GEE19：基于 Landsat 8 的常见植被指数逐年获取【去云&波段计算】

已于 2023-12-03 14:46:53 修改
阅读量1.3k 收藏 6
点赞数 3
分类专栏： 地学科研 文章标签： GEE javascript gis 植被指数 云计算 Landsat8 数据分析
于 2023-10-18 21:03:41 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/amyniez/article/details/133913911
版权
本文介绍了基于Google Earth Engine（GEE）使用Landsat 8数据计算常见的植被指数，如NDVI、EVI、RVI等，并讨论了如何处理异常值，尤其是云影导致的负值问题。文章强调了Landsat数据的免费、全球覆盖以及多波段特性在植被监测中的优势。
摘要由CSDN通过智能技术生成

植被指数逐年获取

1. 常见的植被指数

1.1 比值植被指数（Ratio vegetation index，RVI）

  RVI值的范围：0-30+，一般绿色植被区的范围是2-8，无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。
  RVI是绿色植物的敏感参数，可以及时反映出作物 LAI 的变化。植被覆盖度影响 RVI，当植被覆盖度较高时，RVI 对植被十分敏感；当植被覆盖度<50%时，这种敏感性显著降低。

1.2 归一化植被指数（Normalized Difference Vegetation Index，NDVI）

  NDVI可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件相关辐射照度变化的影响，常用于研究植被生长状态及覆盖度。
  NDVI在LAI值很高，即植被茂密时其灵敏度会降低。负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大࿱

