GEE-PIE遥感大数据处理技术

随着航空、航天、近地空间等多个遥感平台的不断发展，近年来遥感技术突飞猛进。由此，遥感数据的空间、时间、光谱分辨率不断提高，数据量也大幅增长，使其越来越具有大数据特征。对于相关研究而言，遥感大数据的出现为其提供了前所未有的机遇，但同时也提出了巨大的挑战。传统的工作站和服务器已经无法满足大区域、多尺度海量遥感数据处理的需要。

为解决这一问题，国内外涌现了许多全球尺度地球科学数据（尤其是卫星遥感数据）在线可视化计算和分析云平台如谷歌Earth Engine（GEE）和航天宏图的PIE Engine等。其中，Earth Engine最为强大，能够存取和同步遥感领域目前常用的MODIS、Landsat和Sentinel等卫星图像和NCEP等气象再分析数据集，同时依托全球上百万台超级服务器，提供足够的运算能力对这些数据进行处理。目前，Earth Engine上包含超过900个公共数据集，每月新增约2 PB数据，总容量超过80PB。作为国内最先进的遥感云平台，PIE Engine近年来发展发非常迅速，拥有丰富的国产卫星数据，以及中国区域的其它重要开源数据，在数据安全性和访问便利性方面具有独到的优势。与传统的处理影像工具（例如ENVI）相比，遥感云平台一方面提供了丰富的计算资源；另一方面，其巨大的云存储能力节省了科研人员大量的数据下载和预处理时间。

专题一初识GEE和PIE遥感云平台
1.GEE和PIE平台及典型应用案例介绍
2.JavaScript基础，包括变量，运算符，数组，判断及循环语句等
3.遥感云重要概念与典型数据分析流程
4.遥感云基本对象及平台上手
4.1 影像与影像集
4.2 几何体、要素与要素集
4.3 日期、字符、数字
4.4 数组、列表、字典
4.5 影像/影像集、要素/要素集数据查询、时空过滤、可视化、属性查看等主要对象最常用API介绍

专题二GEE和PIE影像大数据处理基础

1.1. 关键知识点讲解
1.1.1 影像数学运算、关系/条件/布尔运算、形态滤波、纹理特征提取等
1.1.2 影像掩码，裁剪和镶嵌
1.1.3 集合对象的循环迭代（map/iterate）
1.1.4 集合对象联合（Join）
1.1.5 影像面向对象分析

2.2. 主要功能串讲与演练
2.2.1 Landsat/Sentinel-2影像批量去云
2.2.2 Landsat/Sentinel-2传感器归一化、植被指数计算等

2.2.3 时间序列光学影像的平滑与空间插值

专题三数据整合Reduce

1.关键知识点讲解
1.1 影像与影像集整合，如指定时窗的年度影像合成
1.2 影像区域统计与领域统计，分类后处理
1.3 要素集属性列统计
1.4 栅格与矢量的相互转换
1.5 分组整合与区域统计
1.6 影像集、影像和要素集的线性回归分析

2.主要功能串讲与演练
2.1 研究区可用Landsat影像的数量和无云观测数量的统计分析
2.2 中国区域年度NDVI植被数合成及年度最绿的DOY时间查找

2.3 国家尺度30年尺度的降雨量时空变化趋势分析

专题四云端数据可视化

1.关键知识点讲解
1.1 要素与要素集属性制图（条形图、直方图、堆积柱形图、散点图等）
1.2 影像制图（区域统计、分类图、直方图、散点图、线型图，饼图等）
1.3 影像集制图（样点时间序列图、区域统计时间序列图等）
1.4 数组与链表制图（散点图、样线图等）
1.5 图形风格和属性设置

2.主要功能串讲与演练
2.1 基于MODIS时间序列影像的不同地表植被物候分析与制图

2.2 基于Hansen产品的年度森林时空变化分析与专题图绘制