Google Earth Engine（GEE）基于哨兵数据计算植被覆盖度—以宁夏为例

最新推荐文章于 2025-02-11 19:24:33 发布

生态遥感监测笔记

最新推荐文章于 2025-02-11 19:24:33 发布

阅读量3.9k

点赞数 7

分类专栏：笔记文章标签： java 开发语言

本文链接：https://blog.csdn.net/guaicaicexu/article/details/125523601

版权

笔记专栏收录该内容

22 篇文章

订阅专栏

本文介绍了如何在Google Earth Engine中利用Sentinel-2卫星数据计算宁夏地区的植被覆盖度，并通过分级制图展示结果。作者分享了过滤云层、计算NDVI、制作FVC分级地图的详细步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

今天来分享一下如何在GEE中基于哨兵二号数据计算植被覆盖度，并分级制图。

以宁夏回族自治区为研究区

代码如下：


var roi = ee.FeatureCollection("users/lilei655123/Ningxia");
Map.centerObject(roi,7)
//boundary
var styling = {color:"red",fillColor:"00000000"};
Map.addLayer(roi.style(styling),{},"geometry")
function maskS2clouds(image) {
  var qa = image.select('QA60');

  // Bits 10 and 11 are clouds and cirrus, respectively.
  var cloudBitMask = 1 << 10;
  var cirrusBitMask = 1 << 11;

  // Both flags should be set to zero, indicating clear conditions.
  var mask = qa.bitwiseAnd(cloudBitMask).eq(0)
      .and(qa.bitwiseAnd(cirrusBitMask).eq(0));

  return image.updateMask(mask).divide(10000);
}

var S2 = ee.ImageCollection('COPERNICUS/S2_SR')
                  .filterDate('2021-07-01', '2021-09-30')
                  .filterBounds(roi)
                  // Pre-filter to get less cloudy granules.
                  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE',10))
                  .map(maskS2clouds)
                  .median();

//ndvi
    var NDVI1 = S2.expression('(NIR-R)/(NIR+R)',{
       'R': S2.select(['B4']),
       'NIR': S2.select(['B8']),
})


 var imgFVC = ((NDVI1.subtract(ee.Image(0.05))).divide((ee.Image(0.95)).subtract(ee.Image(0.05)))).float();
  var FVC=((imgFVC.lt(0)).multiply(0))
  .add(((imgFVC.gt(0)).and(imgFVC.lte(1))).multiply(imgFVC))
  .add((imgFVC.gt(1)).multiply(1))

var FVC_Class=FVC.where(FVC.lt(0.2),1)
                 .where(((FVC.gte(0.2)).and(FVC.lt(0.4))),2)
                 .where(((FVC.gte(0.4)).and(FVC.lt(0.6))),3)
                 .where(((FVC.gte(0.6)).and(FVC.lt(0.8))),4)
                 .where(FVC.gt(0.8),5)

Map.addLayer(FVC_Class.clip(roi),{min:1,max:5,palette:['DCDCDC','FFEBCD','99B718','529400','011301']},'FVC_Class')
var visualization = {
  min: 0.0,
  max: 0.3,
  bands: ['B4', 'B3', 'B2'],
};
Map.addLayer(S2.clip(roi), visualization, 'RGB');

显示结果如下：
在这里插入图片描述

感谢关注，欢迎转发！