GEE_API Docs_Guides_Specialized Algorithms专门的算法

一.Landsat Algorithms算法

1.Landsat collection structure数据集结构

USGS为每颗卫星生成3tiers (categories) 层（类别）数据：

• tiers1（T1）-Data that meets geometric and radiometric quality requirements符合几何和辐射质量要求的数据
• tiers2（T2）- Data that doesn’t meet the Tier 1 requirements不符合第1层要求的数据
• Real Time实时（RT）-Data that hasn’t yet been evaluated (it takes as much as a month).尚未评估的数据（最多需要一个月的时间）

有关更多信息，请参见关于数据集1的“层“”（Collection 1 Tiers）的 USGS文档。链接：https://www.usgs.gov/land-resources/nli/landsat/landsat-collection-1?qt-science_support_page_related_con=1#qt-science_support_page_related_con
摘自上面链接中内容：
Landsat Collection 1由Level-1数据产品组成。
Level-1 data products由Landsat 8可操作性陆地成像仪和热红外传感器（Landsat 8 Operational Land Imager (OLI)/Thermal Infrared Sensor (TIRS)），Landsat 7增强型专题制图仪Plus（Enhanced Thematic Mapper Plus (ETM+)），Landsat 4-5专题制图仪（Thematic Mapper (TM)*），Landsat 1-5多光谱扫描仪（Landsat 1-5 Multispectral Scanner (MSS) ）等5种仪器生成。

为了允许一起访问经过验证的T1数据和最新的实时数据RT，我们按层和卫星将scene分组到不同集合中。Landsat 8的示例如下：

每天将新获取的scenes添加到T1_RT collection中。一旦RT scene被重新处理并归类为T1或T2，它将被从T1_RT collection中删除，新版本（处理后的版本）将添加到适当的collection(s)中。如果您的工作对删除或潜在的错误注册（removals or potentially mis-registered ）scenes很敏感，那么您可能希望坚持使用T1 collection，但是一般来说，在新获得的scene中，错误注册(misregistration)大到足以引起注意的情况是非常罕见的。

上面的每个collections都包含 raw data（原始数据—标度的,传感器辐射度——scaled, at-sensor radiance)。此外，对于包含T1或T2图像的每个collection，都提供了TOA(top-of-atmosphere reflectance大气顶部反射率)和SR(surface reflectance表面反射率)产品。下表以landsat8数据为例，描述了TOA和SR collections的collection ID。

这些数据存在于Landsat 4, 5, 7, and 8。使用下表中的icollection definitions with IDs 替换上述集合定义中的“LC08”，以检索各种卫星的collections。

最后，因为pre-Collection 1 scenes不再被产出，我们将无法更新“老式”Landsat collections(例如:Landsat /LC8_L1T)。我们计划在获得所有C1数据之后仍保留这些collections 一段时间，但它们最终将被淘汰。

2.Landsat processing methods处理方法

Earth Engine包含多种Landsat特定的处理方法。具体的计算方法有计算at-sensor radiance（传感器辐射）， top-of-atmosphere (TOA) reflectance（大气顶部反射率）、surface reflectance (SR)（表面反射率）、cloud score（云分数）和cloud-free composites（无云复合产品）。

2.1At-sensor radiance（传感器辐射） and TOA reflectance（大气顶部反射率）

Earth Engine 中的‘raw’ scenes包含数字影像( imagery with digital numbers (DNs) )，数字影像表示标度辐射（scaled radiance）。DNs到at-sensor radiance的转换是利用scene metadata中存储的系数进行线性转换（linear transformation）。

参考文献：https://www.sciencedirect.com/science/article/abs/pii/S0034425709000169

ee.Algorithms.Landsat.calibratedRadiance() 方法执行此转换。

转换到TOA(或at-sensor)反射率是一个线性转换，它解释了太阳高度和按季节变化的地球-太阳距离。

TOA转换由 ee.Algorithms.Landsat.TOA() 方法处理。TOA方法将热波段（thermal bands）转换为亮度温度（brightness temperature）。

