图像对象是具有相同整数值的连接像素集。分类、分箱和布尔图像数据适用于对象分析。
Google Earth Engine中使用唯一 ID 标记每个对象、计算构成对象的像素数以及计算与对象相交的像素值的统计数据的方法。例如以下的对象
connectedComponents()：用唯一标识符标记每个对象。connectedPixelCount()：计算每个对象中的像素数。reduceConnectedComponents()：计算每个对象中像素的统计量。
Thermal hotspots热点分析师门常见的一种分析，今天我们以凯文值作为参考筛选一些热点区域进行分析，城市热岛效应分析！
先看一下这次结果图形：
?用点建立的一个10000米的缓冲区，并作为自己的研究区域，然后再里面筛选热点区域。直接看代码：
// 设立一个你想研究的区域这里按照点建立缓冲区进行，你也可以加载你的矢量边界
var point = ee.Geometry.Point(-122.1899, 37.5010);
var aoi = point.buffer(10000);
// 加载影像选择波段裁剪研究区
var kelvin = ee.Image('LANDSAT/LC08/C01/T1_TOA/LC08_044034_20140318')
.select(['B10'], ['kelvin'])
.clip(aoi);
// 地图呈现
Map.centerObject(point, 13);
Map.addLayer(kelvin, {min: 288, max: 305}, 'Kelvin');
// 热点区域的选择，设置一个阈值，这里选择大于303K值的区域进行掩膜，然后重命名波段
//当然这里可以将K-273.5转化为摄氏度，这样就简单了
var hotspots = kelvin.gt(303)
.selfMask()
.rename('hotspots');
//最后加载你热点选择的区域
Map.addLayer(hotspots, {palette: 'FF0000'}, 'Hotspots');这个案例比较简单，大家可以尝试自己感兴趣的区域进行研究。
