利用GEE获取区域NDVI

GEE与NDVI的解释

1、GEE

Google Earth Engine（GEE）是由谷歌开发的一款强大的地理信息处理平台，它可以用于大规模地理空间数据的存储、分析和可视化。以下是 GEE 的一些主要特点：
大规模计算能力：GEE 提供了大规模并行计算的能力，允许用户在全球范围内处理庞大的地理信息数据集。
多源数据集集成：GEE 整合了来自多个卫星、传感器和数据提供商的地理信息数据，包括遥感影像、气象数据、地形数据等。
JavaScript 编程接口：用户可以使用 JavaScript 编写脚本，利用 GEE 提供的丰富 API 进行地理空间数据的处理和分析。
遥感数据处理：GEE 提供了丰富的遥感图像处理功能，包括图像合成、分类、变化检测等。
空间分析：GEE 支持各种空间分析方法，如缓冲区分析、空间查询等。
时序数据分析：GEE 可以处理时间序列数据，方便用户进行时序分析，比如 NDVI 时间序列分析等。
可视化和图表展示：GEE 提供了地图显示功能，可以将分析结果以地图或图表的形式展示出来。
共享和发布：用户可以将自己的脚本、数据和分析结果共享给其他人，也可以将结果发布为 Web 应用。
免费访问和使用：GEE 提供了免费的基本访问权限，同时也有一些高级功能需要购买额外的许可证。
GEE 在许多领域都有广泛的应用，包括环境科学、农业、林业、城市规划等。它为研究人员、政府部门、环保组织等提供了一个强大的工具，用于处理和分析地理信息数据，从而支持科学研究和环境保护工作。

2、NDVI

归一化差异植被指数（Normalized Difference Vegetation Index，NDVI）是一种用于评估植被覆盖程度和生长状况的遥感指数。它是由美国科学家罗伯特·朗根（Robert R. Ranson）提出的。
NDVI 利用遥感影像中的红光和近红外波段的反射率来计算，公式如下：

其中：NIR 代表近红外波段的反射率。RED 代表红光波段的反射率。
NDVI 值的范围从 -1 到 +1，其解释如下：
-1 到 0：代表非常稀疏的植被或无植被区域，比如沙漠、岩石等。
0：代表没有植被，比如水体、城市等非植被区域。
0 到 +1：表示植被覆盖度增加，值越高表示植被越茂盛，+1 表示非常茂盛的植被。

通常来说，以下是一些 NDVI 值的一般解释：
-1.0：无植被
0.0 - 0.1：稀疏植被
0.2 - 0.5：中等植被
0.6 - 0.9：浓密植被
+1.0：非常浓密的植被
NDVI 在农业、林业、生态学、地质学等领域都有广泛的应用，可以用于监测植被的生长状况、变化检测、土地利用分类等。

利用GEE获取区域NEVI——以孔雀河流域为例

GEE编程界面：

利用MODIS卫星获取NVDI数据代码如下，shp文件首先需要上传到Assests中，这段代码会生成指定区域的NDVI的tif文件，文件会保存在谷歌云盘中：

// 加载指定的 Shapefile
var shp = ee.FeatureCollection('projects/ee-pengbr3003/assets/Kongquehe_watershed');

// 定义一个函数，用于计算NDVI并将其作为属性添加到Feature中
var addNDVI = function(feature) {
  var geometry = feature.geometry();
  var startDate = '2021-01-01';  // 替换为开始日期
  var endDate = '2021-12-31';  // 替换为结束日期

  var modisNDVI = ee.ImageCollection('MODIS/006/MOD13A1')
    .filterDate(startDate, endDate)
    .select('NDVI');

  var ndvi = modisNDVI.mean().clip(geometry);

  return feature.set({NDVI: ndvi});
};

// 使用函数处理Shapefile中的每个Feature
var shpWithNDVI = shp.map(addNDVI);

// 合并所有 NDVI 图像
var ndviImages = shpWithNDVI.aggregate_array('NDVI');
var mergedNDVI = ee.ImageCollection.fromImages(ndviImages).toBands();