有关计算TOA reflectance或brightness temperature的更多信息
参考文献：https://www.sciencedirect.com/science/article/abs/pii/S0034425709000169
或https://www.usgs.gov/land-resources/nli/landsat/using-usgs-landsat-level-1-data-product

下面的例子展示了landsat8 image从 raw data到辐射率（radiance）和TOA 反射率（reflectance）的转换

// Load a raw Landsat scene and display it.加载原始Landsat scene并显示
var raw = ee.Image('LANDSAT/LC08/C01/T1/LC08_044034_20140318');
Map.centerObject(raw, 10);
Map.addLayer(raw, {bands: ['B4', 'B3', 'B2'], min: 6000, max: 12000}, 'raw');

// Convert the raw data to radiance.将原始数据转换为辐射
var radiance = ee.Algorithms.Landsat.calibratedRadiance(raw);
Map.addLayer(radiance, {bands: ['B4', 'B3', 'B2'], max: 90}, 'radiance');

// Convert the raw data to top-of-atmosphere reflectance.将原始数据转换为大气顶部反射率
var toa = ee.Algorithms.Landsat.TOA(raw);

Map.addLayer(toa, {bands: ['B4', 'B3', 'B2'], max: 0.2}, 'toa reflectance');

2.2 Surface reflectance地表反射率

到地表反射率的转换通常需要某种大气补偿（atmospheric compensation）。USGS 使用LEDAPS 软件将raw Landsat data转换为Surface reflectance。

参考：https://pubs.er.usgs.gov/publication/ofr20131057

LEDAPS需要各种大气输入 (atmospheric inputs)来约束大气模型。这些大气输入数据包括a 6S model运行的输出、DEM、total column ozone、国家环境预测中心(National Centers for Environmental Prediction (NCEP))模拟的地面压力（surface pressure）、温度和水蒸气。

参考：
6S model：http://6s.ltdri.org/index.html
https://journals.ametsoc.org/bams/article/77/3/437/55258/The-NCEP-NCAR-40-Year-Reanalysis-Project

你可以直接从SR collections中访问预先计算的表面反射率图像(pre-computed surface reflectance images)。比如，去加载一幅Landsat 7 surface reflectance影像，用下面代码：

var srImage = ee.Image('LANDSAT/LE07/C01/T1_SR/LE07_044034_19990707');

Landsat 4到7的Collection 1的surface reflectance datasets：

var surfaceReflectanceL4 = ee.ImageCollection('LANDSAT/LT04/C01/T1_SR');
var surfaceReflectanceL5 = ee.ImageCollection('LANDSAT/LT05/C01/T1_SR');
var surfaceReflectanceL7 = ee.ImageCollection('LANDSAT/LE07/C01/T1_SR');

2.3Simple cloud score简单云评分

根据相对云量（relative cloudiness）对 Landsat像素进行评分（scoring Landsat pixels ），Earth Engine提供了基本云评分算法（rudimentary cloud scoring algorithm），调用方法为ee.Algorithms.Landsat.simpleCloudScore()。下面的例子使用云评分算法（cloud scoring algorithm）来屏蔽landsat8图像中的云（mask clouds ）:

// Load a cloudy Landsat scene and display it.加载一个多云的的Landsat scene
var cloudy_scene = ee.Image('LANDSAT/LC08/C01/T1_TOA/LC08_044034_20140926');
Map.centerObject(cloudy_scene);
Map.addLayer(cloudy_scene, {bands: ['B4', 'B3', 'B2'], max: 0.4}, 'TOA', false);

// Add a cloud score band. It is automatically called 'cloud'.添加一个cloud score band
var scored = ee.Algorithms.Landsat.simpleCloudScore(cloudy_scene);

// Create a mask from the cloud score and combine it with the image mask.从cloud score生成一个mask，并将其和image mask结合起来
var mask = scored.select(['cloud']).lte(20);

// Apply the mask to the image and display the result.在图像上应用mask
var masked = cloudy_scene.updateMask(mask);
Map.addLayer(masked, {bands: ['B4', 'B3', 'B2'], max: 0.4}, 'masked');

