GEE入门篇|栅格数据集概述（四）：其他卫星产品

1.甲烷数据集

2.天气及气候数据

3.预先分类的土地用途和土地覆盖数据集

3.1ESA WorldCover

3.2 全球森林变化数据集

卫星还可以收集有关气候、天气和大气中存在的各种化合物的信息。这些卫星利用部分电磁频谱，以及不同物体和化合物在不同波长的阳光照射下的反射情况。例如，甲烷(ch4)反射光谱的760nm部分，让我们仔细看看其中的一些数据集。

1.甲烷数据集

欧洲航天局在地球引擎中提供了哨兵5号的甲烷数据集。复制并粘贴下面的代码，将2018年11月28日首次收集的甲烷数据添加到地图中。我们使用select函数来选择数据集的甲烷特定波段。我们还为Map.addLayer的可视化参数引入了一个新的参数值:我们使用调色板以彩色显示图像的单个波段。在这里，我们选择不同的颜色，从最小值的黑色到最大值的红色。介于两者之间的值将具有由palette参数列出的颜色顺序(字符串颜色列表:黑色、蓝色、紫色、青色、绿色、黄色、红色)。

/
// Other satellite products
/
// Import a Sentinel-5 methane dataset.
var methane = ee.ImageCollection('COPERNICUS/S5P/OFFL/L3_CH4');
// Filter the methane dataset.
var methane2018 = methane.select('CH4_column_volume_mixing_ratio_dry_air')
.filterDate('2018-11-28', '2018-11-29').first();
// Make a visualization for the methane data.
var methaneVis = {palette: ['black', 'blue', 'purple', 'cyan', 'green','yellow', 'red'],min: 1770,max: 1920
};
// Center the Map.
Map.centerObject(methane2018, 3);
// Add the methane dataset to the map.
Map.addLayer(methane2018, methaneVis, 'Methane');

图1 2018年11月28日非洲大陆上空的甲烷水平

2.天气及气候数据

许多天气和气候数据集在Earth Engine是可用的，其中之一是由Sulova和Jokar(2021)使用的欧洲中期天气预报再分析中心(ERA5)数据集。复制并粘贴下面的代码，将2018年1月的月度数据添加到地图中。

// Import the ERA5 Monthly dataset
var era5Monthly = ee.ImageCollection('ECMWF/ERA5/MONTHLY');
// Filter the dataset
var era5MonthlyTemp =era5Monthly.select('mean_2m_air_temperature')
.filterDate('2018-01-01', '2019-01-31').first();
// Add the ERA dataset to the map.
Map.addLayer(era5MonthlyTemp,{palette: ['yellow', 'red'],min: 260,max: 320},
'ERA5 Max Monthly Temp');

图2 2018年1月ERA5月最高气温数据

3.预先分类的土地用途和土地覆盖数据集

Earth Engine中可用的另一种类型的数据集是已经分类的LULC地图。这些数据集并没有显示地球表面的样子——即卫星探测到的可见光和其他电磁波谱反射——而是利用卫星图像为地球表面的每个像素分配一个标签。例如，分类可能包括植被、裸露的土壤、建筑环境(路面、建筑物)和水。让我们仔细看看其中两个数据集。

3.1ESA WorldCover

欧洲航天局(ESA)根据Sentinel-1和Sentinel-2数据提供了2020年全球土地覆盖地图。WorldCover使用了11种不同的土地覆盖类别，包括建筑、农田、开阔水域和红树林。复制并粘贴下面的代码，将此图像添加到地图中。在该数据集中，“地图”波段已经包含与11个土地覆盖类别值相关联的调色板颜色。


// Pre-classified Land Use Land Cover
/
// Import the ESA WorldCover dataset.
var worldCover =ee.ImageCollection('ESA/WorldCover/v100').first();
// Center the Map.
Map.centerObject(worldCover, 3);
// Add the worldCover layer to the map.
Map.addLayer(worldCover, {bands: ['Map']}, 'WorldCover');

图 3 欧空局 2020 年全球覆盖地图

查看WorldCover土地覆盖分类(图3)。将它与我们在前几节中探索的一些卫星图像进行比较。后面章节的内容将会展示如何在这样的数据集中确定颜色和值的含义。

3.2 全球森林变化数据集

另一个已经预先分类的土地覆盖产品是全球森林变化数据集，可以在Earth Engine中使用。这项分析是在2000年至2020年间进行的，与WorldCover数据集不同，该数据集关注的是2000年基准年地球表面树木覆盖的百分比，以及随时间的变化情况。复制并粘贴下面的代码以可视化2000年的森林覆盖率。注意，在下面的代码中，我们将可视化参数定义为一个变量treeCoverViz，而不是在Map addLayer函数中进行计算。

// Import the Hansen Global Forest Change dataset.
var globalForest = ee.Image('UMD/hansen/global_forest_change_2020_v1_8');
// Create a visualization for tree cover in 2000.
var treeCoverViz = {bands: ['treecover2000'],min: 0,max: 100,palette: ['black', 'green']
};
// Add the 2000 tree cover image to the map.
Map.addLayer(globalForest, treeCoverViz, 'Hansen 2000 TreeCover');

图 4 2000年全球森林变化树木覆盖层

注意，树木覆盖率高的区域（例如亚马逊）更绿，而树木覆盖率低的区域颜色更深（图 4）。如果您在控制台上看到错误如“无法读取 null 的属性”，不用担心。有时是Earth Engine将显示这些暂时性错误，但它们不会以任何方式影响脚本。

复制并粘贴下面的代码，以可视化过去的树木覆盖损失20年。

// Create a visualization for the year of tree loss over the past 20 years.
var treeLossYearViz = {bands: ['lossyear'],min: 0,max: 20,palette: ['yellow', 'red']
};
// Add the 2000-2020 tree cover loss image to the map.
Map.addLayer(globalForest, treeLossYearViz, '2000-2020 Year of Loss');

选中之前的 2000 年的森林覆盖层，并分析其顶部的损失层——黄色、橙色和红色区域（图 5），在地图上平移和缩放。最近哪里有森林损失（以红色显示）。

图 5 2000-2020年全球森林变化：树木覆盖损失（黄-红）和2000年树木覆盖（黑-绿）