遍历图像集合 Google 地球引擎答案

【问题标题】：Iterate over Image Collection Google Earth Enigne遍历图像集合 Google 地球引擎
【发布时间】：2020-06-06 13:06:45
【问题描述】：

我编写了处理所有 Landsat 图像并计算 NDVI 的函数。但是，我有 59 个 GPS 点，我希望每个 GPS 点都有一个 NDVI 时间序列输出。运行我的代码后，似乎生成的 NDVI 值不是每个点，而是每个图像的单个值。我猜测某种边界框是自动创建并用于计算的，而不是使用 GPS 点。因此，我需要在所有 59 个点上迭代我的函数，并将输出保存到表中。

GPS 文件是一个 ESRI 点形状文件。

最好的方法是什么？

这是我的一些代码：

// import GPS locations from asset
GPS = GPS.geometry();

// Calculates the median NDVI and add value to image properties.
var meanNDVI = ndviLandsatCol.map(function(img) {
  var obs = img.reduceRegion({
    geometry: GPS,
    reducer: ee.Reducer.median(),
    scale: 30
  });
  return img.set('NDVI', obs.get('NDVI'));
});

ndviLandsatCol 变量是经过预处理的图像集合，其中 NDVI 添加为波段。我对编码和谷歌地球引擎还是陌生的。有人可以建议如何在我所有的 GPS 点上迭代这个过程吗？我应该如何阅读 GPS 文件、字典？以及如何在不绘制点和下载随附文件的情况下将其保存到 .CSV 中。

任何帮助将不胜感激。

【问题讨论】：

标签： javascript loops google-earth-engine

【解决方案1】：

如果您想从特征集合中每个点的图像中获取值，您需要reduceRegions，而不是reduceRegion。这将返回一个特征集合。比如：

var allObs = ndviLandsatCol.map(function(img) {
  var obsAtTime = img.reduceRegions({
    collection: GPS,
    reducer: ee.Reducer.median(),
    scale: 30
  });
  return obsAtTime.map(function (feature) {
    return feature.copyProperties(img, ['system:time_start']);
  });
}).flatten();

请注意，您应该删除您拥有的GPS = GPS.geometry(); 行，因为这会丢弃特征集合的结构并将其转换为一个几何图形。

这将为您提供一个适合导出为 CSV 的平面表，但您必须自己将行分组为时间序列。

如果您需要在 Earth Engine 中进一步处理时间序列，那么这里有两种不同的方式来对它们进行分组：

使用ee.Join.saveAll。这会给你一个FeatureCollection，就像GPS，但有一个额外的属性，其中包含时间序列中的Features，并且每个活动都有与ndviLandsatCol中的波段相对应的属性。

print(
  ee.Join.saveAll('series')  // 'series' is the name of the time series property.
    .apply(
      allObs.distinct('.geo').select([]),  // Determines properties of outer features (here, none but the geometry).
      allObs,
      ee.Filter.equals({leftField: '.geo', rightField: '.geo'})));

使用分组reducer。这将为您提供一个数字列表的字典列表，每个数字列表都是从原始ndviLandsatCol 中明确选择的一个波段的时间序列。在我看来，这有点混乱，但可能会给你一个更简单的工作。

print(allObs.reduceColumns(
  ee.Reducer.toList().setOutputs(['NDVI'])
    .combine(ee.Reducer.toList().setOutputs(['time']))
    .group(0),
  [
    '.geo',               // select geometry for the group() operation
    'NDVI',               // first toList reducer
    'system:time_start',  // second toList reducer
  ]));

【讨论】：

感谢@Kevin Reid，您的见解非常有帮助。

【解决方案2】：

这是最终的解决方案：

// Collect GPS, image, NDVI triplets.
var triplets = NDVILandsatCol.map(function(image) {
  return image.select('NDVI').reduceRegions({
    collection: GPS.select(['Site_ID']), 
    reducer: ee.Reducer.mean(), 
    scale: 30
  }).filter(ee.Filter.neq('mean', null))
    .map(function(f) { 
      return f.set('imageId', image.id());
    });
}).flatten();
print(triplets.first());

// Format a table of triplets into a 2D table of rowId x colId.
var format = function(table, rowId, colId) {
  var rows = table.distinct(rowId);
  var joined = ee.Join.saveAll('matches').apply({
    primary: rows, 
    secondary: table, 
    condition: ee.Filter.equals({
      leftField: rowId, 
      rightField: rowId
    })
  });

  return joined.map(function(row) {
      var values = ee.List(row.get('matches'))
        .map(function(feature) {
          feature = ee.Feature(feature);
          return [feature.get(colId), feature.get('mean')];
        });
      return row.select([rowId]).set(ee.Dictionary(values.flatten()));
    });
};

// Export table
var table1 = format(triplets, 'imageId', 'Site_ID');
var desc1 = 'Table_demo'; 
Export.table.toDrive({
  collection: table1, 
  description: desc1, 
  fileNamePrefix: desc1,
  fileFormat: 'CSV'
});

【讨论】：