校园网站建设整改建议人才网站怎么做

校园网站建设整改建议,人才网站怎么做,研发外包公司,做效果图的网站有哪些软件有哪些目录 一、前言 二、初始化设置 三、影像预处理 四、影像集合加载与预处理 五、波段比计算与叶绿素浓度反演 六、统计分析与结果输出 七、结果可视化 八、核心逻辑与应用场景 九、注意事项 十、运行结果 若觉得代码对您的研究 / 项目有帮助#xff0c;欢迎点击打赏支…目录一、前言二、初始化设置三、影像预处理四、影像集合加载与预处理五、波段比计算与叶绿素浓度反演六、统计分析与结果输出七、结果可视化八、核心逻辑与应用场景九、注意事项十、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 EngineGEE平台针对 Sentinel-2 卫星影像完成研究区ROI内 2024 年 5 月的叶绿素浓度反演与分析。核心流程包括影像加载与预处理去云、裁剪、波段比计算、叶绿素浓度反演、统计分析及可视化展示最终输出研究区叶绿素浓度的最小值、平均值及空间分布影像。一、前言湖泊作为淡水资源的核心载体对区域生态环境的稳定维系起到关键支撑作用。伴随我国经济的高速发展与城镇建成区的持续扩张生产生活领域的用水需求不断攀升由此引发的湖泊生态环境破坏问题愈发凸显 —— 水体富营养化进程加速、水华灾害频繁暴发、水体溶解氧含量降低、水生生态系统功能退化等一系列生态问题接踵而至进而衍生出诸多经济与社会层面的负面影响。在遥感技术支撑的水质参数反演研究领域反演方法已完成从分析法、经验法、半经验法到机器学习法、集成法的演进逐步构建起精度较高且具备一定普适性的水质参数反演模型可实现大范围的宏观水质评价。其中针对叶绿素 a 质量浓度的遥感反演已形成多样化算法体系常用的波段组合策略涵盖单波段比值、双波段比值、波段差值以及三波段、四波段复合模型。就 Sentinel-2 卫星数据的应用特性而言双波段比值模型对叶绿素 a 质量浓度的响应更为敏感因此成为相关研究中优先选用的波段组合方式同时单波段比值模型也被纳入常用技术方案。已有研究通过 Sentinel-2 卫星数据与水体叶绿素 a 实测浓度的相关性分析证实叶绿素 a 质量浓度与B5/B4、(1/B4 1/B5)×B6、(1/B4-1/B5)×B7及(1/B4-1/B5)×B8等组合波段的 Pearson 相关系数达到最大值此外叶绿素 a 质量浓度与归一化植被指数NDVI之间存在显著线性关联。需要说明的是水体叶绿素 a 质量浓度的高精度反演通常需结合实测采样数据借助机器学习、集成法等技术手段建立遥感数据与实测数据的拟合关系。而在本研究中由于受实测采样数据缺失的限制仅采用简易的波段比值方法开展水体叶绿素 a 质量浓度的反演工作。参考文献谢恩弘,吴骏恩,杨昆.基于Sentinel-2影像的洱海叶绿素a质量浓度反演[J].环境工程学报,2022,16(09):3058-3069.但雨生,周忠发,李韶慧,等.基于Sentinel-2的平寨水库叶绿素a浓度反演[J].环境工程,2020,38(03):180-185127.二、初始化设置Map.addLayer(roi, {color: red}, StudyArea); Map.centerObject(roi, 10);功能说明完成研究区在地图上的加载与可视化定位为后续影像处理划定范围。关键参数解析roi预先定义的研究区矢量边界代码中未展示定义过程需用户提前创建是后续影像裁剪、统计分析的核心地理范围。{color: red}设置研究区边界的显示颜色为红色便于在地图上识别。StudyArea图层名称将在 GEE 地图界面的图层列表中显示用于区分不同图层。Map.centerObject(roi, 10)将地图视图自动定位到研究区中心第二个参数 “10” 为地图缩放级别范围 1-20数值越大视图越清晰此处设置为中等缩放精度。三、影像预处理function maskS2clouds(image) { var qa image.select(QA60); var cloudBitMask 1 10; var cirrusBitMask 1 11; var mask qa.bitwiseAnd(cloudBitMask).eq(0) .and(qa.bitwiseAnd(cirrusBitMask).eq(0)); return image.updateMask(mask) .divide(10000) .copyProperties(image, [system:time_start]); }功能说明自定义 Sentinel-2 影像的云掩膜函数剔除影像中的云像素和卷云像素同时完成影像值的单位转换与时间属性保留为后续定量反演提供高质量影像数据。var qa image.select(QA60)选择 Sentinel-2 影像的 “QA60” 质量控制波段该波段记录了影像的云、卷云、气溶胶等质量信息是云检测的核心依据。