在Google Earth Engine筛选Landsat影像时生成黑色TIF图像求助

你遇到的黑色TIF问题主要来自代码中区域定义错误、投影与分辨率不匹配、缓冲区单位误用以及未指定有效波段这几个核心问题，以下是具体修复步骤：

1. 核心错误点排查 #

（1）区域坐标顺序错误 #

代码中把影像footprint的[lon, lat]转成[lat, lon]传给region参数，而GEE的region要求是**[经度, 纬度]**顺序，这会导致下载区域完全偏离目标位置，超出影像有效范围后就会出现黑色像素。

（2）缓冲区单位误用 #

rectangle.buffer(height_from_ground)中，buffer方法在WGS84（EPSG:4326）坐标系下默认单位是度，不是米。传入1000米会变成1000度的缓冲区，完全超出地球范围，导致筛选的影像可能根本不覆盖目标区域。

（3）下载区域错误 #

你用了整个影像的footprint去下载，而非自定义的小矩形区域，这会下载整个影像的所有波段，包括无效区域和QA波段，容易出现黑色。

（4）未指定有效波段 #

LANDSAT/LC08/C01/T1_SR包含多个波段（如B1-B7、B10、B11以及QA波段），默认下载所有波段时，QA波段本身是黑白的，且部分反射波段可能因云覆盖或无数据显示为黑色。

2. 修复后的完整代码 #

import ee
import requests
from datetime import datetime
import zipfile
import io
import os

ee.Authenticate() 
ee.Initialize()

def generate_rectangle(center_point, width_meters, height_meters):
    """生成目标区域的矩形几何（使用米为单位，自动转换为投影坐标系）"""
    center_lon, center_lat = center_point
    # 创建中心点，用EPSG:3857（Web墨卡托，米为单位）计算矩形范围
    center = ee.Geometry.Point(center_lon, center_lat).transform('EPSG:3857')
    half_width = width_meters / 2
    half_height = height_meters / 2
    
    # 在投影坐标系下生成矩形，再转回WGS84
    rectangle = center.buffer(ee.Number(half_width).max(half_height), 1)\
                    .bounds()\
                    .transform('EPSG:4326')
    return rectangle

def collect_data(center_point, width_meters, height_meters, output_folder, num_images):
    """下载目标区域的Landsat影像"""
    # 生成目标区域（移除错误的height_from_ground缓冲区）
    target_region = generate_rectangle(center_point, width_meters, height_meters)

    # 筛选影像：添加云量阈值确保质量
    dataset = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR') \
        .filterBounds(target_region) \
        .filterDate('2015-01-01', '2020-12-31') \
        .filter(ee.Filter.lt('CLOUD_COVER', 10))  # 云量小于10%
        .sort('CLOUD_COVER') \
        .limit(num_images)

    # 遍历影像
    for i, image_info in enumerate(dataset.getInfo()['features']):
        image_id = image_info['id']
        print(f'下载影像 {i + 1}/{num_images}: {image_id}')
        
        # 获取影像原生投影，确保分辨率准确
        image = ee.Image(image_id)
        native_proj = image.projection().getInfo()['crs']
        
        # 指定需要下载的波段（B2-B4为RGB波段，B5为近红外）
        download_bands = ['B2', 'B3', 'B4', 'B5']
        
        # 生成下载链接：使用目标区域、原生投影、影像原生分辨率（30米）
        image_url = image.select(download_bands).getDownloadURL({
            'region': target_region.getInfo()['coordinates'],
            'crs': native_proj,
            'scale': 30  # Landsat 8 SR原生分辨率为30米（热红外波段为100米）
        })

        # 保存文件
        timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
        output_dir = os.path.join(output_folder, timestamp)
        os.makedirs(output_dir, exist_ok=True)
        
        response = requests.get(image_url)
        if response.status_code == 200:
            with zipfile.ZipFile(io.BytesIO(response.content), 'r') as zip_ref:
                zip_ref.extractall(output_dir)
            print(f"影像已保存至 {output_dir}")
        else:
            print(f"下载失败，状态码: {response.status_code}")

# 示例调用
center_point = (-122.084, 37.422)  # 旧金山坐标
width_meters = 1000
height_meters = 1000
output_folder = './landsat_data'
num_images = 1

collect_data(center_point, width_meters, height_meters, output_folder, num_images)

3. 关键修复说明 #

• 准确生成目标区域：改用EPSG:3857投影（米为单位）计算矩形范围，避免手动转换度和米的误差，确保区域精准覆盖目标GPS点。
• 移除无效缓冲区：height_from_ground参数无实际意义（卫星影像轨道高度固定，无需地面缓冲区），直接使用目标矩形范围筛选影像。
• 指定有效波段：只下载需要的反射波段（如RGB），避免下载QA等非视觉波段导致的黑色图像。
• 使用原生投影与分辨率：采用影像原生投影和30米分辨率下载，保证像素准确性，避免投影转换导致的无数据区域。
• 增加云量过滤：设置云量小于10%的条件，确保下载的影像质量更佳，减少云覆盖导致的黑色区域。

内容的提问来源于stack exchange，提问作者Itay