// Load a Landsat 8 composite and set the SENSOR_ID property.加载一个Landsat 8composite并且设置SENSOR_ID属性
var mosaic = ee.Image(ee.ImageCollection('LANDSAT/LC8_L1T_8DAY_TOA').first())
  .set('SENSOR_ID', 'OLI_TIRS');

// Cloud score the mosaic and display the result.
var scored_mosaic = ee.Algorithms.Landsat.simpleCloudScore(mosaic);
Map.addLayer(scored_mosaic, {bands: ['B4', 'B3', 'B2'], max: 0.4},
    'TOA mosaic', false);

如果在Code Editor中运行此示例，请尝试切换（ toggle）TOA层的可见性，以比较掩膜图像（masked）和未掩膜图像（unmasked imagery）之间的差异。

请参阅Code Editor文档（https://developers.google.com/earth-engine/playground#layer-manager）以了解如何进行此操作

请注意，simpleCloudScore() 的输入是一个单一的Landsat TOA scene。注意：simpleCloudScore() 将一个名为cloud 的band添加到输入影像。cloud band包含从0(无云)到100(云最多)的云分数（cloud score）。前面的示例在云分数（cloud score）上使用一个任意的阈值(20)来掩膜多云像素（ mask cloudy pixels）。要将此算法应用于Landsat scenes的 Earth Engine mosaic（镶嵌），请设置SENSOR_ID属性:

// Load a Landsat 8 composite and set the SENSOR_ID property.加载Landsat 8 composite，设置SENSOR_ID属性
var mosaic = ee.Image(ee.ImageCollection('LANDSAT/LC8_L1T_8DAY_TOA').first())
  .set('SENSOR_ID', 'OLI_TIRS');

// Cloud score the mosaic and display the result.
var scored_mosaic = ee.Algorithms.Landsat.simpleCloudScore(mosaic);
Map.addLayer(scored_mosaic, {bands: ['B4', 'B3', 'B2'], max: 0.4},
    'TOA mosaic', false);

SENSOR_ID是单个图像的属性。当Earth Engine做许多图像的掩膜时，它必须抛出单独的图像元数据，包括：SENSOR_ID属性。为了cloud score一个掩膜，Earth Engine寻找该属性，但找不到它，就会产生一个错误。手动设置该属性以避免这种情况。andsat 5、7和8的 sensor IDs分别为“TM”、“ETM+”和“OLI_TIRS”。

2.4Simple composite复合产品

为了创建简单的无云Landsat复合材料（simple cloud-free Landsat composites），Earth Engine提供了 ee.Algorithms.Landsat.simpleComposite() 方法。该方法在每个位置选取一个scenes子集，将其转换为TOA反射率（TOA reflectance），应用简单云分数（simple cloud score），取最少云像素的中值（median of the least cloudy pixels）。
本例使用默认参数创建了一个简单的组合（simple composite），然后使用自定义参数（custom parameters）（云评分阈值（cloud score threshold）和百分比（ percentile））生成一个组合（composite），最后对二者作比较。

// Load a raw Landsat 5 ImageCollection for a single year.加载一年的原始Landsat 5影像集
var collection = ee.ImageCollection('LANDSAT/LT05/C01/T1')
    .filterDate('2010-01-01', '2010-12-31');

// Create a cloud-free composite with default parameters.用默认参数生成一个无云的composite
var composite = ee.Algorithms.Landsat.simpleComposite(collection);

// Create a cloud-free composite with custom parameters for cloud score threshold and percentile.
// 使用自定义参数(cloud score阈值和百分比),生成一个无云composite 
var customComposite = ee.Algorithms.Landsat.simpleComposite({
  collection: collection,
  percentile: 75,
  cloudScoreRange: 5
});

// Display the composites.
Map.setCenter(-122.3578, 37.7726, 10);
Map.addLayer(composite, {bands: ['B4', 'B3', 'B2'], max: 128}, 'TOA composite');
Map.addLayer(customComposite, {bands: ['B4', 'B3', 'B2'], max: 128},
    'Custom TOA composite');

