基于 GEE 的 Landsat C02 Level-2 数据集实现黄河入海口变化监测：支持年度影像切换与动态监测结果下载的完整解决方案

目录

一、核心组件与整体结构

二、基础配置模块

（一）研究区域定义

（二）数据集路径配置

（三）波段映射配置

三、工具类封装模块

[（一）Landsat4、5、7 工具类](#（一）Landsat4、5、7 工具类)

[（二）Landsat8 工具类](#（二）Landsat8 工具类)

四、核心功能函数模块

（一）年度影像合成函数

（二）交互面板创建函数

（三）影像渲染函数

五、主函数模块

六、关键技术亮点与注意事项

七、代码应用场景

八、运行结果

---

若觉得代码对您的研究 / 项目有帮助，欢迎点击打赏支持！需要完整代码的朋友，打赏后可在后台私信（复制文章标题发给我），我会尽快发您完整可运行代码，感谢支持！

本代码基于 Google Earth Engine（GEE）平台，利用 Landsat 4/5/7/8 卫星的 C02 Level-2 数据集，实现 1986-2018 年黄河入海口区域（指定经纬度范围）的遥感影像时序分析。核心功能包括：数据集适配与预处理、年度影像合成、交互式影像切换查看、时序缩略图生成及视频下载，最终用于直观呈现黄河入海口的时空变化特征。

一、核心组件与整体结构

代码整体分为 6 大核心模块，逻辑上遵循 "数据定义→工具封装→数据处理→交互可视化→结果输出" 的流程，具体结构如下：

• 基础配置（区域、数据集、波段映射）
• 工具类封装（Landsat 4/5/7 和 Landsat 8 的预处理方法）
• 核心功能函数（年度影像合成、交互面板创建、影像渲染）
• 主函数（流程串联与执行）
• 可视化与输出（时序缩略图、视频下载）

二、基础配置模块

（一）研究区域定义

通过ee.Geometry.Polygon指定黄河入海口的经纬度范围，形成矩形研究区域（roi），作为后续影像裁剪的边界。核心代码逻辑：

var geometry = 
    ee.Geometry.Polygon(
        [[[118.75882336794976, 37.964177296096345],
          [118.75882336794976, 37.57990360187486],
          [119.38916394412163, 37.57990360187486],
          [119.38916394412163, 37.964177296096345]]], null, false);
var roi = geometry;
var styling = {color:"gray",fillColor:"#00000000"};
Map.addLayer(roi, styling, "geometry")

参数说明： 前 4 个元素为矩形区域的 4 个顶点经纬度，null表示不指定投影（使用默认投影），false表示区域为逆时针方向。

（二）数据集路径配置

适配 Landsat C02 Level-2 数据集的统一路径格式（T1_L2为 Level-2 产品标识），分别加载 Landsat 4/5/7/8 的数据集：

var l8_sr = ee.ImageCollection("LANDSAT/LC08/C02/T1_L2"); // Landsat 8
var l7_sr = ee.ImageCollection("LANDSAT/LE07/C02/T1_L2"); // Landsat 7
var l5_sr = ee.ImageCollection("LANDSAT/LT05/C02/T1_L2"); // Landsat 5
var l4_sr = ee.ImageCollection("LANDSAT/LT04/C02/T1_L2"); // Landsat 4

数据集说明： C02为 Landsat Collection 2（第二代数据集），T1_L2表示经过大气校正的 Level-2 表面反射率（SR）产品，精度高于 Level-1。

（三）波段映射配置

由于不同 Landsat 卫星的蓝、绿、红波段编号不同，需统一波段名称以便后续处理：

var l457BandNames = ["SR_B1","SR_B2","SR_B3"];  // L4/5/7的蓝、绿、红波段（SR子波段）
var l8BandNames = ["SR_B2","SR_B3","SR_B4"];    // L8的蓝、绿、红波段（SR子波段）
var bandNames = ['blue','green','red']; // 统一重命名后的波段名

关键说明： Landsat 8 调整了波段设计，蓝波段从SR_B1改为SR_B2，因此需单独映射，最终均重命名为blue（蓝）、green（绿）、red（红），保证后续处理一致性。

