基于 GEE 利用 Sentinel-2 数据反演叶绿素与冠层水分含量

@HNUSTer2025-03-13 20:34

目录

[1 数据加载与预处理](#1 数据加载与预处理)

[2 叶绿素含量反演](#2 叶绿素含量反演)

[3 冠层水分反演](#3 冠层水分反演)

[4 数据可视化与导出](#4 数据可视化与导出)

[5 完整代码](#5 完整代码)

[6 运行结果](#6 运行结果)

在生态学和环境科学领域，植被的健康状况是评估生态系统稳定性和功能的关键指标之一。而叶绿素含量和冠层水分含量作为反映植被生理状态的重要参数，一直是遥感监测的核心目标。接下来，将通过Google Earth Engine（GEE）平台，分享如何利用Sentinel-2卫星数据反演叶绿素含量和冠层水分含量，并通过代码实现这一过程。

1 数据加载与预处理

在进行生态参数反演之前，需要加载并预处理卫星数据。这里选择了Sentinel-2卫星的"COPERNICUS/S2_SR_HARMONIZED"数据集，它提供了高质量的地表反射率产品，具有10米至60米的空间分辨率，非常适合植被监测。

javascript 复制代码 
/******************** 数据加载与预处理 ********************/
var s2 = ee.ImageCollection("COPERNICUS/S2_SR_HARMONIZED")
    // 设置时间范围
    .filterDate('2023-01-01', '2023-11-30')
    // 限定研究区域
    .filterBounds(roi)
    // 筛选云量小于20%的影像
    .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20))
    // 波段名称标准化
    .map(function (img) {
        return img.rename([
            'B1', 'B2', 'B3', 'B4', 'B5', 'B6', 'B7',
            'B8', 'B8A', 'B9', 'B11', 'B12',
            'AOT', 'WVP', 'SCL', 'TCI_R', 'TCI_G', 'TCI_B',
            'MSK_CLDPRB', 'MSK_SNWPRB', 'QA10', 'QA20', 'QA60',
            'MSK_CLASSI_OPAQUE', 'MSK_CLASSI_CIRRUS', 'MSK_CLASSI_SNOW_ICE'
        ]);
    })
    // 计算中值合成影像
    .median()
    // 裁剪至研究区域
    .clip(roi);

关键步骤解析：

  1. 时间范围筛选 ：通过filterDate方法，选择了2023年1月1日至11月30日的数据。您可以根据研究需求调整时间范围。

  2. 云量筛选 ：通过filter方法结合ee.Filter.lt，剔除了云量超过20%的影像，以减少云层对分析结果的干扰。

  3. 波段名称标准化：Sentinel-2数据的波段名称通常以"B04"、"B05"等形式出现。为了方便后续计算，将波段名称统一更正为"B4"、"B5"等。

  4. 中值合成 ：通过median方法，计算了中值合成影像，以减少噪声和异常值的影响。

  5. 裁剪至研究区域 ：使用clip方法将影像裁剪至感兴趣区域（roi），确保分析的精确性。

云掩膜处理：

云层是遥感影像中常见的干扰因素，它会掩盖地表的真实信息。Sentinel-2数据提供了"SCL"（Scene Classification Layer）波段，用于地表分类。其中，值为3的像素表示云中像素，值为8的像素表示云影，值为9的像素表示薄云。可以通过以下代码构建云掩膜：

javascript 复制代码 
// 云掩膜（基于SCL分类波段）
var cloudMask = s2.select('SCL').neq(3) // 排除云中像素
    .and(s2.select('SCL').neq(8))      // 排除云影
    .and(s2.select('SCL').neq(9));     // 排除薄云

var s2Clean = s2.updateMask(cloudMask); // 应用云掩膜

通过neq和and操作符，构建了一个无云的掩膜，并将其应用到中值合成影像上，得到了干净无云的影像数据（s2Clean）。

2 叶绿素含量反演

叶绿素是植物进行光合作用的核心色素，其含量直接反映了植物的生长状况和健康水平。在遥感领域，叶绿素含量可以通过植被反射光谱的特定波段计算得到，采用以下公式进行叶绿素含量反演：