请注意，简单组合（simple composite）的输入是原始图像的集合（collection of raw imagery）。注意，在默认情况下，反射波段（reflective band ）输出是反射系数（reflectance）缩放（scaled）到8-bits，而热波段（thermal band）输出是开尔文减100（ Kelvin minus 100），以适应8-bit范围。你可以通过将asFloat参数设置为true（setting the asFloat parameter to true,）来改变这种行为，以获得非缩放、非移位的浮点数输出（un-scaled, un-shifted float output）。

二.Sentinel-1 Algorithms（用到再看）

三.Resampling and Reducing Resolution重采样和降低分辨率

正如在投影（ Projections）文档中提到的，在重投影期间，Earth Engine默认执行最近邻重采样（nearest neighbor resampling）。可以使用**resample()或reduceResolution()**方法更改此行为。具体地说，当将这些方法中的一种应用于输入图像时，输入的任何必要的重投影都将使用指定的重采样或聚合方法来进行。

 Projections doc:https://developers.google.com/earth-engine/projections

1.Resampling重采样

resample()会导致在下一次重投影中使用指示的重采样方法(‘bilinear’或’bicubic’)。由于输入是在输出投影中请求的，隐式重投影可能会在对输入的任何其他操作之前发生。因此，直接在输入图像上调用resample()，简单示例如下：

// Load a Landsat image over San Francisco, California, UAS.加载加利福尼亚旧金山上空的Landsat image
var landsat = ee.Image('LANDSAT/LC08/C01/T1_TOA/LC08_044034_20160323');

// Set display and visualization parameters.设置显示和可视化参数
Map.setCenter(-122.37383, 37.6193, 15);
var visParams = {bands: ['B4', 'B3', 'B2'], max: 0.3};

// Display the Landsat image using the default nearest neighbor resampling when reprojecting to Mercator for the Code Editor map.
// 当对Code Editor中的map重投影到Mercator时，使用默认的最近邻重采样显示Landsat图像。
Map.addLayer(landsat, visParams, 'original image');

// Force the next reprojection on this image to use bicubic resampling.强制此图像的下一个重投影使用双三次（两次立方）重采样。
var resampled = landsat.resample('bicubic');

// Display the Landsat image using bicubic resampling.使用双三次重采样显示Landsat image
Map.addLayer(resampled, visParams, 'resampled');

注意，输出像素的bicubic（双三次）重采样的结果看起来比原始图像更平滑(图1)

具体图像在官网上

此代码示例的操作顺序如下图所示。具体地说，隐式重新投影到maps mercator投影时，使用在输入图像上指定的重采样方法进行。

maps mercator：http://epsg.io/3857

对上图的说明： 操作流程图：在代码编辑器中显示图像之前对输入图像调用 resample()。曲线表示重投影的信息流，具体来说，就是使用输出投影、比例尺和重采样方法。

2.Reduce Resolution降低分辨率

假设您的目标不是在重投影期间重新采样，而是在不同的投影中将像素聚合为更大的像素。这在比较不同尺度的图像数据集时非常有用，例如，基于landsat产品的30米像素（30-meter pixels）与基于mois产品的粗像素（coarse pixels）(更高尺度)。您可以使用reduceResolution()方法控制这个聚合过程。与resample()一样，对输入调用reduceResolution()，以影响图像的下一次重投影。下面的例子使用**reduceResolution()**比较30米分辨率的森林覆盖数据（ forest cover data at 30-meters resolution）与500米分辨率的植被指数（vegetation index at 500-meters resolution）:

// Load a MODIS EVI image.加载MODIS EVI图像
var modis = ee.Image(ee.ImageCollection('MODIS/006/MOD13A1').first())
    .select('EVI');

// Display the EVI image near La Honda, California.显示加州La Honda附近的EVI image
Map.setCenter(-122.3616, 37.5331, 12);
Map.addLayer(modis, {min: 2000, max: 5000}, 'MODIS EVI');