三、工具类封装模块

针对 Landsat 4/5/7 和 Landsat 8 的数据集特性，分别封装Landsat457和Landsat8工具类，包含缩放系数校正 和云掩膜两个核心预处理方法，以及数据集获取方法。

（一）Landsat4、5、7 工具类

var Landsat457 = {
  // 1. 缩放系数校正：将DN值转换为实际反射率
  scaleImage: function(image) {
    var time_start = image.get("system:time_start"); // 保留原始时间戳
    image = image.select(l457BandNames)
                 .multiply(0.0000275) // 缩放系数（C02 Level-2标准系数）
                 .subtract(0.2);      // 偏移量（消除系统误差）
    image = image.set("system:time_start", time_start);
    return image;
  },
  
  // 2. 云掩膜：基于QA_PIXEL波段的位掩码去除云及云阴影
  srCloudMask: function(image) {
    var qa = image.select('QA_PIXEL'); // 质量控制波段
    var cloudShadowBitMask = 1 << 3;   // 云阴影的位掩码（第3位为1表示云阴影）
    var cloudsBitMask = 1 << 5;        // 云的位掩码（第5位为1表示云）
    // 生成掩码：云和云阴影区域设为0（不显示），其他区域设为1（显示）
    var mask = qa.bitwiseAnd(cloudsBitMask).eq(0)
                 .and(qa.bitwiseAnd(cloudShadowBitMask).eq(0));
    return image.updateMask(mask);
  },
  
  // 3. 数据集获取：筛选时间、区域，应用预处理，重命名波段
  getL4SRCollection : function(startDate, endDate, roi) {
    var dataset = l4_sr.filterDate(startDate, endDate)
                       .filterBounds(roi)
                       .map(Landsat457.srCloudMask) // 去云
                       .map(Landsat457.scaleImage) // 反射率校正
                       .select(l457BandNames, bandNames); // 波段重命名
    return dataset;
  },
  // getL5SRCollection、getL7SRCollection方法逻辑与getL4SRCollection一致，仅对应数据集不同
};

（二）Landsat8 工具类

与Landsat457结构一致，差异仅在于波段选择 （使用l8BandNames），缩放系数和云掩膜逻辑与 C02 Level-2 产品标准保持一致：

var Landsat8 = {
  scaleImage: function(image) {
    var time_start = image.get("system:time_start");
    image = image.select(l8BandNames) // 选择L8的蓝、绿、红波段
                 .multiply(0.0000275)
                 .subtract(0.2);
    image = image.set("system:time_start", time_start);
    return image;
  },
  srCloudMask: function(image) { /* 与Landsat457的云掩膜逻辑完全一致 */ },
  getL8SRCollection : function(startDate, endDate, roi) {
    var dataset = l8_sr.filterDate(startDate, endDate)
                       .filterBounds(roi)
                       .map(Landsat8.srCloudMask)
                       .map(Landsat8.scaleImage)
                       .select(l8BandNames, bandNames);
    return dataset;
  }
};

四、核心功能函数模块

（一）年度影像合成函数

将长时间序列的影像按年份分组，对每一年的影像取中位数（降低云、大气等噪声影响），生成年度合成影像集：

function getYearCol(sDate, eDate, lxCol) {
  // 生成起始年份到结束年份前一年的年份列表（如1986-2019生成1986-2018）
  var yearList = ee.List.sequence(ee.Date(sDate).get("year"), ee.Number(ee.Date(eDate).get("year")).subtract(1));
  // 遍历年份列表，生成年度合成影像
  var yearImgList = yearList.map(function(year) {
    year = ee.Number(year);
    var _sdate = ee.Date.fromYMD(year, 1, 1); // 当年1月1日
    var _edate = ee.Date.fromYMD(year.add(1), 1, 1); // 下一年1月1日（左闭右开）
    
    var tempCol = lxCol.filterDate(_sdate, _edate); // 筛选当年影像
    var img = tempCol.median().clip(roi); // 取中位数合成，裁剪到研究区域
    img = img.set("year", year); // 添加年份属性
    img = img.set("system:index", ee.String(year.toInt())); // 索引设为年份（便于交互）
    return img;
  });
  
  var yearImgCol = ee.ImageCollection.fromImages(yearImgList); // 转换为影像集
  return yearImgCol;
}