其中：

  • B8A：865nm波段（近红外增强植被反射）

  • B5：705nm波段

  • B4：665nm波段

公式 3.2 * (B8A - B5)/(B8A + B5 + 0.15) * sqrt(B8A/B4) 是多个经典指数的合成优化，其中系数可以通过地面实测数据校准获得，这里取3.2。

javascript 复制代码 
/******************** 叶绿素含量反演 ********************/
var Cab = s2Clean.expression(
    '3.2 * (B8A - B5) / (B8A + B5 + 0.15) * sqrt(B8A/B4)',
    {
        'B8A': s2Clean.select('B8A'),
        'B5': s2Clean.select('B5'),
        'B4': s2Clean.select('B4')
    }
).rename('Chlorophyll');

通过expression方法，将公式嵌入代码中，并将结果命名为"Chlorophyll"（叶绿素含量）。

3 冠层水分反演

冠层水分含量是植被生理状态的重要指标之一，它反映了植被在水分胁迫下的适应能力和健康状况。采用以下公式进行冠层水分反演：

javascript 复制代码 
/******************** 冠层水分反演 ********************/
var Cw = s2Clean.expression(
    '(B11 - B12)/(B11 + B12 + 0.03) * log(B8A)',
    {
        'B11': s2Clean.select('B11'),
        'B12': s2Clean.select('B12'),
        'B8A': s2Clean.select('B8A')
    }
).rename('CanopyWater');

通过expression方法，我们将公式嵌入代码中，并将结果命名为"CanopyWater"（冠层水分含量）。

4 数据可视化与导出

完成生态参数反演后，需要将结果可视化并导出。在GEE中，通过Map.addLayer方法将结果添加到地图上，并通过设置合适的可视化参数（如最小值、最大值和调色板），使结果更加直观易懂。

javascript 复制代码 
/******************** 可视化与导出 ********************/
var visCab = {
    min: 0,
    max: 6,
    palette: ['#FFFFCC', '#A1DAB4', '#41B6C4', '#225EA8', '#081D58']
};
var visCw = {
    min: -0.2,
    max: 0.7,
    palette: ['#0000FF', '#00FFFF', '#FFFF00', '#FF0000']
};

Map.addLayer(Cab, visCab, '叶绿素含量（μg/cm²）');
Map.addLayer(Cw, visCw, '冠层水分指数');

// 分项导出设置
Export.image.toDrive({
    image: Cab,
    description: 'Cab_20m_S2_2023Summer',
    folder: 'Sentinel2_EcoParams',
    region: roi,
    scale: 20,
    maxPixels: 1e13
});
Export.image.toDrive({
    image: Cw,
    description: 'Cw_20m_S2_2023Summer',
    folder: 'Sentinel2_EcoParams',
    region: roi,
    scale: 20,
    maxPixels: 1e13
});

关键步骤解析：

  1. 可视化参数设置 ：通过min、max和palette参数，为叶绿素含量和冠层水分含量设置了合适的可视化范围和颜色渐变。

  2. 导出设置 ：通过Export.image.toDrive方法，将反演结果导出至Google Drive。导出的图像分辨率为20米，与Sentinel-2影像的空间分辨率相匹配。

5 完整代码

javascript 复制代码 
Map.centerObject(roi,7)
var styling = {color:"red",fillColor:"00000000"};
Map.addLayer(roi.style(styling),{},"geometry")

/******************** 数据加载与预处理 ********************/
var s2 = ee.ImageCollection("COPERNICUS/S2_SR_HARMONIZED")
    .filterDate('2023-01-01', '2023-11-30') // 需修改日期可调整此处
    .filterBounds(roi)
    .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20))
    .map(function (img) {
        // 波段名称标准化（用户数据实际波段名）
        return img.rename([
            'B1', 'B2', 'B3', 'B4', 'B5', 'B6', 'B7',
            'B8', 'B8A', 'B9', 'B11', 'B12', // 关键修正点：B04→B4，B05→B5
            'AOT', 'WVP', 'SCL', 'TCI_R', 'TCI_G', 'TCI_B',
            'MSK_CLDPRB', 'MSK_SNWPRB', 'QA10', 'QA20', 'QA60',
            'MSK_CLASSI_OPAQUE', 'MSK_CLASSI_CIRRUS', 'MSK_CLASSI_SNOW_ICE'
        ]);
    })
    .median()
    .clip(roi);