位掩码定义1 10将数字 1 左移 10 位转换为二进制后对应 QA60 波段中 “云像素” 的标记位Sentinel-2 影像的 QA60 波段通过特定位的 0/1 表示是否为云。1 11左移 11 位对应 QA60 波段中 “卷云像素” 的标记位。掩膜构建qa.bitwiseAnd(cloudBitMask).eq(0)通过按位与运算bitwiseAnd筛选出 “非云像素”标记位为 0 表示无云。.and(...)叠加卷云筛选条件最终得到 “既无云也无卷云” 的有效像素掩膜mask。影像输出处理updateMask(mask)应用掩膜将云像素和卷云像素设为无效值透明。divide(10000)Sentinel-2 影像的原始反射率值被放大了 10000 倍避免小数存储此处除以 10000 还原为真实反射率范围 0-1。copyProperties(...)保留原始影像的时间属性system:time_start便于后续时间序列分析。四、影像集合加载与预处理var collection ee.ImageCollection(COPERNICUS/S2_SR_HARMONIZED) .filterDate(2024-05-01, 2024-06-01) .filter(ee.Filter.lt(CLOUDY_PIXEL_PERCENTAGE, 20)) .map(maskS2clouds); var roiCollection collection.map(function(image) { return image.clip(roi); });功能说明加载符合条件的 Sentinel-2 影像集合并完成时间筛选、云量初筛、云掩膜精处理和研究区裁剪得到仅覆盖研究区的高质量影像集合。影像集合加载ee.ImageCollection(COPERNICUS/S2_SR_HARMONIZED)加载 Sentinel-2 的 “Harmonized Sentinel-2 Surface Reflectance” 数据集该数据集经过大气校正、地形校正等预处理可直接用于定量分析。筛选条件filterDate(2024-05-01, 2024-06-01)筛选 2024 年 5 月 1 日至 6 月 1 日期间的影像聚焦特定时间窗口的植被 / 水体状态。filter(ee.Filter.lt(CLOUDY_PIXEL_PERCENTAGE, 20))筛选云量占比小于 20% 的影像初步剔除云量过多的低质量影像后续还会通过掩膜函数精去云。云掩膜应用map(maskS2clouds)对影像集合中的每一幅影像执行前文定义的云掩膜函数批量去云。研究区裁剪map(function(image) { return image.clip(roi); })对去云后的影像集合逐幅裁剪仅保留研究区roi范围内的影像部分减少无效数据处理量。五、波段比计算与叶绿素浓度反演var bandRatioCollection roiCollection.map(function(image) { var bandRatio image.select(B5).divide(image.select(B4)).rename(bandRatio); return image.addBands(bandRatio); }); var chlCollection bandRatioCollection.map(function(image) { var chl image.expression( 0.6 * bandRatio, {bandRatio: image.select(bandRatio)} ).rename(Chl); return image.addBands(chl); });功能说明基于影像的特定波段计算波段比再通过经验公式反演得到叶绿素浓度核心逻辑是 “波段比与叶绿素浓度的相关性”植被 / 水体中叶绿素对特定波段的吸收 / 反射特性会导致波段比与浓度呈显著相关。波段比计算image.select(B5)和image.select(B4)选择 Sentinel-2 影像的 B4红光波段中心波长665nm和 B5红边 1 波段中心波长705nm。红光波段易被叶绿素吸收红边波段对叶绿素含量变化敏感二者的比值B5/B4常被用于植被色素含量反演。divide(...)计算 B5 与 B4 的比值得到波段比影像bandRatio。addBands(bandRatio)将波段比作为新波段添加到原始影像中便于后续计算调用。叶绿素浓度反演image.expression(...)通过表达式计算叶绿素浓度核心公式为Chl 0.6 * bandRatio该公式为经验公式适用于特定研究区和下垫面类型实际应用中需根据实地观测数据校准。rename(Chl)将反演结果命名为 “Chl” 波段明确波段含义。addBands(chl)将叶绿素浓度波段添加到影像中形成包含原始反射率、波段比、叶绿素浓度的完整影像集合。