们还可以按照Landsat的Path与Row分幅进行筛选。
//var point=ee.Geometry.Point(116.36863, 39.961029); var date_start=ee.Date("2019-07-01"); var date_end=ee.Date("2020-06-01"); var my_landsat=ee.ImageCollection("LANDSAT/LC08/C01/T1") .filter(ee.Filter.eq("WRS_PATH",123)) .filter(ee.Filter.eq("WRS_ROW",032)) .filterDate(date_start,date_end); print(my_landsat);
其中，ee.Filter.eq()函数表示按照某种方式进行筛选，"WRS_PATH"参数表示按照遥感影像属性中的Path分幅作为筛选标准，123表示筛选出Path号为123的遥感影像。
筛选完后，我们可以将ee.ImageCollection格式数据中每一个要素的名称（即每一景遥感影像的名称）转为列表格式。
var list=my_landsat.toList(100); print(list);
其中，.toList()函数作用是将原有数据（ee.ImageCollection格式数据中每一个要素的名称）转为列表，100表示从ee.ImageCollection格式数据中获取要素名称的最大个数（即最多从ee.ImageCollection格式数据中获取100个要素的名称存入列表），这一参数只要远大于ee.ImageCollection格式数据中的要素个数即可。
可以通过.length()函数获取列表数据的长度；这一长度也就是ee.ImageCollection格式数据中要素的个数。
var list_size=list.length(); print("The size of list is:",list_size);
此外，还可以对ee.ImageCollection格式数据执行.size()函数，同样可以获取其要素个数。
var image_count=my_landsat.size(); print("The size of image is:",image_count);
我们还可以对ee.ImageCollection格式数据的元数据（属性）进行获取。
print(my_landsat);
首先，打印一下ee.ImageCollection格式数据，可以看到其properties中包含了很多属性信息；接下来我们就以date_range为例进行操作。date_range表示ee.ImageCollection格式数据中，遥感影像成像的起止时间。
利用.get()函数就可以获取ee.ImageCollection格式数据的具体某一项属性。
var date_range=my_landsat.get("date_range"); print(date_range);
打印出的起止时间格式如下图所示。这种用一长串数字来表示时间的格式为Unix Epoch，即Unix时间戳，其表示从1970年01月01 日00:00:00（GMT）开始以来的秒数；这里还需要注意，在JavaScript中，Unix Epoch的单位是毫秒，若要换为秒需要进行换算。
我们还可以将起止时间转换为列表的形式。
var date_range_list=ee.List(date_range); print(date_range_list);
执行代码，可以看到是否转换为列表对于起止时间的显示而言并没有很大区别。
Unix Epoch这种时间表示方法看起来不方便，我们可以将其转换为我们熟知的日期表示格式。
var date_range_ymd=ee.DateRange(date_range_list.get(0),date_range_list.get(1)); print("Date range is:",date_range_ymd);
其中，ee.DateRange()就是一个可以起到转换时间格式作用的函数；同时，分别用.get()函数获取起止时间的第一个和第二个元素；第九篇GEE教学博客（https://blog.csdn.net/zhebushibiaoshifu/article/details/119545059）已经介绍过，列表元素初始下标为0，因此分别用0和1来获取列表中的第一个和第二个元素。
起止时间转换后，我们可以看到2013年04月到2021年08月这个范围并不是前面我们用.filterDate(date_start,date_end)语句筛选后的日期，而是Landsat 8卫星发射并投入使用后到目前的时间；因此我们可以知道，ee.ImageCollection格式数据中properties内的date_range属性指的是整个初始数据集（Landsat 8 Collection 1 Tier 1的初始影像Raw Scenes产品）的起止时间，而不是经过筛选后（包括经过成像时间筛选与空间筛选后）得到的剩下几景遥感影像的起止时间。
还可以利用.aggregate_stats()函数统计ee.ImageCollection格式数据某一项属性的信息，其统计得到的信息包括ee.ImageCollection格式数据中，全部遥感影像的某一项属性值的极值、总和、平均值、标准差等。
var statistics=my_landsat.aggregate_stats("SUN_ELEVATION"); print(statistics);
此外，可以将.sort()函数与.first()函数一起执行，从而获取排序后，排在第一位的那一景遥感影像。
var least_cloud=my_landsat.sort("CLOUD_COVER",true).first(); print(least_cloud);
这里需要注意，执行上述代码后得到的是一景遥感影像（即ee.Image格式的数据）。
同时，.sort()函数排序后，我们还可以获取排序前几位的遥感影像。
var recent_image=my_landsat.sort("system:time_start",false).limit(10); print(recent_image);
其中，利用.limit()函数获取有限的遥感影像，10表示获取10景，即获取成像时间离目前最近的10景遥感影像。因此，执行这一代码后获取的是多景遥感影像，即ee.ImageCollection格式的数据。
欢迎关注公众号/CSDN/知乎/微博：疯狂学习GIS
