九识

第1节。过滤和检查图像集合

我们将重点关注葡萄牙里斯本及其周边地区。下面，我们将定义一个位于城市的点lisbonPoint ；访问非常大的 Landsat ImageCollection 并将其限制为2020年以及包含里斯本的图像；并从生成的过滤后的ImageCollection中的每个图像中选择波段6、5 和 4。

// Define a region of interest as a point in Lisbon, Portugal.

var lisbonPoint=ee.Geometry.Point(-9.179473, 38.763948);

// Center the map at that point.

Map.centerObject(lisbonPoint, 16);

// filter the large ImageCollection to be just images from 2020

// around Lisbon. From each image, select true-color bands to draw

var filteredIC=ee.ImageCollection(\''LANDSAT/LC08/C02/T1_TOA\'')

.filterDate(\''2020-01-01\'', \''2021-01-01\'')

.filterBounds(lisbonPoint)

.select([\''B6\'', \''B5\'', \''B4\'']);

// Add the filtered ImageCollection so that we can inspect values

// via the Inspector tool

Map.addLayer(filteredIC,{}, \''TOA image collection\'');

三个选定的波段（对应于 SWIR1、NIR 和红色）显示假彩色图像，突出了里斯本不同土地覆盖（例如混凝土、植被）之间的差异。当“检查器”选项卡突出显示时，单击一个点将显示每个图像中波段6、5和4的值。如果你打开这个系列选项，你将看到随时间变化的值。对于里斯本的指定点和所有其他点（因为它们都包含在同一 Landsat 场景中），2020年收集了6张图像。通过沿着图形线之一（蓝色、黄色或红色）与你的手指，你应该能够数出那么多不同的值。沿着线条移动鼠标将显示具体值和图像日期。

我们还可以利用ui自动显示这种图表。 Earth Engine API 的图表功能。假设单击相同的像素，以下代码片段应生成与我们在“检查器”选项卡中观察到的相同的图表。

// Construct a chart using values queried from image collection.

var chart=ui.Chart.image.series({

imageCollection: filteredIC,

region: lisbonPoint,

reducer: ee.Reducer.first(),

scale: 10

});

// Show the chart in the Console.

print(chart);

第2节。地球上到处都有多少图像

假设我们有兴趣了解对于给定的ImageCollection ，我们在地球上的每个地图像素上有多少个有效观测值。这项计算量巨大的任务在 Earth Engine 中非常容易完成。API 提供了一组化简器函数，用于将每个像素中的值汇总为单个数字，我们可以使用下面的代码将这个减速器count应用于我们过滤后的ImageCollection。我们将在2020年返回相同的数据集和过滤器，但没有地理限制。这将汇集来自世界各地的图像，然后计算每个像素中的图像数量。以下代码执行此计数，并将生成的图像添加到地图中预定义的红/黄/绿调色板在值0和50之间延伸。继续将下面的代码粘贴到同一脚本中。

// compute and show the number of observations in an image collection

var count=ee.Im