// Get information about the MODIS projection.获取MODIS投影的信息
var modisProjection = modis.projection();
print('MODIS projection:', modisProjection);

// Load and display forest cover data at 30 meters resolution.以30米的分辨率加载和显示森林覆盖数据。
var forest = ee.Image('UMD/hansen/global_forest_change_2015')
    .select('treecover2000');
Map.addLayer(forest, {max: 80}, 'forest cover 30 m');

// Get the forest cover data at MODIS scale and projection.以MODIS的比例尺和投影获取森林覆盖数据。
var forestMean = forest
    // Force the next reprojection to aggregate instead of resampling.设置使得下一次重新投影到聚合而不是重新采样
    .reduceResolution({
      reducer: ee.Reducer.mean(),
      maxPixels: 1024
    })
    // Request the data at the scale and projection of the MODIS image.请求数据：以MODIS图像的尺度和投影
    .reproject({
      crs: modisProjection
    });

// Display the aggregated, reprojected forest cover data.显示聚合的、重新投影的森林覆盖数据
Map.addLayer(forestMean, {max: 80}, 'forest cover at MODIS scale');

在本例中，请注意输出投影是用reproject()显式设置的。在重投影到MODIS正弦（MODIS sinusoidal projection）投影期间，不是重采样，而是使用指定的reducer(本例中为ee.reduce .mean())聚合较小的像素。这个操作顺序如下图所示。
虽然这个示例使用**reproject()来帮助可视化reduceResolution()**的效果，但大多数脚本不需要显式地投影变换；请参见此处的警告。

reproject()：https://developers.google.com/earth-engine/projections#reprojecting
警告的链接地址：https://developers.google.com/earth-engine/projections#reprojecting

上图中：操作流程图： reproject()在被调用之前， reduceResolution() 被调用到一个输入图像上
曲线表示重投影的信息流:具体来说，就是用到的输出投影、尺度和像素聚合（output projection, scale and pixel aggregation ）

注意，第二次重投影(隐式)会发生，以在Code Editor map上显示数据。
视觉上检查结果，观察MODIS层的像素点与重投影到MODIS尺度和投影的森林覆盖数据之间的对应关系。通常，您很少需要在Earth Engine中显式地 reproject() 。

3.Pixel weights for ReduceResolution用于降低分辨率的像素权重

在 reduceResolution() 聚集过程（aggregation process ）中使用的weights of pixels（像素权重）是基于被聚合的较小像素和由输出投影指定的较大像素之间的重叠。如下图所示：

上图说明： 应用 reduceResolution() 的输入像素(黑色)和输出像素(蓝色)。

默认行为是：输入像素权重（input pixel weights）被计算为输入像素所覆盖的输出像素面积的比例。图中，输出像素的面积为a，与b相交的输入像素的权值计算为b/a，与c相交的输入像素的权值计算为c/a。在使用除mean reducer之外的reducer时，此行为可能会导致意外结果。例如，要计算每个像素的森林覆盖面积，可以使用mean reducer来计算被覆盖像素的比例，然后乘以面积(而不是在较小的像素计算面积，然后用sum reducer把它们加起来）：

// Compute forest area per MODIS pixel.计算每一个MODIS像素的森林面积
var forestArea = forest.gt(0)
    // Force the next reprojection to aggregate instead of resampling.设置使得下一个重新投影进行聚合，而不是重新采样
    .reduceResolution({
      reducer: ee.Reducer.mean(),
      maxPixels: 1024
    })
    // The reduce resolution returns the fraction of the MODIS pixel that's covered by 30 meter forest pixels.  Convert to area after the reduceResolution() call.
    // reduce resolution返回30米森林像素覆盖的MODIS像素的比例。在调用reduceResolution()后转换为面积。
    .multiply(ee.Image.pixelArea())
    // Request the data at the scale and projection of the MODIS image.请求数据——在MODIS图像的尺度和投影下
    .reproject({
      crs: modisProjection
    });
Map.addLayer(forestArea, {max: 500 * 500}, 'forested area at MODIS scale');