关键逻辑： 中位数合成能有效抑制单张影像的噪声（如局部云、大气散射），更真实反映年度地表状况；clip(roi)确保影像仅保留研究区域。

（二）交互面板创建函数

创建 UI 交互面板，支持通过 "+""-" 按钮切换不同年份的影像，显示当前年份和影像 ID：

function addPanel(sCol) {
  // 获取影像集的索引列表（即年份列表）
  var id_list = sCol.reduceColumns(ee.Reducer.toList(), ['system:index'])
                    .get('list');
  // 在客户端解析索引列表（GEE中需通过evaluate将服务器端数据转为客户端数据）
  id_list.evaluate(function(ids) {
    if (!ids || ids.length === 0) { // 空值判断：无影像时提示错误
      ui.Label('无可用影像，请检查时间范围或区域').style({color: 'red'});
      return;
    }
    var total = ids.length;
    var showTitle = ui.Label("", {fontWeight: 'bold'}); // 显示当前年份的标签
    var curIndex = 0; // 当前选中的索引
    
    // "+"按钮：切换到下一年（循环）
    var bPlus = ui.Button("+", function() {
      curIndex = (curIndex + 1) % total;
      showTitle.setValue(ids[curIndex]);
      showSelectRawImage(sCol, ids[curIndex]); // 渲染选中年份的影像
    });
    
    // "-"按钮：切换到上一年（循环）
    var bReduce = ui.Button("-", function() {
      curIndex = (curIndex - 1 + total) % total;
      showTitle.setValue(ids[curIndex]);
      showSelectRawImage(sCol, ids[curIndex]);
    });
    
    // 初始化：显示第一个年份的影像
    showTitle.setValue(ids[curIndex]);
    showSelectRawImage(sCol, ids[curIndex]);
    
    // 构建UI面板：包含提示文字、按钮、当前年份标签
    var main = ui.Panel({
      widgets: [
        ui.Label('点击"+"或"-"切换年份', {fontWeight: 'bold'}),
        bPlus, bReduce,
        ui.Label("当前年份: ", {fontWeight: 'bold'}),
        showTitle
      ],
      style: {width: '200px', padding: '8px'}
    });
    ui.root.insert(0, main); // 将面板添加到GEE界面顶部
  });
}

关键说明： evaluate方法是 GEE 中客户端与服务器端数据交互的核心，由于影像集索引存储在服务器端，需通过该方法转为客户端可操作的列表；按钮点击事件通过修改curIndex实现年份循环切换。

（三）影像渲染函数

根据选中的年份，在地图上渲染对应的年度合成影像，并移除上一次渲染的影像（避免重叠）：

function showSelectRawImage(sCol, key) {
  print("当前影像ID: " + key); // 在控制台打印当前影像ID（年份）
  if (rawLayer !== null) { // 移除上一次渲染的影像
    Map.remove(rawLayer);
    rawLayer = null;
  }
  // 影像可视化参数：反射率范围0-0.3，RGB波段对应red、green、blue
  var visParam = {
    min: 0, 
    max: 0.3,
    bands: ["red", "green", "blue"]
  };
  // 筛选选中年份的影像，应用可视化参数并添加到地图
  var image = ee.Image(sCol.filter(ee.Filter.eq("system:index", key)).first());
  rawLayer = Map.addLayer(image, visParam, key);
}

可视化逻辑： Landsat 表面反射率的合理范围通常为 0-0.3，设置min和max可增强影像对比度，使地表特征（如陆地、水体、植被）更清晰；bands参数指定 RGB 通道对应的波段，生成真彩色影像。

五、主函数模块

串联所有模块，执行完整流程：初始化地图、加载并合并数据集、生成年度合成影像、创建交互面板、输出时序结果：

function main() {
  Map.centerObject(roi, 8); // 地图中心定位到研究区域，缩放级别8
  var sDate = "1986-1-1"; // 起始时间
  var eDate = "2019-1-1"; // 结束时间（左闭右开，实际处理到2018年）
  
  // 1. 获取各传感器的预处理后数据集
  var l4Col = Landsat457.getL4SRCollection(sDate, eDate, roi);
  var l5Col = Landsat457.getL5SRCollection(sDate, eDate, roi);
  var l7Col = Landsat457.getL7SRCollection(sDate, eDate, roi);
  var l8Col = Landsat8.getL8SRCollection(sDate, eDate, roi);
  
