geemap学习笔记023:利用点矢量文件从Earth Engine图像中提取像素值

前言

遥感数据中通常需要根据点矢量文件来提取点对应位置的像素值,包括DEM、波段值等。

1 导入库并显示地图

python 复制代码
import ee
import geemap
import os

ee.Initialize()
Map = geemap.Map()
Map

2 添加并显示数据

python 复制代码
# 添加Earth Engine数据集
dem = ee.Image('USGS/SRTMGL1_003')
landsat7 = ee.Image('LANDSAT/LE7_TOA_5YEAR/1999_2003')

# 设置可视化参数
vis_params = {
    'min': 0,
    'max': 4000,
    'palette': ['006633', 'E5FFCC', '662A00', 'D8D8D8', 'F5F5F5'],
}

# 在Map上添加Earth Engine图层
Map.addLayer(
    landsat7, {'bands': ['B4', 'B3', 'B2'], 'min': 20, 'max': 200}, 'Landsat 7'
)
Map.addLayer(dem, vis_params, 'SRTM DEM', True, 1)

3 下载数据

python 复制代码
work_dir = os.path.expanduser('~/Downloads') #下载示例数据
in_shp = os.path.join(work_dir, 'us_cities.shp')
if not os.path.exists(in_shp):
    data_url = 'https://github.com/giswqs/data/raw/main/us/us_cities.zip'
    geemap.download_from_url(data_url, out_dir=work_dir)

in_fc = geemap.shp_to_ee(in_shp) #将下载的shp文件转为Earth Engine格式
Map.addLayer(in_fc, {}, 'Cities')

4 导出像素值为shp或者csv格式

python 复制代码
out_shp = os.path.join(work_dir, 'dem.shp') #导出为shp
geemap.extract_values_to_points(in_fc, dem, out_shp)

out_csv = os.path.join(work_dir, 'landsat.csv') #导出为csv
geemap.extract_values_to_points(in_fc, landsat7, out_csv)

结果展示

后记

大家如果有问题需要交流或者有项目需要合作,可以加Q Q :504156006详聊,加好友请留言"CSDN",谢谢。

相关推荐
青山是哪个青山17 小时前
LangChain 学习笔记(四):Message 与提示词模板
笔记·学习·langchain
hsjiasb18 小时前
FreeRTOS学习(二十六)——动态内存管理heap_1到heap_5
stm32·单片机·学习·学习笔记·freertos
崇子嵘19 小时前
基于zynqMP15eg的linux驱动学习
学习
知识分享小能手21 小时前
线性代数学习教程,从入门到精通,向量组的线性相关性 — 完整知识点梳理(7)
学习·线性代数·机器学习
Shell运维手记21 小时前
Linux 常用基础命令学习笔记
linux·运维·笔记·学习·算法·github
FakeOccupational21 小时前
【电路笔记 STM32】Cortex-M7 内核上的数据缓存(D-Cache)结构+MPU+DMA&Cache+STM32CubeMX配置
笔记·stm32·缓存
动词ing1 天前
【学习笔记】C语言(数组指针与指针数组+字符数组+函数+参数传递+字符串作为形参+递归函数+指针函数+回调函数+结构体嵌套+内存动态分配函数)
c语言·笔记·学习
z落落1 天前
C# Modbus-ASCII 超详细完整笔记(协议原理+LRC算法+读写源码全拆解)
笔记
小O的算法实验室1 天前
IEEE TII,学习为多目标深度学习生成偏好
人工智能·深度学习·学习
吃好睡好便好1 天前
说说高温对情绪的影响
学习·生活·情绪·高温