遙測學與影像處理 115-1 · 第 2 週講義（實作篇）

02　探索影像與 GEE 衛星資料目錄

授課教師：朱健銘

上課時間：星期一第 6–8 節

教材對應：Howarth (2024) F1.1；Nicolau 等 (2024) F1.2

本週實作目標

完成本週實作後，同學應能：

載入一幅影像，用 print 讀取詮釋資料、用 Map.addLayer 顯示單一波段、用 Inspector 查詢像元 DN。
分辨 ImageCollection 與 Image，用 filterDate、filterBounds、first 取出涵蓋高雄的單一景。
在 Data Catalog 搜尋資料集、讀懂資料集頁面，並以 palette 顯示高雄地形。
在呼叫函式的地方加註解，並正確設定腳本分享連結的權限。

關於本講義的引用　本講義實作內容整理自開放教科書 Cardille 等（2024）Cloud-Based Remote Sensing with Google Earth Engine 的兩章：F1.1「Exploring Images」（Howarth, 2024, pp. 19–39）與 F1.2「Survey of Raster Datasets」（Nicolau, Dyson, Saah, & Clinton, 2024, pp. 41–66）。因兩章篇幅較短且以線上版為主，文中引用標示到「節」（如 §2.1.2），對應教科書網站與 Springer 線上版的節號；程式碼依原書範例改寫，示範區域除第貳節的語法範例外一律改為高雄。本講義內容以生成式 AI（Anthropic Claude）協助整理與編排，並經授課教師審閱修訂。理論背景請對照「第 2 週講義（理論篇）」。

開始前　四個步驟

開啟 https://code.earthengine.google.com，確認已登入第 1 週建立的主資料夾與 GO402 儲存庫。
在瀏覽器輸入 https://code.earthengine.google.com/?accept_repo=projects/gee-edu/book 加入教科書儲存庫，各節的 Code Checkpoint 之後可在 Scripts 面板的 Reader 區找到（Nicolau 等, 2024, §3.2.1）。
新開腳本，命名為 w02_explore。
若執行時出現「not found」或 deprecated 警告，代表資料集 ID 已改版，請到 Data Catalog 搜尋同名資料集改用最新 ID。

壹、程式碼註解規則

從本週起，繳交的腳本須遵守一條規則：在呼叫函式的那一行加註解，說明這個函式在做什麼。不必逐行註解；參數、變數宣告、視覺化參數的內容不用寫。第 1 週學過，// 之後的文字不會被執行（Gandhi, 2024, p. 12）。

為什麼：期末專題腳本長達數百行，沒有註解三週後自己也看不懂；小組分工靠註解接手；評分時註解是判斷是否理解程式的依據。
寫在哪：函式呼叫的同一行後面；若說明太長，寫在該行的上一行。
寫什麼：「這個函式做什麼、關鍵參數代表什麼」。寫「// 加圖層」沒有意義，寫「// 顯示 SR_B1 波段，8000–17000 拉伸成灰階」才有。
不用寫：變數宣告、字典內的個別參數、單純的數值。

示範（右側為本課程要求的寫法）：

// 不合要求：完全沒有註解
var img = ee.Image('LANDSAT/LC08/C02/T1_L2/LC08_117044_20250101');
print(img);
 
// 不合要求：逐行都註解，反而看不出重點
var img = ee.Image(...);   // 建立變數
                           // 這是 ID
                           // 這是日期
 
// 合乎要求：只在函式呼叫處註解
var img = ee.Image(...);   // ee.Image：由資料集 ID 建立影像物件
print(img);                // 印出詮釋資料到 Console

貳、載入影像、顯示波段、Inspector

本節先用教材原範例（上海，Landsat 5）示範三個基本語法，第參節起一律改用高雄影像（Howarth, 2024, §2.1.1–2.1.2）：

var first_image = ee.Image(  // ee.Image：由資料集 ID 建立影像物件
  'LANDSAT/LT05/C02/T1_L2/LT05_118038_20000606');
print(first_image);  // 印出詮釋資料到 Console
 
