创新点：
一套名为CataEx的六个代码模块为用户提供了基础编程概念，以便用户在将影像导出为GeoTIFF格式之前开发个性化脚本；
所有概念均通过示例进行详细解释和演示，便于用户根据自身需求定制操作。
01
论文标题
Domej G, Pluta K, Ewertowski M. CataEx: A multi-task export tool for the Google Earth Engine data catalog[J]. Environmental Modelling & Software, 2025, 183: 106227.
02
论文摘要
卫星影像由多个任务平台提供，如ASTER、MODIS、Sentinel、Landsat、IKONOS、GeoEye、SPOT、WorldView、Pleiades或RapidEye等。主要难题在于卫星影像在下载、存储和处理过程中占用的大量数字空间。本文展示了一个名为CataEx的多功能代码工具（使用JavaScript编写），以示范在将影像导出为GeoTIFF格式之前，如何进行多种基本计算（如影像集合的筛选、云层掩蔽、指数和直方图生成以及图层创建）。CataEx保持简单，避免使用复杂的编程语言，让JavaScript初学者能够熟悉基础编程概念，并开发出自己的脚本。
03
一些功能介绍
图1. 感兴趣区域 (ROI) 标记为红点，并在其周围对称绘制一个 0.2 × 0.1 矩形。根据整个影像与矩形的重叠情况，可能出现裁剪区域，这些区域在 CataEx 计算中被排除。Fig. 3. Sentinel-2 云掩膜策略 (a) 使用云概率图 S2_CLOUD_PROBABILITY，Landsat 4/5/7/8/9 (b) 使用 Google Earth Engine (GEE) 算法 simpleCloudScore
图2. Sentinel-2 云掩膜策略 (a) 使用云概率图 S2_CLOUD_PROBABILITY，Landsat 4/5/7/8/9 (b) 使用 Google Earth Engine (GEE) 算法 simpleCloudScore。
图3. Sentinel-2 云影像的云掩膜示例 (a)。感兴趣区域 (ROI) 点位于厄瓜多尔最活跃的火山之一——桑盖火山的顶部 (b) (Hidalgo 等, 2022)。与未应用云掩膜的 0.2 × 0.1 矩形 (c) 相比，其他四个矩形展示了云掩膜的逐渐增强，阈值分别为 80% (d)、60% (e)、40% (f) 和 20% (g)。结果显示，该方法对大部分“典型”云层有效，但对棕色火山灰云仅部分有效。
图4. 计算归一化差值指数的公式及其在 JavaScript 中的实现 (a)；CataEx 中五个指数的颜色梯度及其从 -1 到 1 的最大可能范围 (b)；在最大值和最小值未达到时，CataEx 调整颜色梯度以提高对比度 (c)。通过将指数层从 Google Earth Engine (GEE) 导出到其他 GIS 软件，颜色梯度会丢失，因为像素仅携带其数值。
图5. Google Earth Engine (GEE) 中参数尺度与像素大小的关系 (a)，以及父像素到子像素的重采样机制 (b)。
图6. 整幅影像 (a) 与 0.2 × 0.1 矩形 (c) 的直方图比较。感兴趣区域 (ROI) 点位于不丹 Thorthormi 冰湖 (b)，该湖被冰川覆盖，具有较高的冰湖溃决洪水 (GLOF) 潜力 (NCHM, 2020；Pelto, 2023)。直方图显示了湿度指数 (NDMI; Gao, 1996) 在整个影像 (d) 和矩形 (e) 中的像素分布；CataEx 中的“矩形直方图”通常显示为黄色，此处为更高对比度显示为黑色。
图7. 电磁波谱波长 (λ) 分布示意图。四个波段具有符号性特征，其带宽并非精确值，因为不同卫星任务及其代际之间存在差异
图2. 不同环境下指数的对比：冰川环境 (a)、密集森林区域 (b) 和城市聚集区 (c)。仅展示了 CataEx 计算的四个指数：植被指数 (NDVI)、雪指数 (NDSI)、水指数 (NDWI) 和湿度指数 (NDMI)，而冰川指数 (NDGI) 因使用较少未被展示。方形影像区域并不对应 0.2 × 0.1 矩形。
04
数据代码
代码来源于项目：https://zenodo.org/records/8407940
05
讨论
05
更多阅读
1. Journal of Hydrology|GEE水温时空特征提取研究（附数据+代码）
