GEE：两种遥感影像的中值合成方法

前言一、两种实现方法二、python代码

1、加载影像集2、两种合成方法3、两种方法的差异比较 三、小结

如何使用GEE实现影像的中值合成或最大值合成（median composition, maximum composition）？

以鄱阳湖湖区Landsat遥感影像为例，该区域的相关分析参见：
GEE学习：按照行列号筛选鄱阳湖湖区影像数据并查询相关信息.
GEE学习：Landsat8 Collection2 level2数据集获取影像范围及坐标.
GEE学习：遥感影像设置新的属性并查询.
GEE学习：使用正则表达式筛选影像波段并改名.
GEE学习：遥感影像数据集的多个属性获取分析.

本次进行分析的区域如下：

：

python代码如下

Map = geemap.Map()
collection = ee.ImageCollection('LANDSAT/LC08/C01/T1_TOA') 
    .filter(ee.Filter.eq('WRS_PATH', 121)) 
    .filter(ee.Filter.eq('WRS_ROW', 40)) 
    .filterDate('2021-09-01', '2021-12-31') # 2021年枯期合成
first = collection.first()
Map.addLayer(first, {'bands':['B7', 'B5', 'B3'], 'min':0, 'max':0.3}, 'first')
Map.centerObject(first)
Map

结果如下（2021年09月09日的影像）：

python代码如下：

# 方法1：快速合成
median = collection.median()

Map.setCenter(116.1, 29.2, 8)
Map.addLayer(median, 
            {'bands':['B7', 'B5', 'B3'], 'min':0, 'max':0.3},
            'median')
            
# 方法2：使用Reducer方法
median_2 = collection.reduce(ee.Reducer.median())
Map.addLayer(median_2, 
            {'bands':['B7_median', 'B5_median', 'B3_median'], 'min':0, 'max':0.3},
            'median_2')
Map

结果如下：

python代码如下：

print('median bandNames:', median.bandNames().getInfo())
print('median_2, bandNames:', median_2.bandNames().getInfo())

结果如下：

median bandNames: ['B1', 'B2', 'B3', 'B4', 'B5', 'B6', 'B7', 'B8', 'B9', 'B10', 'B11', 'BQA']
median_2, bandNames: ['B1_median', 'B2_median', 'B3_median', 'B4_median', 'B5_median', 'B6_median', 'B7_median', 'B8_median', 'B9_median', 'B10_median', 'B11_median', 'BQA_median']

通过两种方法，都实现了影像的中值合成，可谓殊途同归通过比较发现，使用Reduce方法合成后的影像，其波段名称发生变化需要注意的是，中值合成后的影像已经失去了投影信息的。

https://developers.google.com/earth-engine/guides/ic_reducinghttps://github.com/giswqs/earthengine-py-notebooks/blob/master/ImageCollection/reducing_collection.ipynb