Map.addLayer(  // Map.addLayer：把資料加成地圖圖層
  first_image,
  { bands: ['SR_B1'], min: 8000, max: 17000 },
  'Layer 1');

Console 讀到什麼　展開後可見這幅影像由 19 個波段（band）組成，前六個（"SR_B1"–"SR_B7"）分別量測藍、綠、紅與三個紅外波段。影像波段是網格資料模型的例子：資料存在二維像元（pixel）格網中，每個像元的值稱為數位值（DN） （Howarth, 2024, §2.1.1）。展開 bands 底下的 dimensions 與 crs_transform（30 m），即理論篇第壹、貳節的影像結構與空間解析度。

Map.addLayer 的四個位置　

第一個：要顯示的資料集。
bands：要顯示的波段；只給一個 → 灰階，給三個 → RGB 合成。
min／max：顯示範圍。min 以下畫黑、max 以上畫白，中間線性拉伸；數值依資料集的 DN 比例係數而定。
最後一個：圖層在右上角 Layers 清單中的名稱。

Inspector 的三個類別　點右側 Inspector 分頁，游標變十字準星，點擊地圖後（Howarth, 2024, §2.1.2, Fig. 2.2）：

Point：經緯度、縮放等級與比例尺。
Pixels：該像元在各波段的值，以長條圖顯示；點圖層名稱右側藍色圖示可切換成字典（列出每個波段的數值）。
Objects：來源資料集的詮釋資料，與 print 的內容相似。

參、影像集合：取出高雄的一景

影像集合（image collection）把許多影像組織成一個資料儲存結構，包含每幅影像的位置、日期與屬性，可從中篩選出分析所需的影像（Nicolau 等, 2024, §3.1）。

一、檢視整個 Landsat 8 集合

// ee.ImageCollection：載入 Landsat 8 原始影像集合
var landsat8 = ee.ImageCollection('LANDSAT/LC08/C02/T1');
print('集合大小：', landsat8.size());  // size：集合中有幾幅影像
// 直接印整個集合 → 會出錯（超過 5000 個元素）
print(landsat8);
// 集合上圖：自動鑲嵌，最新像元疊在最上面
Map.addLayer(landsat8, {}, 'All Landsat 8');

地圖上呈現大量雲層與「層疊」外觀：Earth Engine 把每幅影像一幅疊一幅畫出來，條紋來自 Landsat 的 path／row 分景方式；這些影像彼此重疊，還不能直接分析。
Console 顯示集合超過一百萬幅，且隨衛星取像持續成長（Nicolau 等, 2024, §3.2.1, Figs. 3.1–3.2）。
print 整個集合會傳回錯誤——這是避免把上百萬個影像名稱印到 Console 的保護機制（Nicolau 等, 2024, §3.2.1, Fig. 3.3）。確認後請把後兩行註解掉（行首加 //），讓後續執行更快（對應 Code Checkpoint F12a）。

二、篩選到高雄

// ee.Geometry.Point：建立一個點（經度, 緯度），高雄市政府附近
var pointKH = ee.Geometry.Point([120.30, 22.63]);
 
var landsatKH = landsat8
  // filterDate：只留高雄乾季（雲量較少）的影像
  .filterDate('2024-11-01', '2025-01-31')
  // filterBounds：只留涵蓋這個點的影像
  .filterBounds(pointKH);
print('高雄乾季集合大小：', landsatKH.size());  // 確認篩選後剩幾幅
 
// first：取集合中最早的一幅 → 變成單一 ee.Image
var landsatFirst = landsatKH.first();
print('第一幅影像：', landsatFirst);  // 展開 id 可看到 117044 與取像日期
 
