GEE必须会教程—影像数据的区间赋值、插值与比较筛选-编程知识

影像数据的操作方法比较多，学到今天，至少我们已经学会了如何定义一个影像，以及如何利用Image封装的函数方法进行操作。接下来，我们继续看Image的影像操作方法。

A.定义波段的数据格式

在编程语言中，我们需要根据数据的特点和应用场景选择恰当的数据格式，是浮点类还是整型？是双精度还是文本型？接下来，举个例子：

//栅格的波段数据格式转换
var collection = ee.ImageCollection("LANDSAT/LC08/C02/T1_TOA");
var Image = ee.Image(collection.filterBounds(ee.Geometry.Point([116.36,29.13])).first().slice(1,4).unitScale(0,32468));
var castImage = Image.cast({"B2":"double","B3":"long","B4":"float"},["B2","B3","B4"]);
print("Image:",Image,"castImage",castImage);

此处小编想把L8的T1_TOA部分的波段数据格式改成自己想要的数据格式，一般的数据格式默认是浮点型（float），小编选三个连续的波段，怎么选？这里要用到前面分享过的波段切片方法（slice），同时进行像素值范围的变换（后面专门解释），得到包含目标波段的影像。

为了完成目标，使用cast（bandType,bandList）可以达到想要的效果，该方法共有两个主参数，前面用字典类型告知GEE，你要把哪几个波段转化为哪个数据格式，后者用列表形式对波段进行排序，如此便能够得到按照一定顺序排列的经过调整的波段格式。结果如下：

B.改变栅格的数据属性

//栅格的属性改写
var collection1 = ee.ImageCollection("LANDSAT/LC08/C02/T1_TOA");
var Image1 = ee.Image(collection.filterBounds(ee.Geometry.Point([116.36,29.13])).first().set("note","this image is a training image").setMulti({"date":"2024-03-01","location":"Poyang Lake"}));
print("Image1",Image1);

栅格数据的属性改写涉及单个属性时，采用set(name,content)，即可将属性名称是name的content进行改写，如果要进行多个属性的改写，采用setMulti方法，在参数中利用{....}符号将多组属性名称和内容一一写入。小编在上述代码中演示了向Image中队note,date,location三个属性名称对应的内容进行改写，得到的结果如下：

C.栅格重绘方法

今天第三个要分享的操作方法是remap方法，该方法有些类似于ArcGIS里面的Reclass，即重分类工具，它能够将原来的值范围重新映射为一个新的范围，可以用于土地覆被的改变。举个例子：

//栅格的值Remap，相当于ArcGIS中的重分类
var oldID = ee.List([11,14,20,30,40,50,60,70,90,100,110,120,130,140,150,160,170,180,190,200,210,220,230]);
var newID = ee.List([0,0,0,0,1,1,1,1,2,2,2,2,3,3,3,4,4,4,5,5,6,7,8]);
var LandCover = ee.Image("ESA/GLOBCOVER_L4_200901_200912_V2_3").select("landcover");
var remap = LandCover.remap(oldID,newID,8,"landcover");
Map.addLayer(LandCover,{},"LandCover");
var palettes = require('users/gena/packages:palettes');
Map.addLayer(remap,{palette:palettes.colorbrewer.Set3[9]},"remap");

上面的例子实现了ESA的土地覆盖数据的重新分类，将原来影像数据的id号对应的覆盖类型进行重新归类，用0-8代表9类地表覆盖类型，remap（from,to,defaultvalue,name），共有四个参数，第一个参数是原影像土地覆盖类型对应的值，第二个参数是要映射的新的值，都用列表进行存储，第三个参数如果在’第一个参数’中没有匹配到值可以使用默认值来替代。如果没有指定默认值，未匹配到的值将被屏蔽掉。第四个参数是波段名称，最终得到的结果如下：

D.栅格的区间赋值

区间赋值指的是将某一个区间的值赋值为一个数，常常用来实现栅格重分类的目的。

//栅格的区间赋值
var DEM = ee.Image("USGS/SRTMGL1_003");
var landcover = ee.Image("ESA/GLOBCOVER_L4_200901_200912_V2_3").select("landcover");
var highLand = landcover.where(DEM.lt(4500),0);
Map.setCenter(84.96,28.53);
Map.addLayer(DEM.lt(4500));
Map.addLayer(highLand);