// 导出为 GeoTIFF
Export.image.toDrive({
  image: mergedNDVI,
  description: 'merged_ndvi_export',  // 导出文件的名称
  folder: 'GEE_exports',  // 导出文件的目录
  region: shp.geometry().bounds(),  // 导出区域为 Shapefile 区域的外接矩形
  scale: 250,  // 设置输出图像的分辨率（以米为单位）
  crs: 'EPSG:4326'  // 设置输出图像的坐标参考系统
});

// 显示 NDVI 结果
Map.addLayer(mergedNDVI, {min: -10000, max: 10000, palette: ['FFFFFF', 'CE7E45', 'DF923D', 'F1B555', 'FCD163', '99B718', '74A901', '66A000', '529400', '3E8601', '207401', '056201', '004C00', '023B01', '012E01', '011D01', '011301']}, 'Merged NDVI');

QGIS展示tif文件，最小值-657，最大值4623：

归一化NDVI代码，波段值/10000：

// 加载指定的 Shapefile
var shp = ee.FeatureCollection('projects/ee-pengbr3003/assets/Kongquehe_watershed');

// 定义一个函数，用于计算归一化 NDVI 并将其作为属性添加到 Feature 中
var addNormalizedNDVI = function(feature) {
  var geometry = feature.geometry();
  var startDate = '2021-01-01';  // 替换为开始日期
  var endDate = '2021-12-31';    // 替换为结束日期

  var modisNDVI = ee.ImageCollection('MODIS/006/MOD13A1')
    .filterDate(startDate, endDate)
    .select('NDVI');

  var ndvi = modisNDVI.mean().clip(geometry);
  
  // 计算归一化 NDVI
  var normalizedNDVI = ndvi.divide(10000); // 归一化到 -1 到 1 的范围
  
  return feature.set({Normalized_NDVI: normalizedNDVI});
};
// 使用函数处理 Shapefile 中的每个 Feature
var shpWithNormalizedNDVI = shp.map(addNormalizedNDVI);

// // 合并所有归一化 NDVI 图像
var normalizedNDVIImages = shpWithNormalizedNDVI.aggregate_array('Normalized_NDVI');
var mergedNormalizedNDVI = ee.ImageCollection.fromImages(normalizedNDVIImages).toBands();

// 导出为 GeoTIFF
Export.image.toDrive({
  image: mergedNormalizedNDVI,
  description: 'merged_normalized_ndvi_export',  // 导出文件的名称
  folder: 'GEE_exports',  // 导出文件的目录
  region: shp.geometry().bounds(),  // 导出区域为 Shapefile 区域的外接矩形
  scale: 250,  // 设置输出图像的分辨率（以米为单位）
  crs: 'EPSG:4326'  // 设置输出图像的坐标参考系统
});

// 显示归一化 NDVI 结果
Map.addLayer(mergedNormalizedNDVI, {min: -1, max: 1, palette: ['FFFFFF', 'CE7E45', 'DF923D', 'F1B555', 'FCD163', '99B718', '74A901', '66A000', '529400', '3E8601', '207401', '056201', '004C00', '023B01', '012E01', '011D01', '011301']}, 'Merged Normalized NDVI');

QGIS展示，最小值-0.065，最大值0.46：

我们可以利用R语言改变tif文件的波段值范围同样实现归一化，代码如下：

library(raster)
library(sp)

# 打开.tif文件
input_file <- "merged_ndvi_export.tif"
output_file <- "merged_normalized_ndvi_export.tif"
raster_data <- raster(input_file)

# 获取波段的最小值和最大值
min_value <- minValue(raster_data)
max_value <- maxValue(raster_data)

# 设置新的最小值和最大值范围
new_min <- min_value/10000
new_max <- max_value/10000

# 调整波段范围
adjusted_raster <- ((raster_data - min_value) / (max_value - min_value)) * (new_max - new_min) + new_min

# 保存修改后的.tif文件
writeRaster(adjusted_raster, output_file, format="GTiff")