时间序列求标准差：
每一时刻变量值与变量均值之差再平方，求得一个数值，再将每一时刻这个数值相加后求平均，再开方。
1、change_divided我改成了月合成。然后想要试着剔除异常值，代码写好了发现分辨率500m的数据有问题：1000m分辨率数据导出是没问题的（像元的值呈正态分布），但是500m分辨率的数据有80%的像元的值都分布在同一个狭小的区间内，如（-0.1， 0.1）。正常来说1000m的数据呈现正态分布说明数据本应没问题。
求助了AI，它说可能是500m的分辨率超出了数据的原始分辨率,导致重采样时出现失真和噪声。于是我发现制作的作物底图的分辨率是大于500m（但原始数据的分辨率正好是500×500m）：
然而导出的相对变化率的分辨率小于500m：
于是对作物底图重采样至第二张图的500m，用的是最邻近法。
“重采样的图像必须有投影坐标系，因为只有投影后的平面坐标才有米这种长度单位，地理坐标系是用度分秒这样的角度单位来度量的。”
ArcGIS操作系列（一）之地理配准_为什么要进行地理配准_GIS之路的博客-CSDN博客
最终解决方法！！！把小于-1、大于1的值全部设置成NAN【指导：ENVI里的波段运算-1>b1<1,可以搞定，把异常值压缩到-1或1（比如说识别到1000自动赋值为1，-100自动赋值为-1），其他软件应该也有类似的语法运算功能。处理遥感直方图两侧的异常值是经常要做的事情，很常见】
arcgis怎么把一个栅格数据value不为0的像元全部赋值变为1
栅格计算器：Con(数据, 1, 0)
2、（0502更新）MCD43A4数据集似乎有质量问题（下图是band6），质量控制后也很奇怪。决定不用这个数据集。
MCD43A4的质量控制代码【.map(maskclouds)放在map(getNBARVIs)之前】👇
function maskclouds(image) {
var q1 = image.select('BRDF_Albedo_Band_Mandatory_Quality_Band1');
var q2 = image.select('BRDF_Albedo_Band_Mandatory_Quality_Band2');
var q6 = image.select('BRDF_Albedo_Band_Mandatory_Quality_Band6');
var Mask1 = 1 << 0;
var mask1 = q1.bitwiseAnd(Mask1).eq(0);
var mask2 = q2.bitwiseAnd(Mask1).eq(0);
var mask6 = q6.bitwiseAnd(Mask1).eq(0);
var mask = mask1.and(mask2).and(mask6);
return image.updateMask(mask);
}参考论文：
- EI那篇，用了SG滤波。NDVI用的MOD13A3（月），LSWI用的MOD09A1（8天？）。先转换为地理坐标、重采样、8天变为月尺度取平均。
- GCB那篇，NDVI是AVHRR的数据，EVI用的MOD13C1（0.05° 16天），用QA对EVI质量过滤。
对anomaly归一化，以比较SIF和VI的空间动态。
热胁迫的时空动态：1）时间上：与温度时间序列在16天上响应幅度的对比。2）空间上：2、3、4、5月份——温度的空间格局，VI归一化异常的空间格局。
统计遭受不同程度胁迫的区域占比。然后单独看SIFyield的anomaly在２－５月的空间分布（非归一化，值在－３到３）
- ERL蒙古高原那篇，EVI数据来自MOD13A3，月合成，分辨率1km；对anomaly标准化了。
- water那篇，NDVI用的MOD13Q1，LSWI用的MOD09A1，月合成
总结：MOD13A3：16d。NDVI和EVI（GCB用的MOD13C1）。
MOD09A1：8d。 LSWI和NIRv。
分别质量控制后月合成（参考博文：file:///C:/Users/%E4%BA%A6%E5%BF%83/Documents/tencent%20files/2740306286/filerecv/mobilefile/%E9%80%89%E6%8B%A9%E6%B5%8F%E8%A7%88%E5%99%A8%E6%89%93%E5%BC%80127006292.html
GEE（Google earth engine）QA质量波段控制去云——以MCD15A3H与MOD09GA为例
Google Earth Engine(GEE)实例代码学习三十七——MODIS地表反射率（MOD09GA）去云处理 - 点击领取
//'SummaryQA'quality control
function maskclouds(image) {
var qa = image.select('SummaryQA');
var Mask1 = 1 << 0;
var mask = qa.bitwiseAnd(Mask1).eq(0);
var Mask2 = 1 << 1;
var Mask = qa.bitwiseAnd(Mask2).eq(0);
mask = mask.and(Mask);
return image.updateMask(mask);
}
function rmCloud(image) {
//修改了这一行代码就可以了
var cloudState = (1<<10);