// 云掩膜（基于SCL分类波段）
var cloudMask = s2.select('SCL').neq(3) // 3=云中像素
    .and(s2.select('SCL').neq(8)) // 8=云影
    .and(s2.select('SCL').neq(9)); // 9=薄云

var s2Clean = s2.updateMask(cloudMask);

/******************** 叶绿素含量反演 ********************/
var Cab = s2Clean.expression(
    '3.2 * (B8A - B5) / (B8A + B5 + 0.15) * sqrt(B8A/B4)',
    {
        'B8A': s2Clean.select('B8A'), // 865nm（原B8A）
        'B5': s2Clean.select('B5'), // 705nm（原B05）
        'B4': s2Clean.select('B4') // 665nm（原B04）
    }
).rename('Chlorophyll');

/******************** 冠层水分反演 ********************/
var Cw = s2Clean.expression(
    '(B11 - B12)/(B11 + B12 + 0.03) * log(B8A)',
    {
        'B11': s2Clean.select('B11'), // 1610nm
        'B12': s2Clean.select('B12'), // 2190nm
        'B8A': s2Clean.select('B8A') // 近红外增强植被反射
    }
).rename('CanopyWater');

/******************** 可视化与导出 ********************/
var visCab = {
    min: 0,
    max: 6,
    palette: ['#FFFFCC', '#A1DAB4', '#41B6C4', '#225EA8', '#081D58']
};
var visCw = {
    min: -0.2,
    max: 0.7,
    palette: ['#0000FF', '#00FFFF', '#FFFF00', '#FF0000']
};

Map.addLayer(Cab, visCab, '叶绿素含量（μg/cm²）');
Map.addLayer(Cw, visCw, '冠层水分指数');

// 分项导出设置
Export.image.toDrive({
    image: Cab,
    description: 'Cab_20m_S2_2023Summer',
    folder: 'Sentinel2_EcoParams',
    region: roi,
    scale: 20,
    maxPixels: 1e13
});

Export.image.toDrive({
    image: Cw,
    description: 'Cw_20m_S2_2023Summer',
    folder: 'Sentinel2_EcoParams',
    region: roi,
    scale: 20,
    maxPixels: 1e13
});

6 运行结果

点击RUN即可下载数据
叶绿素含量反演结果可视化
冠层水分反演结果可视化

相关推荐
Smoothcloud润云2 小时前
国内GPU算力租赁平台横向测评：资源、成本、稳定性三维对比
人工智能·ai·云计算·gpu算力·gpu
故乡de云9 小时前
AWS 绑卡失败排查全流程：预授权、3D Secure 与账单信息不一致的完整定位方法
云计算·aws
行业研究员10 小时前
AI原生的商城智能经营平台合作商推荐：腾讯云Mall
云计算·腾讯云·ai-native
故乡de云11 小时前
AWS 更换信用卡完整教程：绑定新卡、切换默认支付方式与扣款失败排查
云计算·aws
酷可达拉斯12 小时前
Linux操作系统-shell编程(0)
linux·运维·服务器·python·云计算
AI小译13 小时前
ShareGPT 数据集格式
数据集·sharegpt
国科安芯13 小时前
空间机电一体化：AS32S601型抗辐射MCU在卫星推进与执行机构控制中的关键技术研究
单片机·嵌入式硬件·物联网·机器人·云计算
前网易架构师-高司机1 天前
带标注的移动通信基站信号塔，可识别塔架和塔身数据集，识别率93.5%，1008张图，支持yolo，coco json，voc xml,文末有模型训练代码
yolo·数据集·通信基站·信号塔·塔架·塔身
玩转4G物联网1 天前
FS800DTU 新品上线｜免费使用 DMP 设备管理平台，支持远程批量配置 & OTA 升级
物联网·网络协议·tcp/ip·云平台·核心板·fs800dtu·iot管理平台
Qianyunzhiyun2 天前
AWS根用户MFA怎么设置？新账号安全教程
安全·云计算·aws
热门推荐
012026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片02GitHub 镜像站点03如何新建文件夹？ 电脑新建文件夹的4种方法04AI科技热点日报 | 2026年07月01日05幻兽帕鲁 - 服务器管理员权限与 GM 命令完全指南06国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）072026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？08AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路092026 年 AI 大模型 & AI 编程工具实战全总结10Kimi K3 真实体验：全网评价整理，优缺点一次性说清楚