企业官网建设流程全解析

零基础玩转GEE：用Landsat 5数据一键生成生态三要素图谱

当你第一次听说"缨帽变换"这个专业术语时，是否觉得它像某种神秘的魔法？其实这是遥感领域最实用的生态指标提取技术之一。想象一下，只需几行代码就能从卫星影像中自动分离出反映地表特征的亮度（土壤岩石指标）、绿度（植被活力指数）和湿度（水分分布情况）——这正是Landsat 5卫星搭配Google Earth Engine（GEE）平台的魅力所在。本文将手把手带您完成从数据加载到结果导出的全流程，即使从未接触过JavaScript也能轻松上手。

1. 环境准备与数据加载

1.1 初始化GEE工作环境

首先访问 Google Earth Engine官网 并登录账号。点击"Code Editor"进入编程界面，你会看到如下基础结构：

// 默认代码模板 var dataset = ee.ImageCollection('LANDSAT/LC08/C01/T1'); Map.addLayer(dataset, {bands: ['B4', 'B3', 'B2'], min: 0, max: 30000}, 'LANDSAT 8');

清空默认代码，我们从头开始构建。建议立即保存脚本（Ctrl+S），命名为Landsat5_TCT_Tutorial。

1.2 加载Landsat 5数据

在GEE的Catalog搜索栏输入"Landsat 5 TOA"，选择经过大气校正的LANDSAT/LT05/C01/T1_TOA数据集。这里特别要注意时间筛选——点击日历图标选择2000-2011年间影像（Landsat 5的运行时段），并通过绘制ROI或输入经纬度锁定研究区。

// 定义研究区（以旧金山为例） var studyArea = ee.Geometry.Point([-122.44, 37.76]); // 加载单景Landsat 5影像 var image = ee.Image('LANDSAT/LT05/C01/T1_TOA/LT05_044034_20081011') .clip(studyArea.buffer(5000)); // 缓冲5公里范围

提示：可通过Map.centerObject(studyArea, 10)快速定位到研究区，缩放级别设为10较合适

2. 缨帽变换核心算法解析

2.1 理解变换矩阵的物理意义

缨帽变换本质是将6个原始波段（蓝、绿、红、近红外、短波红外1&2）通过线性组合转化为三个生态指标：

2.2 Landsat 5专用系数矩阵

不同卫星的变换系数各异，以下是Landsat 5的权威系数表：

var coefficients = ee.Array([ [0.3037, 0.2793, 0.4743, 0.5585, 0.5082, 0.1863], // 亮度系数 [-0.2848, -0.2435, -0.5436, 0.7243, 0.0840, -0.1800], // 绿度系数 [0.1509, 0.1973, 0.3279, 0.3406, -0.7112, -0.4572] // 湿度系数 ]);

注意：系数顺序对应波段顺序[B1(蓝), B2(绿), B3(红), B4(近红外), B5(短波红外1), B7(短波红外2)]

3. 分步实施缨帽变换

3.1 波段选择与数组转换

首先从影像中精确选择6个必要波段，避免后续维度错误：

var selectedBands = image.select(['B1', 'B2', 'B3', 'B4', 'B5', 'B7']); // 转换为二维数组（6行×N列，N=像素数） var array2D = selectedBands .toArray() // 先转一维数组 .toArray(1); // 再重组为二维数组

3.2 矩阵乘法运算

关键步骤是将系数矩阵与影像数组相乘：

var components = ee.Image(coefficients) .matrixMultiply(array2D) // 矩阵乘法 .arrayProject([0]) // 调整维度 .arrayFlatten([['brightness', 'greenness', 'wetness']]); // 命名输出波段

3.3 结果可视化技巧

为突出各指标特征，推荐使用以下渲染参数：

var vizParams = { bands: ['greenness', 'brightness', 'wetness'], // 波段顺序可调 min: [-0.2, -0.1, -0.2], // 最小值数组 max: [0.3, 0.5, 0.2], // 最大值数组 gamma: 1.5 // 增强对比度 }; Map.addLayer(components, vizParams, 'TCT Results');

4. 高级应用与结果导出

4.1 多时相变化检测

将代码封装为函数，批量处理不同时期影像：

function calculateTCT(img) { var bands = img.select(['B1','B2','B3','B4','B5','B7']); var array2D = bands.toArray().toArray(1); return ee.Image(coefficients) .matrixMultiply(array2D) .arrayProject([0]) .arrayFlatten([['brightness','greenness','wetness']]); } // 应用示例：计算2000 vs 2010年变化 var image2000 = ee.Image('LANDSAT/LT05/C01/T1_TOA/LT05_044034_20000602'); var image2010 = ee.Image('LANDSAT/LT05/C01/T1_TOA/LT05_044034_20100824'); var changeMap = calculateTCT(image2010) .subtract(calculateTCT(image2000));

4.2 结果导出到Google Drive

生成GeoTIFF文件供本地分析：

Export.image.toDrive({ image: components, description: 'TCT_Export', folder: 'GEE_Exports', fileNamePrefix: 'L5_TCT_Results', scale: 30, // 分辨率30米 region: studyArea, maxPixels: 1e9 });

5. 实战问题排查指南

5.1 常见报错解决方案

• "Band names do not match"：检查select()中的波段名是否与数据集一致
• "Array dimensions incompatible"：确认系数矩阵是3×6，影像数组是6×N
• "Image.clip is not a function"：确保研究区是Geometry类型

5.2 效果优化技巧

• 对结果进行Z-Score标准化可增强对比度：

  var standardized = components .subtract(components.mean()) .divide(components.stdDev());

• 使用NDVI掩膜剔除水体/云区：

  var ndvi = image.normalizedDifference(['B4','B3']); var masked = components.updateMask(ndvi.gt(0.2));

6. 生态指标的专业解读

6.1 亮度(Brightness)异常分析

高亮度值区域可能指示：

• 城市扩张中的裸地
• 采矿活动导致的土壤暴露
• 森林砍伐后的地表

6.2 绿度(Greenness)应用案例

某农业区绿度时序曲线显示：

6.3 湿度(Wetness)预警阈值

根据实际验证，当连续3期：

• 湿地湿度值<0.05 → 发出干旱黄色预警
• 农田湿度值<-0.1 → 启动灌溉建议