// Map.centerObject：把地圖置中於這幅影像，縮放等級 9
Map.centerObject(landsatFirst, 9);
Map.addLayer(  // 以紅、綠、藍波段顯示成真色彩
  landsatFirst,
  { bands: ['B4', 'B3', 'B2'], min: 5000, max: 15000 },
  'First KH Landsat 8');

三個集合大小的變化：超過一百萬 → 三個月內的數幅 → 涵蓋高雄的少數幾幅。
landsatFirst 的 id 含 117044，即理論篇第陸節的 Path 117、Row 44（高雄）。
兩個 filter 可互換順序，結果相同；first() 一定放最後。縮放等級範圍 0–24，原書用 7，此處用 9 以看清高雄（Nicolau 等, 2024, §3.2.1, Figs. 3.4–3.6；對應 Code Checkpoint F12b）。
比喻：ImageCollection 是一疊卡片，每張是一幅 ee.Image；filterDate／filterBounds 抽掉不要的卡片，first() 拿最上面那張。

課堂操作 1　用 Inspector 在這幅高雄影像上點三個位置，把 B2、B3、B4、B5 的值記在腳本註解中：

水體：蓮池潭、澄清湖或高雄港內。

建成區：三多商圈、楠梓加工區。

植生：美濃平原農田、壽山或大樹的果園。

結果應與第 1 週的光譜反射曲線一致：植生在 B5（近紅外）最高，水體在 B5 最低。

課堂操作 2　把 filterDate 改為 2024 年 7–8 月（雨季）再跑一次，比較集合大小與第一幅影像的雲量。這說明了為什麼第 8 週要學雲遮罩與合成。

肆、瀏覽 Data Catalog：以高雄地形為例

Data Catalog 有個別衛星影像、預製合成、土地覆蓋圖、氣候、人口、地形等資料集（Nicolau 等, 2024, §3.2）。本節以 NASADEM 示範「怎麼找、怎麼讀、怎麼載入」；其他資料集做法相同，專題選題時依需要自行查閱。

一、資料集頁面要看的四件事

在 Code Editor 頂端搜尋列輸入關鍵字（例如 NASADEM），或到 https://developers.google.com/earth-engine/datasets 瀏覽：

欄位	要確認的內容
Earth Engine Snippet	可直接複製的 ID，並確認是 ee.Image（單幅）或 ee.ImageCollection（集合）。NASADEM 為 ee.Image('NASA/NASADEM_HGT/001')。
Bands	波段名稱、單位、值域與比例係數。NASADEM 的 elevation 單位為公尺，min／max 依此設定。
Dataset Availability	時間範圍。NASADEM 為單一時間點；Landsat、Sentinel 等集合會列出起迄日期。
Image Properties	影像屬性，是 filter 的依據。例如 Sentinel-2 的 CLOUDY_PIXEL_PERCENTAGE（雲量百分比），本週作業會用到。

二、載入並以調色盤顯示

palette 是一串顏色字串，最小值對應第一個顏色、最大值對應最後一個，中間依序漸變；只能用於單一波段 （Nicolau 等, 2024, §3.2.4, §3.2.6）。

// ee.Image：載入全球數值高程模型（單幅，不必 filter）
var nasadem = ee.Image('NASA/NASADEM_HGT/001');
print('NASADEM：', nasadem);  // 確認波段：elevation、num、swb
 
var demVis = {
  bands: ['elevation'],
  min: 0,
  max: 3000,
  palette: ['006633', 'E5FFCC', '662A00', 'D8D8D8', 'F5F5F5']
};
 
// Map.setCenter：置中於高雄（經度, 緯度, 縮放等級）
Map.setCenter(120.60, 22.90, 9);
Map.addLayer(nasadem, demVis, 'NASADEM 高程');  // 以綠—褐—白配色顯示高程