  // 2. 合并所有数据集（L8→L7→L5→L4的顺序，不影响最终结果）
  var lxCol = l8Col.merge(l7Col).merge(l5Col).merge(l4Col);
  print("总影像数量：", lxCol.size()); // 控制台输出原始影像总数
  
  // 3. 生成年度合成影像集
  var imgCol = getYearCol(sDate, eDate, lxCol);
  print("年度合成影像集：", imgCol); // 控制台输出年度影像集信息
  
  // 4. 添加交互面板
  addPanel(imgCol);
  
  // 5. 生成时序缩略图和视频下载URL
  var params = {
    crs: 'EPSG:3857', // Web墨卡托投影（适配GEE地图显示）
    framesPerSecond: 2, // 视频帧率（2帧/秒）
    region: roi, // 视频区域（研究区域）
    min: 0.0, 
    max: 0.3,
    bands: ["red", "green", "blue"],
    dimensions: 512, // 视频分辨率（512x512像素）
  };
  print("时序缩略图：", ui.Thumbnail(imgCol, params)); // 显示时序缩略图
  print("视频下载URL：", imgCol.getVideoThumbURL(params)); // 输出视频下载链接
}

main(); // 执行主函数

六、关键技术亮点与注意事项

技术亮点：

• 数据集适配性：针对 Landsat C02 Level-2 数据集的波段结构和预处理要求，优化了缩放系数、云掩膜和波段映射，解决了不同传感器的数据一致性问题。
• 噪声抑制：通过 "云掩膜 + 年度中位数合成" 双重处理，有效降低云、大气等噪声对地表观测的影响，提升数据质量。
• 交互体验：提供可视化 UI 面板，支持年份快速切换，便于直观对比不同时期黄河入海口的变化。
• 结果多元化：同时输出单年度影像、时序缩略图和视频，满足不同场景的分析需求（如静态对比、动态演示）。

注意事项：

• 数据可用性：若某一年份无符合条件的影像（如全年多云），年度合成影像可能为空，需通过控制台提示检查时间范围或研究区域。
• 投影与分辨率 ：代码使用EPSG:3857投影（适配 Web 地图），Landsat 影像原始分辨率为 30 米，最终输出的视频和缩略图分辨率为 512x512 像素（按比例压缩）。
• 性能优化 ：合并多传感器数据集时，若时间范围过长（如超过 30 年），可能导致 GEE 计算延迟，建议根据实际需求调整sDate和eDate。
• 下载限制：视频下载 URL 的有效期有限，需在生成后及时下载；若影像数量过多，视频生成可能失败，可减少年份范围后重试。

七、代码应用场景

该代码主要用于黄河入海口的时空变化监测，具体应用包括：

• **海岸线变迁分析：**通过不同年份的影像对比，观察黄河入海口陆地面积的增减（如泥沙淤积导致的岸线推进）。
• **土地覆盖变化：**识别植被、水体、裸地等土地类型的分布变化，分析生态环境演变。
• **动态演示：**通过生成的视频，直观展示 1986-2018 年黄河入海口的整体变化趋势，为科研、教学或政策制定提供数据支撑。

八、运行结果

黄河入海口1986年监测影像
黄河入海口1996年监测影像
黄河入海口2006年监测影像
黄河入海口2016年监测影像
控制台输出的执行结果信息
基于 GEE 的 Landsat C02 Level-2 数据集实现黄河入海口变化监测结果

根据研究需要替换研究区位置即可监测不同地区的变化情况，如下图所示：
基于 GEE 的 Landsat C02 Level-2 数据集实现长江入海口变化监测结果
基于 GEE 的 Landsat C02 Level-2 数据集实现杭州湾钱塘江变化监测结果
基于 GEE 的 Landsat C02 Level-2 数据集实现鄱阳湖变化监测结果
基于 GEE 的 Landsat C02 Level-2 数据集实现太湖变化监测结果

若觉得代码对您的研究 / 项目有帮助，欢迎点击打赏支持！需要完整代码的朋友，打赏后可在后台私信（复制文章标题发给我），我会尽快发您完整可运行代码，感谢支持！