GEE/PIE遥感大数据处理与应用

随着航空、航天、近地空间等多个遥感平台的不断发展，近年来遥感技术突飞猛进。由此，遥感数据的空间、时间、光谱分辨率不断提高，数据量也大幅增长，使其越来越具有大数据特征。对于相关研究而言，遥感大数据的出现为其提供了前所未有的机遇，但同时也提出了巨大的挑战。传统的工作站和服务器已经无法满足大区域、多尺度海量遥感数据处理的需要。

为解决这一问题，国内外涌现了许多全球尺度地球科学数据（尤其是卫星遥感数据）在线可视化计算和分析云平台如谷歌Earth Engine（GEE）和航天宏图的PIE Engine等。其中，Earth Engine最为强大，能够存取和同步遥感领域目前常用的MODIS、Landsat和Sentinel等卫星图像和NCEP等气象再分析数据集，同时依托全球上百万台超级服务器，提供足够的运算能力对这些数据进行处理。目前，Earth Engine上包含超过900个公共数据集，每月新增约2 PB数据，总容量超过80PB。作为国内最先进的遥感云平台，PIE Engine近年来发展发非常迅速，拥有丰富的国产卫星数据，以及中国区域的其它重要开源数据，在数据安全性和访问便利性方面具有独到的优势。与传统的处理影像工具（例如ENVI）相比，遥感云平台一方面提供了丰富的计算资源；另一方面，其巨大的云存储能力节省了科研人员大量的数据下载和预处理时间。

一、初识GEE和PIE遥感云平台

1. GEE和PIE平台及典型应用案例介绍

2. JavaScript基础，包括变量，运算符，数组，判断及循环语句等

3. 遥感云重要概念与典型数据分析流程

4. 遥感云基本对象及平台上手

· 影像与影像集

· 几何体、要素与要素集

· 日期、字符、数字

· 数组、列表、字典

· 影像/影像集、要素/要素集数据查询、时空过滤、可视化、属性查看等

主要对象最常用API介绍

二、GEE和PIE影像大数据处理基础

1. . 关键知识点

· 影像数学运算、关系/条件/布尔运算、形态滤波、纹理特征提取等

· 影像掩码，裁剪和镶嵌

· 集合对象的循环迭代（map/iterate）

· 集合对象联合（Join）

· 影像面向对象分析

2. 2. 主要功能

· Landsat/Sentinel-2影像批量去云

· Landsat/Sentinel-2传感器归一化、植被指数计算等

时间序列光学影像的平滑与空间插值

三、数据整合Reduce

1. 关键知识点

· 影像与影像集整合，如指定时窗的年度影像合成

· 影像区域统计与领域统计，分类后处理

· 要素集属性列统计

· 栅格与矢量的相互转换

· 分组整合与区域统计

· 影像集、影像和要素集的线性回归分析

2. 主要功能

· 研究区可用Landsat影像的数量和无云观测数量的统计分析

· 中国区域年度NDVI植被数合成及年度最绿的DOY时间查找

· 国家尺度30年尺度的降雨量时空变化趋势分析

四、云端数据可视化

1. 关键知识点

· 要素与要素集属性制图（条形图、直方图、堆积柱形图、散点图等）

· 影像制图（区域统计、分类图、直方图、散点图、线型图，饼图等）

· 影像集制图（样点时间序列图、区域统计时间序列图等）

· 数组与链表制图（散点图、样线图等）

· 图形风格和属性设置

2. 主要功能

· 基于MODIS时间序列影像的不同地表植被物候分析与制图

·基于Hansen产品的年度森林时空变化分析与专题图绘制

五、数据导入导出及资产管理

1. 关键知识点

· 不同矢量数据上传个人资产

· 影像数据上传个人资产、属性设置等

· 影像批量导出（Asset和Driver）

· 矢量数据导出（Asset和Driver）

· 空间统计分析结果导出

2. 主要功能

· PIE平台国产卫星数据下载

· 影像合成批量导出及下载

· 地面样地对应遥感指标数据导出

六、机器学习算法

1. 关键知识点

· 样本抽样（随机抽样、分层随机抽样）

· 监督分类算法（随机森林、CART、贝叶斯、SVM、决策树等）

· 非监督分类算法（wekaKMeans、wekaLVQ等）

· 分类精度评估

2. 主要功能

· 联合光学与雷达时间序列影像的森林动态监测

· 水体自动提取与洪涝监测

七、案例

1. GEE土地利用分类综合案例，实现主要功能串讲，包括地面样本准备、多源遥感影像预处理、算法开发、分类后处理、精度评估和空间统计分析与制图等环节

2. 经典PIE案例代码

· 夜间灯光指数提取

· 长时间尺度植被覆盖度反演

· 水域动态监测

· 农作物种植面积提取

· 荒漠化程度提取

3. 人口密度动态变化分析

GEE与PIE平台切换、代码优化、常见错误与调试总结

阅读全文点击《GEE/PIE遥感大数据处理与应用》