取消其他圖層，可看出高雄的地形分帶：西側嘉南平原尾端、中央的旗山與美濃丘陵、東北的玉山山脈南段。
玉山（3,952 m）超出 max 而顯示為最後一色；把 max 改為 4000 再看一次。
用 Inspector 記下旗津、鳳山、旗山、那瑪夏的高程。旗津與沿海的數值是「海岸線變遷」專題必須注意的（Nicolau 等, 2024, §3.2.6, Fig. 3.19；對應 Code Checkpoint F12g）。

課堂操作 3　自行搜尋 COPERNICUS/S2_SR_HARMONIZED，在腳本註解中記下四件事：(1) 是 Image 還是 ImageCollection；(2) B2、B3、B4、B8 的中心波長與空間解析度；(3) 反射率的比例係數；(4) CLOUDY_PIXEL_PERCENTAGE 的意義。這四項就是完成本週作業所需的全部資訊。

伍、分享腳本連結：權限設定

作業一律以腳本連結繳交。兩種分享方式的權限行為不同：

方式	做法	權限與限制
Get Link （本週採用）	按 Save → 按工具列 Get Link → 複製網址（形如 code.earthengine.google.com/xxxxxxxx）。	是「按下當時」的程式碼快照，任何有 Earth Engine 帳號的人都能開啟。之後修改腳本不會同步，改完須重新 Get Link。
分享儲存庫	Scripts 面板將滑鼠移到 GO402 儲存庫 → 齒輪圖示 → Share → 加入對方帳號並給 Reader。	對方看到最新版本，適合小組協作。忘記加入帳號時，教師開啟會出現 permission denied。

繳交前四項檢查　

先 Save，再 Get Link（順序顛倒會分享到舊版本）。
把連結貼到無痕視窗開啟，確認看得到程式碼且按 Run 能顯示地圖。
確認每個函式呼叫處都有 // 說明。
貼到 Google Classroom 本週作業的繳交欄位，不要貼在班級動態。教師無法開啟的連結視同未繳交。

注意　若腳本用到自己上傳的私有 Assets，對方仍看不到該資料，執行會失敗。本週作業只用公開資料集，不得使用私有資產。

陸、本週作業：繪製高雄的 Sentinel-2 多光譜影像

目標　新開腳本 w02_hw，從 Sentinel-2 地表反射率集合取出一幅雲量低、涵蓋高雄的影像，以真色彩與近紅外假色兩種合成顯示。

要求　

用 filterDate、filterBounds 與 ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 10) 篩選（日期自訂，建議 2024-11 至 2025-02），再用 first 取一幅；print 後在註解中寫下取像日期與雲量。
顯示真色彩（B4, B3, B2）與近紅外假色（B8, B4, B3），min／max 依課堂操作 3 查到的比例係數設定（一般用 0–3000）。
用 Inspector 點高雄的一處植生、一處水體、一處建成區，在註解中記下 B2、B3、B4、B8 的值，並以一句話說明植生為何在假色合成中呈紅色。
每個函式呼叫處都有 // 說明（第壹節規則）。
Save → Get Link → 依第伍節四項檢查 → 貼到 Google Classroom，下週上課前截止。

骨架如下，空白處（____）自行完成：

var pointKH = ee.Geometry.Point([120.30, 22.63]);  // ____
 
var s2 = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')  // ____
  .filterDate('____', '____')                             // ____
  .filterBounds(pointKH)                                  // ____
  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 10))    // ____
  .first();                                               // ____
print('Sentinel-2 影像：', s2);   // ____（取像日期：____，雲量：____ %）
 
Map.centerObject(s2, 11);   // ____
Map.addLayer(s2,            // ____
  { bands: ['B4', 'B3', 'B2'], min: 0, max: 3000 },
  '真色彩');
Map.addLayer(s2,            // ____
  { bands: ['____', '____', '____'], min: 0, max: 3000 },
  '近紅外假色');
 
