用户可使用平台内置或自主上传的矢量文件,进行数据的检索(以 Sentine-2 L2A 为例),再进行数据筛选、拼接、裁剪等操作后,将数据导出至 我的数据 中。
import aie
aie.Authenticate()
aie.Initialize()
使用 FeatureCollection 引用平台内置或自主上传的矢量边界,定义检索数据的区域。利用 aie.Map 构造一个地图组件 Map 对象,通过 aie.Map.addLayer 用于地图可视化渲染不同图层。
region = aie.FeatureCollection('China_Province') \
.filter(aie.Filter.eq('province', '浙江省'))
map = aie.Map(
center=region.getCenter(),
height=800,
zoom=6
)
vis_params = {
'color': '#00FF00'
}
map.addLayer(
region,
vis_params,
'region',
bounds=region.getBounds()
)
map
定义函数 s2_collection ,实现按区域、时间、云量等条件的 Sentinel-2 数据检索,返回哨兵单景 s2 image 和进行镶嵌、裁剪后的 s2 mosaic image 。
def s2_collection(start_date, end_date):
s2 = aie.ImageCollection('SENTINEL_MSIL2A') \
.filterBounds(region) \
.filterDate(start_date, end_date) \
.filter('eo:cloud_cover<20')
mosaic_image = s2.median().clipToCollection(region)
return s2, mosaic_image
s2, s2_mosaic = s2_collection('2021-04-01', '2022-08-30')
对 S2 数据进行波段组合可视化,常用波段:真彩色 ['B4', 'B3', 'B2'] 、假彩色 ['B8', 'B4', 'B3'] 、假彩色 ['B12', 'B11', 'B4'] 等。
vis_params = {
'bands': ['B4', 'B3', 'B2'],
'min': 0,
'max': 3500
}
map.addLayer(
s2_mosaic,
vis_params,
'Ture color',
bounds=region.getBounds()
)
map
使用 Export.image.toAsset 将数据导出至我的数据中,可以通过 scale 参数指定导出的分辨率( 单位:米 )。
# 导出镶嵌影像
task = aie.Export.image.toAsset(s2_mosaic, 's2_mosaic', 200)
task.start()