栅格区间赋值一般用到where函数，此处首先调用了两个数据，接着利用where方法将DEM小于4500的地方夫赋值为0，换言之，本代码筛选出数字高程小于4500的区域，并将这些区域的地表覆盖值设为0。区间赋值前后结果对比如下：（上图展示的筛选出来的DEM小于4500的区域，白色部分，海拔标注为1，非4500m的赋值为0，下图是区间赋值结果，青藏高原部分保留了原有的landcover,而黑色部分landcover已经赋值为0）

E.栅格的区间截取

区间截取就是将整个区域的值限定在一个范围内，大于最大值的通常以最大值处理，小于最小值的以一律赋值最小值，举例如下：

//栅格的区间截取
var DEM = ee.Image("USGS/SRTMGL1_003");
var DEM_Clamp = DEM.clamp(1000,3000);
Map.addLayer(DEM_Clamp);

区间截取采用的命令是clamp方法，这里选取的是1000和3000作为阈值，大于3000的都会被赋值为3000，小于1000的，都以1000处理，得到的结果如下：

F.栅格的插值

栅格的插值指的是根据已知点的值推测未知点的值的一种方法，接下来我们举个例子：

//栅格的插值
var province = ee.FeatureCollection("users/hesuixinya511/Province");
function provincecenter(feature){return ee.Geometry(feature.centroid())}
var Center = province.map(provincecenter);
var distance = Center.distance(160000);
var interpolate = distance.interpolate([0,40000,80000,120000,160000],[0,25,50,75,100],"extrapolate");
Map.centerObject(Center,4);
Map.addLayer(distance,{min:0,max:160000},"origin");
Map.addLayer(interpolate,{min:0,max:100},"interpolate");
Map.addLayer(Center,{color:"FF0000"},"centers");

此处小编首先调用自主上传的矢量数据集合，接着定义函数求取每一个省份的中心点，生成Center这个新的矢量集合，接着利用distance定义了一个从举中心点160000m的距离，利用interpolate方法进行插值方法，给定距离0m，40000m，80000m.....对应的数值0，25，50......，使用的extrapolate即外推的方法，根据距离的范围和对应的数值范围，生成一个新的插值结果。并且进行可视化的显示，得到最终结果。

G.栅格的比较筛选

栅格比较筛选，通过等于（eq）、不等于（neq）、大于（gt）、小于（lt）、大于等于（gte）、小于等于（lte）方法实现栅格的比较筛选，得到用户想要栅格。举例如下：

//栅格的比较筛选
var province1 = ee.FeatureCollection("users/hesuixinya511/Province");
var Light = ee.Image("NOAA/DMSP-OLS/NIGHTTIME_LIGHTS/F182013").select("stable_lights").clip(province1);
var Urban_Lights = Light.gte(20);
Map.setCenter(121.44,31.19);
Map.addLayer(Urban_Lights,{"opacity":0.33,"bands":["stable_lights"],"palette":["404040","FFFF00"]},"Urban_Lights");

此处小编调用夜间灯光数据，想筛选稳定光源像素值大于等于20的地区作为结果，并最终进行显示，调用NOAA的数据后，进行波段筛选，利用gte得到最终结果。

H.栅格的逻辑运算

栅格的逻辑运算用于多类型的栅格数据筛选，用于解决既满足...，又满足....，或满足.....，或满足......等问题，举个例子：

//栅格的逻辑运算
var province2 = ee.FeatureCollection("users/hesuixinya511/Province");
var Light = ee.Image("NOAA/DMSP-OLS/NIGHTTIME_LIGHTS/F182013").select("stable_lights").clip(province2);
var Urban_Lights1 = Light.gte(20);
var DEM2 = ee.Image("USGS/SRTMGL1_003").lt(200).clip(province2);
var UrbanDEM = Urban_Lights1.and(DEM2);
print(DEM2);
Map.setCenter(108.14,34.79,4);
Map.addLayer(Light);
Map.addLayer(DEM2);
Map.addLayer(UrbanDEM);

前面的代码和上一段类似，都是队灯光强度大于20的地方进行筛选，接着小编调用DEM数据，以200作为阈值，筛选出中国区域数字高程在200m以下的地区，而后，利用and函数，即和运算，计算同时满足灯光强度大于等于20和地形高度小于200的区域。最后进行图像可视化，结果如下：