时间戳

首页 > 解决方案 > SLC 代码未填补所有 Landsat 7 SR 空白

json - SLC 代码未填补所有 Landsat 7 SR 空白

问题描述

我是 Google Earth Engine 代码的初学者，正在尝试将 SLC-gap 代码应用于 Landsat 7 Surface Reflectance 图像。使用 StackOverflow 上可用的资源，我生成了以下代码；但是，当我将图像带入 QGIS 时，似乎仍然存在差距。我的代码不正确还是我没有正确地将其应用于图像？

首先，我根据 Landsat SR 数据的 pixel_qa 波段屏蔽了云：

var cloudMaskL7 = function(image) {
var qa = image.select('pixel_qa');
var cloud = qa.bitwiseAnd(1 << 5)
                  .and(qa.bitwiseAnd(1 << 7))
                  .or(qa.bitwiseAnd(1 << 3));

然后，我删除了并非在所有波段中都出现的边缘像素：

var mask2 = image.mask().reduce(ee.Reducer.min());
return image.updateMask(cloud.not()).updateMask(mask2);
 };
var l7 = ee.ImageCollection('LANDSAT/LE07/C01/T1_SR')
              .filterDate('2004-09-15', '2004-12-31')
              .map(cloudMaskL7);

var visParams = {
bands: ['B3', 'B2', 'B1'],
min: 0,
max: 3000,
gamma: 1.4,
};
Map.setCenter(36.197, 31.701,7);
Map.addLayer(l7.median(), visParams);

然后，我绘制了一年以上 Landsat 7 TOA 数据的函数图，并取了中值并为约旦绘制了图。

var composite = l7.map(cloudMaskL7)
    .median();
Map.setCenter(36.124, 31.663);
Map.addLayer(composite, {bands: ['B4', 'B3', 'B2'], max: 0.3});

然后，我尝试使用单一内核大小应用 USGS L7 Phase-2 Gap 填充协议来填充 SLC Landsat 7 的空白。

var MIN_SCALE = 1/3;
var MAX_SCALE = 3;
var MIN_NEIGHBORS = 144;
var GapFill = function(src, fill, kernelSize) {
var kernel = ee.Kernel.square(kernelSize * 30, 'meters', false);
var common = src.mask().and(fill.mask());
var fc = fill.updateMask(common);
var sc = src.updateMask(common);

然后，我通过回归找到了主要的比例因子，并将回归的波段交错（假设波段具有相同的名称）。

   var regress = fc.addBands(sc);
    regress = regress.select(regress.bandNames().sort());
    var fit = regress.reduceNeighborhood(ee.Reducer.linearFit().forEach(src.bandNames()),  kernel, null, false);
    var offset = fit.select('.*_offset');
    var scale = fit.select('.*_scale');

然后，我仅使用均值和 stddev 找到了次要比例因子。

 var reducer = ee.Reducer.mean().combine(ee.Reducer.stdDev(), null, true);
    var src_stats = src.reduceNeighborhood(reducer, kernel, null, false);
    var fill_stats = fill.reduceNeighborhood(reducer, kernel, null, false);
    var scale2 = src_stats.select('.*stdDev').divide(fill_stats.select('.*stdDev'));
    var offset2 = src_stats.select('.*mean').subtract(fill_stats.select('.*mean').multiply(scale2));

    var invalid = scale.lt(MIN_SCALE).or(scale.gt(MAX_SCALE));
    scale = scale.where(invalid, scale2);
    offset = offset.where(invalid, offset2);

我应用了缩放并屏蔽了没有足够邻居的像素。

var count = common.reduceNeighborhood(ee.Reducer.count(), kernel, null, true, 'boxcar');
var scaled = fill.multiply(scale).add(offset)
      .updateMask(count.gte(MIN_NEIGHBORS));

  return src.unmask(scaled, true);
};

var source = ee.ImageCollection('LANDSAT/LE07/C01/T1_SR');
var fill = ee.ImageCollection('LANDSAT/LE07/C01/T1_SR');

我加载了一个边界表和过滤器。

var Jordan = ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017')
    .filter(ee.Filter.or(
        ee.Filter.eq('country_co', 'JO')));
        var clippedJordan = composite.clipToCollection(Jordan);

我展示了 Jordan 的结果；然而，SLC 的空白似乎没有被填补。我继续使用这些图像计算 MSAVI2 值，因此剩余的间隙会影响结果。

var mc = Map.setCenter(36.274, 31.682, 6);
var visParams = {bands: ['B3', 'B2', 'B1']};
Map.addLayer(clippedJordan, visParams, 'clipped composite');

任何建议将不胜感激！

标签： jsongoogle-earth-enginelandsat

解决方案

我不了解最新的 Landsat 7 用于 SLC 关闭图像的间隙填充技术，但这是您尝试做的一个大大简化的版本。我删除了很多（不必要的？）东西，将内核大小增加了很多，并增加了生成中值替换的时间范围。它可能会接近你想要的：

var cloudMaskL7 = function(image) {
  var qa = image.select('pixel_qa');
  var cloud = qa.bitwiseAnd(1 << 5)
                    .and(qa.bitwiseAnd(1 << 7))
                    .or(qa.bitwiseAnd(1 << 3));
  var mask2 = image.mask().reduce(ee.Reducer.min());
  return image.updateMask(cloud.not()).updateMask(mask2);
};

var l7 = ee.ImageCollection('LANDSAT/LE07/C01/T1_SR')
    .map(cloudMaskL7);

var kernelSize = 10;
var kernel = ee.Kernel.square(kernelSize * 30, 'meters', false);

var GapFill = function(image) {
  var start = image.date().advance(-1, 'year');
  var end = image.date().advance(1, 'year');
  var fill = l7.filterDate(start, end).median();
  var regress = fill.addBands(image); 
  regress = regress.select(regress.bandNames().sort());
  var fit = regress.reduceNeighborhood(ee.Reducer.linearFit().forEach(image.bandNames()), kernel, null, false);
  var offset = fit.select('.*_offset');
  var scale = fit.select('.*_scale');
  var scaled = fill.multiply(scale).add(offset);
  return image.unmask(scaled, true);
};

// TESTING CODE
var point = ee.Geometry.Point(36.124, 31.663);
Map.centerObject(point, 11);

var check = ee.ImageCollection('LANDSAT/LE07/C01/T1_SR')
    .filterBounds(point)
    .filterDate('2004-09-15', '2004-12-31');
var checkImage = ee.Image(check.first());
var visParams = {bands: ['B4', 'B3', 'B2'], min: 200, max: 5500};
Map.addLayer(checkImage, visParams, 'source');

// Test composite.
var checkStart = checkImage.date().advance(-1, 'year');
var checkEnd = checkImage.date().advance(1, 'year');
var composite = l7.filterDate(checkStart, checkEnd).median();
Map.addLayer(composite, visParams, 'median');

// Rough implementation for comparison.
var replaced = checkImage.unmask(composite);
Map.addLayer(replaced, visParams, 'simple');

// Fancy implementation.
var filled = ee.Image(check.map(GapFill).first());
Map.addLayer(filled, visParams, 'filled');

编辑：答案现在显示了如何将其映射到集合上。小心，因为我不知道这将如何扩展。如果您决定将其映射到大区域或长时间序列，您已被警告。

推荐阅读