六、统计分析与结果输出var chlMeanImage chlCollection.select(Chl).mean(); print(叶绿素浓度均值影像:, chlMeanImage); var chlStats chlMeanImage.reduceRegion({ reducer: ee.Reducer.min().combine({ reducer2: ee.Reducer.mean(), sharedInputs: true }), geometry: roi, scale: 30, maxPixels: 1e13 }); var chlMin ee.Number(chlStats.get(Chl_min)); var chlMean ee.Number(chlStats.get(Chl_mean)); print(最小叶绿素浓度 (Minimum Chl):, chlMin); print(平均叶绿素浓度 (Mean Chl):, chlMean);功能说明计算研究区叶绿素浓度的空间均值影像和统计指标最小值、平均值并在 GEE 控制台输出结果为定量分析提供数据支撑。均值影像计算chlCollection.select(Chl).mean()对时间序列影像集合的 “Chl” 波段求均值得到 2024 年 5 月研究区叶绿素浓度的空间平均分布影像chlMeanImage反映该时段的平均浓度状态。区域统计分析reduceRegionreducer统计算子此处通过combine组合了 “最小值算子min” 和 “均值算子mean”可同时计算多个统计指标提高效率。geometry: roi指定统计范围为研究区roi仅计算该范围内的像素统计值。scale: 30统计的空间分辨率为 30 米与 Sentinel-2 影像的多光谱波段分辨率一致避免重采样导致的误差。maxPixels: 1e13设置最大处理像素数避免因研究区过大导致计算溢出1e13 足够覆盖大范围区域。结果提取与输出chlStats.get(Chl_min)和chlStats.get(Chl_mean)从统计结果chlStats中提取最小值和平均值。print(...)在 GEE 的控制台打印结果便于用户查看具体数值单位需结合反演公式确定此处为相对浓度单位。七、结果可视化var visParams { min: 0, max: 2, palette: [ white, cyan, blue, green, yellow, orange, red, magenta, purple, black ] }; Map.addLayer(chlMeanImage, visParams, 叶绿素浓度均值);功能说明设置叶绿素浓度均值影像的可视化参数将其添加到地图上直观展示浓度的空间分布差异。可视化参数解析min: 0和max: 2设置颜色映射的浓度范围即浓度为 0 时显示最浅颜色浓度为 2 时显示最深颜色超出该范围的像素会被映射为对应极值颜色。palette颜色渐变序列从 “white白色低浓度” 到 “black黑色高浓度”通过 10 种颜色区分不同浓度等级便于肉眼识别空间差异如水体中叶绿素浓度高的区域可能显示为红色、黑色低浓度区域显示为白色、青色。Map.addLayer(...)将设置好可视化参数的均值影像添加到地图图层名称为 “叶绿素浓度均值”可在地图界面开启 / 关闭该图层。八、核心逻辑与应用场景核心逻辑梳理数据预处理通过 “云量筛选 云掩膜” 保证影像质量通过 “裁剪” 聚焦研究区为反演提供可靠数据反演原理利用叶绿素对红光B4和红边B5波段的光谱响应差异通过波段比B5/B4构建与叶绿素浓度的关联再通过经验公式定量反演结果输出兼顾空间分布均值影像和定量统计最小值、平均值满足 “定性观察 定量分析” 的需求。适用场景该代码适用于植被覆盖区如农田、森林或内陆水体如湖泊、水库的叶绿素浓度监测可应用于农业评估作物长势叶绿素含量与作物氮素营养、长势正相关水环境监测水体富营养化程度水体叶绿素浓度过高通常意味着富营养化生态分析特定时段内植被 / 水体的生态状态变化。九、注意事项研究区roi需提前定义代码中未包含 roi 的创建过程用户需通过 GEE 的矢量绘制工具或导入矢量文件生成 roi经验公式的适用性反演公式Chl 0.6 * bandRatio为示例公式不同地区、不同下垫面如不同作物、不同水质需通过实地采样数据如田间实测叶绿素含量、水体采样分析校准公式系数否则会导致反演误差影像分辨率Sentinel-2 影像的 B4、B5 波段分辨率为 10 米但代码中统计和可视化的尺度设为 30 米若需更高精度可调整scale参数为 10 米时间范围代码筛选的是 2024 年 5 月的影像若需分析其他时段需修改filterDate的参数。十、运行结果研究区地理位置研究区平均叶绿素浓度反演结果可视化控制台输出的研究区叶绿素浓度反演结果统计信息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