【数据挖掘】基于GEE平台按采样点提取Landsat 植被指数时间序列秘籍

已于 2024-05-27 08:47:24 修改
阅读量109 收藏
点赞数 1
分类专栏： 地学科研 文章标签： 数据挖掘 javascript GEE NDVI 时间序列 数据提取 遥感
于 2024-05-26 21:58:44 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/139221474
版权

这里写自定义目录标题

1. 写在前面

  🚀大家好，今天我要分享的是如何使用Google Earth Engine (GEE) 平台，针对特定的采样点，提取LANDSAT 8卫星数据中的植被指数时间序列。本代码主要包括三种植被指数：NDVI、EVI和NDPI。

2. GEE代码

🔍🔍 本代码以山东省为例，提取2023年1月1日到2023年10月1日时间段的逐日遥感影像：

var table = ee.FeatureCollection("users/cduthes1991/boundry/China_province_2019")
              .filter(ee.Filter.
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
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
Google Earth Engine（GEE）——提取1985-2022年Landsat5/7/8不同土地分类样本点的影像值（reduceRegions）
qq_31988139的博客
06-14 1320
影像值提取至点的具体操作流程一般如下：打开遥感影像。选择点数据集，打开或添加需要提取像素值的点图层。如果没有点数据集，可以手动创建一个点图层。确认点数据集和影像的投影坐标系、数据范围等信息是否相同，如果不同需要进行投影转换。选择提取像素值的方法，常用的有点采样、领域平均、反比例加权等。根据选择的方法，设置提取像素值的相关参数，比如点的半径、权重、颜色通道等。开始提取像素值，程序会自动计算每个点的像素值，并将结果保存在点图层的属性表中。可以根据提取结果进行进一步的数据分析和处理。
基于决策树模型的安义县油菜花种植面积提取
renyuan_99的博客
11-12 920
利用物候差异与面向对象决策树提取油菜种植面积
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）
qq_31988139的博客
06-05 1498
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好文推荐——利用样本点迁移方法快速实现全球范围内1984年至今基于Landsat影像的土地分类
qq_31988139的博客
12-13 1524
长时间系列土地覆盖分类信息是对城市扩张、植被变化和碳循环等方面的科学研究的基础。云计算平台的快速发展，如谷歌地球引擎（GEE），以及从陆地卫星和哨兵-2中对多源卫星图像的访问，使机器学习算法在图像分类中的应用成为可能。在此，我们使用随机森林算法，基于从2022年获得的图像中选择固定的土地分类样本点，以及样本点的年光谱差异，快速实现不同尺度的时间序列土地覆盖分类。利用合成孔径雷达（SAR）和数字高程模型（DEM）等多源遥感数据，提高了分类精度。
基于GEE云平台Landsat 8 TOA影像的冰雪覆盖代码（NDSI指数）.txt
04-01
以下是基于GEE云平台Landsat 8 TOA影像进行冰雪覆盖分析的流程介绍： 导入Landsat 8 TOA影像：使用GEE的内置函数导入您感兴趣的Landsat 8 TOA影像数据集。您可以通过指定时间范围、地理范围等条件来选择您想要分析的...
基于GEE平台的在线工具Landsat时间序列动画EE-TS-GIF.zip
09-27
操作流程：在GEE上的任何地方画一个矩形 记录应用信息：开始和结束年份、GIF 中心纬度和经度以及宽度（公里）。 下载生成的 GIF 第 2 步：转到Snazzy-EE-TS-GIF 应用 从以前的应用上传 GIF 输入来自上一个应用的信息...
基于GEE云平台实现NDWI水体提取并计算面积覆盖代码.txt
04-06
基于GEE云平台实现NDWI水体提取并计算面积覆盖代码，所使用的数据是LANDSAT/LC08/C02/T1 NDWI数值范围 NDWI (Normalized Difference Water Index) 的数值范围在-1到1之间。数值越接近1表示水体的可能性越高，数值越...
GEE平台LULC分类_landsat8__LULC_gee_GEE平台_gee分类
09-11
基于Landsat8卫星影像数据，在GEE平台中的监督分类
ndvi.zip_GEE怎样计算NDVI_NDVI_gee landsat_植被_植被覆盖度
07-15
基于GEE计算landsat 的植被覆盖度
base上海，数据科学，数据挖掘，数据分析等岗位求收留
帅帅de三叔
06-10 1487
裁员了，base上海，数据科学，数据挖掘，数据分析等岗位，
数据仓库与数据挖掘实验练习题
qq_64684039的博客
06-12 988
