/*************************************************************** * Landsat-5 TM Collection 2 Level-2 地表温度批量处理与导出 * * 时间范围1990-01-01 至 1991-12-31 * ROI资产users/Test/Study_area * * 处理内容 * 1. 筛选 Landsat-5 TM C2 L2 数据 * 2. 仅保留具有地表温度产品的 L2SP 影像 * 3. 使用 QA_PIXEL 去除填充值、膨胀云、云和云影 * 4. 使用 QA_RADSAT 去除辐射饱和和丢失像元 * 5. 对地表反射率进行缩放 * 6. 对 ST_B6 进行缩放转换为 Kelvin * 7. 将温度由 Kelvin 转换为摄氏度 * 8. 按日期生成地表温度影像并导出到 Google Drive * * 输出文件 * Landsat_LST_yyyy_MM_dd.tif ***************************************************************///// 1. 参数设置//// ROI矢量资产路径varROI_ASSETusers/Test/Study_area;// 开始时间包含该日期varSTART_DATE1990-01-01;// 结束时间不包含该日期因此使用1992-01-01可覆盖整个1991年varEND_DATE2026-01-01;// Google Drive输出文件夹varDRIVE_FOLDERLandsat5_LST_1990_2025;// 文件名前缀// 按照要求保留“Landsat”的拼写varFILE_PREFIXLandsat5_LST_;// 输出波段// LST_C摄氏度// ST_B6KelvinvarOUTPUT_BANDLST_C;// 输出空间分辨率单位为米varEXPORT_SCALE30;// 输出无效值varNO_DATA_VALUE-9999;//// 2. 读取研究区//varroiFeatureCollectionee.FeatureCollection(ROI_ASSET);varroiroiFeatureCollection.geometry();Map.centerObject(roiFeatureCollection,8);Map.addLayer(roiFeatureCollection,{color:red},研究区ROI);print(研究区矢量,roiFeatureCollection);//// 3. Landsat-5预处理函数//functionpreprocessLandsat5(image){//------------------------------------------------------------// 3.1 使用QA_PIXEL去除云和云影//------------------------------------------------------------varqaPixelimage.select(QA_PIXEL);// QA_PIXEL位定义// Bit 0Fill填充值// Bit 1Dilated Cloud膨胀云// Bit 3Cloud云// Bit 4Cloud Shadow云影//// Bit值为0表示不存在相应问题varfillMaskqaPixel.bitwiseAnd(10).eq(0);vardilatedCloudMaskqaPixel.bitwiseAnd(11).eq(0);varcloudMaskqaPixel.bitwiseAnd(13).eq(0);varcloudShadowMaskqaPixel.bitwiseAnd(14).eq(0);// 合并云质量控制条件varqaMaskfillMask.and(dilatedCloudMask).and(cloudMask).and(cloudShadowMask);//------------------------------------------------------------// 3.2 使用QA_RADSAT去除辐射饱和像元//------------------------------------------------------------// QA_RADSAT 0// 所有波段均未发生辐射饱和并且像元没有丢失varsaturationMaskimage.select(QA_RADSAT).eq(0);//------------------------------------------------------------// 3.3 对地表反射率波段进行标准化缩放//------------------------------------------------------------// Landsat Collection 2 Level-2地表反射率// Reflectance DN × 0.0000275 - 0.2varopticalBandsimage.select([SR_B1,SR_B2,SR_B3,SR_B4,SR_B5,SR_B7]).multiply(0.0000275).add(-0.2);//------------------------------------------------------------// 3.4 对地表温度波段进行标准化缩放//------------------------------------------------------------// Landsat Collection 2 Level-2地表温度// Temperature(K) DN × 0.00341802 149.0vartemperatureKelvinimage.select(ST_B6).multiply(0.00341802).add(149.0).rename(ST_B6);//------------------------------------------------------------// 3.5 将Kelvin转换为摄氏度//------------------------------------------------------------// Temperature(°C) Temperature(K) - 273.15vartemperatureCelsiustemperatureKelvin.subtract(273.15).rename(LST_C);//------------------------------------------------------------// 3.6 合并处理结果//------------------------------------------------------------// 使用缩放后的地表反射率覆盖原始SR波段varprocessedImageimage.addBands(opticalBands,null,true)// 使用缩放后的Kelvin温度覆盖原始ST_B6波段.addBands(temperatureKelvin,null,true)// 添加摄氏度温度波段.addBands(temperatureCelsius)// 应用云、云影和填充值掩膜.updateMask(qaMask)// 应用辐射饱和掩膜.updateMask(saturationMask)// 添加日期属性用于后续批量导出.set(date_string,ee.Date(image.get(system:time_start)).format(yyyy_MM_dd));returnprocessedImage;}//// 4. 