var cloudBitMask = (1 << 2);
var SnowBitMask = (1 << 15);
var qa = image.select("StateQA");
var mask = qa.bitwiseAnd(cloudState).eq(0).and(qa.bitwiseAnd(cloudBitMask).eq(0)).and(qa.bitwiseAnd(SnowBitMask).eq(0));
return image.updateMask(mask);
}
更新：0508
【MCD数据集的7sheng的 lswi 8月是正的。。。MOD 09和13的NDVI计算结果相似，09的变化更显著些，但是LSWI表现都不突出，服了】
【我还尝试了不用相对变化率，用标准化anomaly。理想结果是大部分分布在绝对值2左右，结果均值只有0.3左右。】
思考：安徽、江苏北部的冬小麦是夏季VI上升的主要原因。但冬小麦在6月份已经基本收割，不该叠加小麦啊……
一季稻开花抽穗，造成水稻结实率降低、空秕粒增加、灌浆期缩短、千粒重下降；玉米出现秃尖和缺粒。晚稻长势弱、灌浆进度缓慢，水稻等秋粮作物处于灌溉需水关键期
中稻是目前受旱情影响最大的主粮。长江流域一般种一季稻和双季稻，其中双季稻分早稻晚稻接替播种，播种期介于两者之间的一季稻称为中稻。8月中旬开始，南方中稻陆续进入抽穗扬花期，对温度、水分敏感，高温干旱将导致花粉活性下降，严重影响产量。
8月中旬，一季稻处于拔节至孕穗期，部分早熟品种处于抽穗扬花至灌浆结实期，双季晚稻处于返青分蘖期，高温热害影响明显。持续高温会加快幼穗分化进程，影响大穗形成；倒2叶期之后遇到持续38℃以上高温，容易引起部分品种颖花退化，尤其是处于抽穗扬花期的水稻，持续35℃以上高温有可能显著降低结实率。
持续高温危害一季稻开花抽穗，造成水稻结实率降低、空秕粒增加、灌浆期缩短、千粒重下降；高温干旱叠加导致土壤持续缺墒，玉米出现秃尖和缺粒，大豆结荚率降低，棉花落铃增加，茶叶、柑橘、油茶等特色作物品质及产量受到影响。安徽、湖北、江西、湖南、福建等地因旱情持续或发展，导致无水源保障地区的晚稻长势弱、灌浆进度缓慢，影响棉花裂铃吐絮、柑橘果实膨大及果实着色。此外，持续干旱也影响了油菜、蔬菜等作物的秋播工作。
8 月中下旬是长江中下游地区秋粮及秋收作物产量形成的关键期，在灌溉条件比较差的地区，晚稻孕穗、抽穗以及灌浆均受到不利影响，出现萎蔫、卡穗、结实率下降等状况；玉米、大豆等作物结实率、粒重也明显下降；棉花的产量和纤维品质也受影响严重，蕾铃脱落增加，成铃减少、早衰；对蔬菜播种和移栽油菜的播种育苗等秋种工作也产生一定影响；持续高温少雨还影响到柑橘、柚子、脐橙等水果的产量和品质，果实明显偏小。[论文]
“对高温热害造成结实率下降的中稻，要抓住有限的灌浆时间，科学增施穗粒肥，喷施叶面肥，增强光合作用和灌浆速率，努力增加粒重，弥补结实率下降损失；双季晚稻正处于拔节孕穗期，重点要防范可能发生的伏秋连旱，提前做好抗旱工作预案，提早调度储备水源，适时增施孕穗肥，落实大水孕穗、有水抽穗、寸水促穗、湿润壮粒等水分管理措施，促进生长发育；南方高温区的玉米，要针对水分和养分消耗大的问题，落实“一喷多促”等稳产增产措施。同时，蔬菜、水果、茶叶等作物也要针对高温热害和干旱影响，落实好抗灾减损措施。”
7号发现问题：
var ndvi_max_mean = MultiMean.filterMetadata('month', 'equals', 8) .first().select('lswi_max_mean')
var A = change.filterMetadata('month', 'equals', 8).first().select('lswi_max_mean')
var m = A.get('month');
var B = A.divide(ndvi_max_mean).set('system:time_start', ee.Date.fromYMD(year, m, 1)).set('month', m) 这个代码是计算8月份的相对变化率，GEE中print出的图显示ndvi_max_mean数值是0.315，A是-0.013，但是打印出的B是0.613。而对应在arcgis中，A、B都为正值且B的数值也和GEE不同。我认为B应该是-0.013/0.315，即使数值不同它也应该是个负值。
指导1：分子或分母上存在0值或其他背景值吗
指导2：把每一次筛选都分开输出一次看看结果；把前面的变量像change也print一遍。
回复1：我分别输出了，A在arcgis里打开平均值是0.00158，在GEE里ee.Reducer.mean()的图像显示是-0.013，为啥这俩是不一样的呢？
指导3：那可能是计算涉及的像元数不太一样，你创建两个栅格导入进去再看看和gis运算的一不一样。意思是：自己用gis创建两个4×4的栅格，你可以创建渔网（arcgis软件arcmap中如何创建渔网-百度经验）再点转栅格，然后对比下用gee和gis计算平均值的结果差异。如果不一样的话可能是对边缘像元的处理不太一样导致的。如果确实是差异，可能要用一个标准的栅格去把周围的一圈mask掉，可以gis弄好导进GEE，计算前mask一次。
思考：可能是看错了，并不存在差异
448
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