1. 使用超级英雄列表来填充一个新的 Series 对象。2. 使用力量元组来填充一个新的 Series 对象。3. 创建一个 Series，将超级英雄作为索引标签，力量等级作为值。将这个 Series 赋值给 heroes 变量。4. 提取 heroes Series 的前两行。5. 提取 heroes Series 的最后四行。6. 确定 heroes Series 中唯一值的个数。7. 计算 heroes 中超级英雄的平均力量。8. 计算 heroes 中的最大和最小力量。
机器学习-14-重温经典的用户流失数据挖掘竞赛(实战)
qq_20466211的博客
06-10 295
逻辑回归、支持向量机等
决策树 #数据挖掘 #Python
__forward--的博客
06-12 893
决策树是一种常用的机器学习算法，它通过模拟人类做决策的过程，构建一棵树状模型来进行预测和分类。在每一步中，决策树会基于特征对数据集进行划分，形成一系列节点，直到达到某个停止条件，如达到最大深度或所有样本属于同一类别。
【SCAU数据挖掘】数据挖掘期末总复习题库选择题及解析
weixin_53762564的博客
06-10 1086
通过选择协方差矩阵中特征值较大的特征向量（即主成分），可以构建出最优投影子空间，将数据投影到这个子空间上后，就可以消除模式特征之间的相关性，并突出差异性。在这种方法中，使用一个特殊码（通常是9、99、999等）来代表无效值和缺失值，同时保留数据集中的全部变量和样本，是一种保守的处理方法，最大限度地保留了数据集中的可用信息。NB的核心在于它假设向量的所有分量之间是独立的。C. 对于每个数据点，都需要进行O(k)次距离计算（其中k是聚类的数量），所以总体复杂度是O(nkd)，其中d是数据的维度。
[Vue-常见错误]浏览器显示Uncaught runtime errors
一个喜欢什么都研究一下的小小后端程序员
06-09 404
在vue.config.js中配置关闭Uncaught runtime errors显示。
JS中一个dom元素能绑定多少事件
ggq53219的博客
06-10 569
在JavaScript中，一个DOM元素可以绑定的事件数量并没有明确的限制，这主要取决于浏览器的实现和内存限制。然而，在实际应用中，为同一个DOM元素绑定过多的事件监听器可能会导致性能问题，尤其是在事件处理函数执行复杂操作的情况下。总之，虽然JavaScript中DOM元素可以绑定的事件数量没有明确的限制，但在实际应用中应注意避免过度绑定和优化事件处理函数，以确保良好的性能和用户体验。
基于JavaScript 如何实现爬山算法以及优化方案
乐闻世界
06-10 1438
爬山算法（Hill Climbing Algorithm）是一种常见的启发式搜索算法，常用于解决优化问题。其核心思想是从一个初始状态出发，通过逐步选择使目标函数值增大的邻近状态来寻找最优解。接下来，我们将通过 JavaScript 实现一个简单的爬山算法，帮助大家理解其原理和应用。从一个初始状态开始。评估当前状态的目标函数值。在当前状态的邻居中选择一个目标函数值更大的状态。如果找到了更优的邻居，则移动到该邻居并重复步骤2和步骤3。如果没有更优的邻居，则算法结束，当前状态即为局部最优解。
HTML入门教程：深度解析HTML，开启你的前端技术之旅
最新发布
zhangwenok的博客
06-14 1276
HTML（HyperText Markup Language，超文本标记语言）是前端开发的基础，它负责构建网页的结构和内容。作为前端技术栈的基石，HTML的掌握程度直接影响到网页的开发效率和用户体验。本教程将带你从零开始，逐步深入了解HTML的各个方面，帮助你打下坚实的前端技术基础。HTML是一种用于创建网页的标准标记语言，它通过一系列的元素（elements）和标签（tags）来定义网页的结构和内容。HTML文档由一系列的元素组成，这些元素通过标签来标识。
GEE中对于已有的植被指数用林地数据按淹没提取代码
05-25
以下是在GEE中对于已有的植被指数用林地数据按淹没提取的代码示例： 首先，导入需要的卫星影像和矢量数据，例如： ```javascript var image = ee.Image('MODIS/006/MOD13A2/2014_01_01'); var forest = ee.FeatureCollection('users/username/forest_mask'); ``` 接着，使用以下代码按照淹没区域对植被指数进行裁剪： ```javascript // 计算淹没区域 var water = ee.Image('JRC/GSW1_0/GlobalSurfaceWater').select('occurrence'); var waterMask = water.gt(90).unmask(0).clip(forest); // 对植被指数进行裁剪 var vi = image.select('NDVI'); var viMasked = vi.updateMask(waterMask); var viForestMasked = viMasked.clip(forest); ``` 这段代码首先计算了全球表面水体数据集中水体的出现频率，并根据阈值（这里是90）创建淹没区域的遮罩。然后，使用该遮罩将植被指数图像进行裁剪，并使用林地数据集对其进行更精细的裁剪。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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