// Inspector 記錄：植生 B2=__ B3=__ B4=__ B8=__；水體 …；建成區 …
// 植生在假色合成中呈紅色，因為 ____

提示　bands 清單依序送進紅、綠、藍三個色頻道；哪個波段的值相對最高，像元就偏向該頻道的顏色。真色彩把紅、綠、藍波段送進對應頻道，看起來如肉眼所見；近紅外假色把 B8 送進紅色頻道，健康植生因近紅外反射極強而呈鮮紅，水體因近紅外幾乎不反射而呈黑色（Howarth, 2024, §2.1.3–2.1.5）。第 3 週正式介紹三種合成與加色系統。

評分項目	內容	配分
篩選與載入	篩選條件正確、取出低雲量影像、日期與雲量註記完整	30
兩種合成	真色彩與近紅外假色皆正確、min／max 合理	30
Inspector 與說明	三類地物波段值完整、紅色成因說明正確	20
註解與繳交	函式呼叫處皆有 // 說明、連結可開啟、準時	20

課後自我檢核

Map.addLayer 的 min 與 max 作用是什麼？為什麼 Landsat SR 用 8000–17000、Sentinel-2 SR 用 0–3000？
ee.Image 與 ee.ImageCollection 有何不同？print 一個未篩選的 ImageCollection 為什麼會出錯？
filterDate、filterBounds、first 三者的順序可以互換嗎？
palette 為什麼只能用在單一波段？
Get Link 產生的連結，在之後修改腳本後還會更新嗎？

（參考答案要點：1. min 對應黑、max 對應白，中間線性拉伸；兩者的 DN 比例係數與值域不同。2. Image 是單幅多波段影像，ImageCollection 是許多 Image 的有序集合；print 會嘗試列出所有元素，超過 5000 個即中止。3. 兩個 filter 可互換，first() 必須最後。4. palette 是把一個數值對應一個顏色；三個波段時改用 RGB 頻道。5. 不會，連結是快照，修改後須重新 Get Link。）

下週預告

第 3 週實作：真色彩／假色合成與加色系統（Howarth, 2024, §2.1.3–2.1.5）、影像運算——select 取波段、波段算術、閾值與遮罩（Cardille 等, 2024, F2.0）。請先完成本週作業，並確認能在 Console 讀出 Sentinel-2 影像的 CLOUDY_PIXEL_PERCENTAGE。

參考資料

Cardille, J. A., Crowley, M. A., Saah, D., & Clinton, N. E. (Eds.). (2024). Cloud-based remote sensing with Google Earth Engine: Fundamentals and applications. Springer. https://doi.org/10.1007/978-3-031-26588-4（開放取用；全書亦可於 https://www.eefabook.org 免費閱讀；程式碼儲存庫 projects/gee-edu/book）

Gandhi, U. (2024). JavaScript and the Earth Engine API. In J. A. Cardille, M. A. Crowley, D. Saah, & N. E. Clinton (Eds.), Cloud-based remote sensing with Google Earth Engine: Fundamentals and applications (pp. 3–18). Springer. https://doi.org/10.1007/978-3-031-26588-4_1

Howarth, J. (2024). Exploring images. In J. A. Cardille, M. A. Crowley, D. Saah, & N. E. Clinton (Eds.), Cloud-based remote sensing with Google Earth Engine: Fundamentals and applications (pp. 19–39). Springer. https://doi.org/10.1007/978-3-031-26588-4_2

Nicolau, A. P., Dyson, K., Saah, D., & Clinton, N. (2024). Survey of raster datasets. In J. A. Cardille, M. A. Crowley, D. Saah, & N. E. Clinton (Eds.), Cloud-based remote sensing with Google Earth Engine: Fundamentals and applications (pp. 41–66). Springer. https://doi.org/10.1007/978-3-031-26588-4_3

Google. (n.d.). Earth Engine Data Catalog. https://developers.google.com/earth-engine/datasets（各資料集 ID、波段、比例係數與版本更新之查詢來源）

國立高雄師範大學地理學系　115 學年度第 1 學期｜GO402 遙測學與影像處理。本講義供修課學生使用。

02 探索影像與 GEE 衛星資料目錄