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Jackson的生态模型
关注
专栏目录
订阅专栏
GEE：指数计算（NDVI、NBR、EVI、NDMI、NDSI、TC、NDFI、EBBI、VCI、BSI、NDBI、GRAY）
养乐多的博客
04-08 1万+
本文记录了，使用 Landsat 光学波段计算指数的方法和代码，包括NDVI、NBR、EVI、NDMI、NDSI、TC变化（绿度、亮度、湿度）、NDFI、EBBI、VCI等指数。
GEE案例：Landsat 5、7、8影像构建1985-2023年rsei生态遥感指数详细代码
此星光明博客
07-30 1252
rsei（Regional Silviculture Ecological Index，地区林业生态指数）是一种生态遥感指标，用于评估森林生态系统的健康状况和生态服务。构建1985-2023年的rsei生态遥感指，主要需要使用Landsat 5、7和8的遥感影像数据。以下是一种可能的构建方法：1. 数据获取：从美国地质调查局（USGS）或其他可靠数据提供商处获取Landsat 5、7和8的遥感影像数据。确保选择的影像具有适当的空间和时间分辨率，以覆盖所需的时间段。
GEE实战 | 各种指数分析(植被、水体、建筑)
热门推荐
小鱼干的博客
03-07 1万+
GEE实战 | 各种水体指数分析NDWI VS MNDWI NDWI MNDWI
基于Landsat 1-8提取点或区域的覆盖度
最新发布
weixin_44021581的博客
09-13 757
植被覆盖度（fractional vegetation coverage）是一些生态水文过程模型的重要输入参数，本文的主要目的是提取年均覆盖度的时间序列，以约束生态水文模型。
Google Earth Engine(GEE)——计算相关植被指数
weixin_48048649的博客
02-03 1310
相关植被指数等列表曲线。
Google Earth Engine（GEE）计算雷达植被指数RVI
guaicaicexu的博客
07-08 3174
今天来分享下如何在GEE中计算雷达植被指数，
GEE计算时间序列植被指数-以哨兵2数据计算MTCI指数为例+多点像元时间序列值提取
weixin_43347033的博客
03-14 1552
GEE计算时间序列植被指数-以哨兵2数据计算MTCI指数为例
GEE5：kNDVI植被指数的获取
amyniez的博客，欢迎交流讨论
10-26 7141
kNDVI具有更好的性能，kNDVI将允许更准确地测量陆地碳源/汇的动态，以及稳定大气二氧化碳值和减缓全球气候变化的潜力。目前对该指数的使用比较少，之前主要集中在EVI的使用。
【数据挖掘】Landsat8时间序列线性插值获取NDVI指数
amyniez的博客，欢迎交流讨论
05-03 451
今天分享一个对Landsat8数据进行线性插值并提取NDVI的方法。我想有很多人对遥感数据质量都有很大的困惑，主要是由于气候或者遥感探测器本身的影响，而导致部分时间段的遥感数据质量较差，所以，我们使用的线性插值的方法以提升遥感数据质量。
Google Earth Engine——Landsat 4/5/7/8/9 +Sentinel-1数据融合分析（逐年数据融合导出）
此星光明博客
06-07 870
Landsat和Sentinel-1是两种不同的遥感数据源，分别提供了不同的信息。Landsat是一种光学传感器，提供高分辨率的可见光和红外波段图像，适用于地表覆盖分类、土地利用变化监测等应用。Sentinel-1是一种合成孔径雷达（SAR）传感器，可以提供全天候、全天时、高分辨率的雷达图像，适用于地表形变监测、水体变化检测等应用。将Landsat和Sentinel-1的数据进行融合可以获得更全面、准确的地表信息。
Google Earth Engine（GEE）——Landsat5，8，9长时间序列不同地类（值提取至点）ndvi，ndbi等指数提取（1985-至今）
此星光明博客
06-05 1702
本次实验主要的目的是实现长时间序列不同地类的统计和分析，另外我们可以通过长时序影像的统计获取NDVI等指数的最大最小的增长幅度和差异，本文为特定点的筛选，也就是没有发生地类变化的点的筛选，后续主要想通过差异统计来实现阈值的提取，从而实现单一年份选点后的影像分类，从而减少每一期影像选点进行土地分类的重复话工作。计算NDVI时间序列：使用特定的软件，例如ENVI或ERDAS IMAGINE，计算NDVI时间序列。从而确定地类的变化。您好，根据您的问题，我理解您想要了解长时序NDVI指数分析的方法和步骤。
GEE学习笔记4：Sentinel 2 植被指数计算
晚秋的专栏
12-24 9903
一、Sentinel 2 植被指数计算 从GEE数据集导入的数据 //2. RVI function s2_rvi(image){ var rvi = image.expression('NIR / RED', { 'NIR' : image.select('B8'), 'RED' : image.select('B4') }).float(); return image.addBands(rvi.rename("S2_RVI")); } ​ //3. ...
使用GEE计算多种时序植被指数/建筑指数/水体指数
m0_71243797的博客
02-20 2541
使用 Landsat5 数据从头开始计算
GEE学习笔记3：Landsat8 植被指数计算
晚秋的专栏
12-24 6963
一、Landsat8 植被指数计算 从GEE数据集导入的数据 // NDVI function L8_ndvi(image){ return image.addBands(image.normalizedDifference(['B5', 'B4']).rename("L8_NDVI")); } // RVI function L8_rvi(image){ var rvi = image.expression('NIR / Red', { 'NIR': image.selec
地表反射率、温度以及植被指数的计算
weixin_46420698的博客
08-11 1万+
1.初步掌握使用定量遥感方法反演地表反射率、地表温度和植被指数的方法。 2.深入认识在 ENVI FLAASH 中 MODTRAN 算法的主要内容。 3.深入认识几种常见土地覆盖类型所具有的反射率、温度和植被指数的参数特征。......
Google Earth Engine ——LANDSAT8系列8天32天年合成数据EVI数据集
此星光明博客
09-25 1416
These Landsat 8 composites are made from Level L1T orthorectified scenes, using the computed top-of-atmosphere (TOA) reflectance. SeeChander et al. (2009)for details on the TOA computation. As of May 1, 2017, the USGS is no longer producing Pre-Collecti..
Google Earth Engine（GEE）——利用Landsat卫星影像计算EVI数据并下载以山西省为例
此星光明博客
03-24 3242
这里简单说明以下本次适用的数据是Landsat系列，但是Landsat系列卫星中常用的数据包含地表反射率数据SR和大气层顶反射数据，这里面用到的去云方法是不一样的，所以大家要根据所选择的系列影像去采取不同的去云方法，本次案例我们以Landsat SR数据为实验目标。 之前关于去云的文章请参考： (452条消息) Google Earth Engine（GEE）——Landsat 8TI/TOA/SR影像对比分析区别和去云即NDVI计算_此星光明2021年博客之星云计算Top3的博客-CSDN博客 第一
GEE指数——绿色覆盖指数Green Coverage Index (GCI)的计算
此星光明博客
01-16 1462
绿色覆盖指数（GCI）是另一种可用于植被研究的指数，是对传统 NDVI 的补充。它是一种新的植被指数，与其他相关指数一起，可帮助您评估植被的健康状况，并只突出那些由植物结构形成的要素。通过波段之间的简单关系，您可以在 ArcGIS、QGIS、gvSIG、SNAP、ENVI 或 LEOworks 等环境中计算 GCI。Green Coverage Index (GCI) 是一个衡量城市绿化覆盖率的指标。它通过评估城市中的绿地面积和绿化质量来衡量城市的环境可持续性和生态健康状况。
使用Google Earth Engine (GEE) 在Python中计算归一化植被指数（NDVI）
TpjtRuby的博客
09-18 833
在这篇文章中，我们将使用Google Earth Engine（GEE）和Python编程语言来计算NDVI，并展示如何从卫星图像中提取植被信息。通过使用GEE的强大功能和Python的灵活性，我们可以轻松地从卫星图像中提取有关地表植被的信息。在上述代码中，我们使用了Folium库来创建一个交互式地图，并使用addLayer函数将计算得到的NDVI图层添加到地图中。较高的NDVI值对应着更密集的植被覆盖，而较低的值则表示较少的植被。现在，我们可以使用刚刚定义的函数计算NDVI，并将结果可视化。
GEE平台Landsat5 SR影像去云与NDVI计算教程
简称GEE）平台进行Landsat 5卫星传感器的表面反射率（Surface Reflectance，简称SR）影像数据的去云处理以及归一化植被指数（Normalized Difference Vegetation Index，简称NDVI）的计算。" 知识点： 1. Landsat 5...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Jackson的生态模型

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值