筛选1990—1991年Landsat-5影像//varlandsat5Rawee.ImageCollection(LANDSAT/LT05/C02/T1_L2).filterBounds(roi).filterDate(START_DATE,END_DATE)// 只保留包含地表温度产品的影像// L2SR影像中的ST_B6波段全部被掩膜.filter(ee.Filter.eq(PROCESSING_LEVEL,L2SP))// 按照获取时间排序.sort(system:time_start);print(1990—1991年原始L2SP影像数量,landsat5Raw.size());print(原始Landsat-5影像集合,landsat5Raw);//// 5. 执行预处理//varlandsat5Processedlandsat5Raw.map(preprocessLandsat5);print(预处理后影像数量,landsat5Processed.size());print(预处理后的第一景影像,landsat5Processed.first());//// 6. 获取所有影像日期//// 获取日期属性varuniqueDateListee.List(landsat5Processed.aggregate_array(date_string)).distinct().sort();print(存在有效温度影像的日期,uniqueDateList);print(需要创建的导出任务数量,uniqueDateList.size());//// 7. 地图显示第一景处理后的地表温度//// 仅用于检查处理结果不参与导出varfirstProcessedImageee.Image(landsat5Processed.first());Map.addLayer(firstProcessedImage.select(LST_C).clip(roi),{min:-30,max:50,palette:[040274,225ea8,41b6c4,a1dab4,ffffcc,fed976,fd8d3c,e31a1c]},第一景LST摄氏度,false);//// 8. 按日期批量创建导出任务////// 如果同一天有多景影像覆盖ROI// 将同一天的影像拼接成一幅影像从而保证每天只生成一个文件。// 云和云影已经被掩膜mosaic会优先使用有效像元。//// 注意本代码创建Google Drive导出任务// 仍需在GEE右侧Tasks面板中启动任务。//uniqueDateList.evaluate(function(dateArray){// 检查是否存在符合条件的影像if(!dateArray||dateArray.length0){print(没有找到覆盖研究区且包含地表温度的Landsat-5影像。);return;}// 遍历所有有效日期dateArray.forEach(function(dateString){//----------------------------------------------------------// 8.1 筛选该日期的全部影像//----------------------------------------------------------vardailyCollectionlandsat5Processed.filter(ee.Filter.eq(date_string,dateString));//----------------------------------------------------------// 8.2 设置拼接优先级//----------------------------------------------------------// mosaic从集合末端影像开始赋予较高优先级。// 这里按照云量从高到低排序// 使云量较低的影像位于集合末端并优先使用。varorderedDailyCollectiondailyCollection.sort(CLOUD_COVER,false);//----------------------------------------------------------// 8.3 获取当天参考影像的原始投影//----------------------------------------------------------varreferenceImageee.Image(dailyCollection.sort(CLOUD_COVER).first()).select(OUTPUT_BAND);//----------------------------------------------------------// 8.4 同一天影像拼接//----------------------------------------------------------vardailyLSTorderedDailyCollection.select(OUTPUT_BAND).mosaic()// 为拼接结果设置Landsat原始投影.setDefaultProjection(referenceImage.projection())// 裁剪到研究区.clip(roi)// 统一输出波段名称.rename(OUTPUT_BAND);//----------------------------------------------------------// 8.5 设置无效值//----------------------------------------------------------varexportImagedailyLST.unmask({value:NO_DATA_VALUE,sameFootprint:false}).toFloat();//----------------------------------------------------------// 8.6 设置输出文件名//----------------------------------------------------------// 例如// Landsat_LST_1990-06-18.tifvarexportNameFILE_PREFIXdateString;//----------------------------------------------------------// 8.7 创建Google Drive导出任务//----------------------------------------------------------Export.image.toDrive({// 导出影像image:exportImage,// GEE任务名称description:exportName,// Google Drive文件夹folder:DRIVE_FOLDER,// 最终文件名称不需要手动添加.tiffileNamePrefix:exportName,// 研究区范围region:roi,// Landsat地表温度空间分辨率scale:EXPORT_SCALE,// 放宽最大像元数量限制maxPixels:1e13,// 输出格式fileFormat:GeoTIFF,// GeoTIFF参数formatOptions:{// 输出Cloud Optimized GeoTIFFcloudOptimized:true,// 指定无效值noData:NO_DATA_VALUE}});});print(导出任务已经创建请打开右侧Tasks面板启动任务。);});