Google Earth Engine（GEE）——基于s2影像的实时全球10米土地利用/土地覆盖（LULC）数据集

// 构建一个相应的动态世界和Sentinel-2的集合，以供检查。按地区和日期过滤DW和S2的集合。
var COL_FILTER = ee.Filter.and(
    ee.Filter.bounds(ee.Geometry.Point(20.6729, 52.4305)),
    ee.Filter.date('2021-04-02', '2021-04-03'));
//两个数据集按照同样的结果进行筛选
var dwCol = ee.ImageCollection('GOOGLE/DYNAMICWORLD/V1').filter(COL_FILTER);
var s2Col = ee.ImageCollection('COPERNICUS/S2').filter(COL_FILTER);

// 加入相应的DW和S2图像（通过系统：索引）。
var DwS2Col = ee.Join.saveFirst('s2_img').apply(dwCol, s2Col,
    ee.Filter.equals({leftField: 'system:index', rightField: 'system:index'}));

// 提取一个DW图像的例子和它的来源S2图像。
var dwImage = ee.Image(DwS2Col.first());
var s2Image = ee.Image(dwImage.get('s2_img'));

//创建一个将DW类标签与概率相融合的可视化。定义DW LULC标签和颜色的列表对。
var CLASS_NAMES = [
    'water', 'trees', 'grass', 'flooded_vegetation', 'crops',
    'shrub_and_scrub', 'built', 'bare', 'snow_and_ice'];

var VIS_PALETTE = [
    '419BDF', '397D49', '88B053', '7A87C6',
    'E49635', 'DFC35A', 'C4281B', 'A59B8F',
    'B39FE1'];

// 在[0, 1]上创建一个标签（最可能的类别）的RGB图像。
var dwRgb = dwImage
    .select('label')
    .visualize({min: 0, max: 8, palette: VIS_PALETTE})
    .divide(255);

// 获得最可能的分类概率。
var top1Prob = dwImage.select(CLASS_NAMES).reduce(ee.Reducer.max());

// 在[0, 1]上创建一个最可能的类别概率的山形图。
var top1ProbHillshade =
    ee.Terrain.hillshade(top1Prob.multiply(100))
    .divide(255);

// 将RGB图像与丘陵地带结合起来。
var dwRgbHillshade = dwRgb.multiply(top1ProbHillshade);

// 用源Sentinel-2图像显示动态世界的可视化。
Map.setCenter(20.6729, 52.4305, 12);
Map.addLayer(
    s2Image,
    {min: 0, max: 3000, bands: ['B4', 'B3', 'B2']},
    'Sentinel-2 L1C');
Map.addLayer(
    dwRgbHillshade,
    {min: 0, max: 0.65},
    'Dynamic World');