Google Earth Engine（GEE）——2000-2023年增强型植被指数EVI监测大尺度植被案例分析

于 2024-09-14 12:15:00 发布
阅读量62 收藏
点赞数
分类专栏： GEE教程训练 文章标签： 异常值 EVI 植被指数 大尺度 平均值 gee modis
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/qq_31988139/article/details/121304787
版权

目录

简介

MODIS/MYD13A1

EVI 

练习：

图表随时间变化

结果：

简介

本教程的目的是培养评估植被状况随时间变化的技能。我们如何知道生态系统是否受到压力或受到干扰？量化变化和归因因果关系可能具有挑战性 - 特别是在具有很大程度的年度内变化的生态系统中。

我们可以使用的一种方法是将近年来的属性与基线时期的属性进行比较。在本实验室中，我们将探索植被状况的异常（以 EVI 衡量），以确定状况是随时间增加还是减少。

  • 加载 MODIS/MYD13A1 图像集合并选择 EVI 波段。EVI 是“增强型植被指数”的首字母缩写词。它与 NDVI 非常相似，但在热带生态系统中更可靠，因为它不像 NDVI 那样早饱和。

MODIS/MYD13A1

MODIS/MYD13A1是由美国国家航空航天局（NASA）的“中分辨率成像光谱仪（Moderate Resolution Imaging Spectrorad

了解本专栏 订阅专栏 解锁全文 超级会员免费看
此星光明
关注
专栏目录
订阅专栏
Google Earth Engine（GEE）——表达式波段计算：如何按照自己的公式设立波段运算以EVI增强型植被指数为例
此星光明博客
11-18 1434
expression(expression,map) Evaluates an arithmetic expression on an image, possibly involving additional images. The bands of the primary input image are available using the built-in function b(), as b(0) or b('band_name'). Variables in the ex...
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 3201
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
Google Earth Engine ——LANDSAT 7增强植被指数（EVI）数据集
此星光明博客
09-26 1667
These Landsat 7 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）——计算NDVI\EVI\RVI\DVI\SAVI归一化植被指数、比值植被指数、差值植被指数、土壤调节植被指数、增强型植被指数和绿度植被指数计算并下载
此星光明博客
05-10 6621
本次教程主要的目的就是实现6大指数的计算并按照逐月进行下载用于长时间序列的研究和分析 归一化植被指数NDVI=(NIR-R)/ (NIR+R) 比值植被指数RVI=NIR/R 差值植被指数DVI=NIR-R 土壤调节植被指数SAVI=(NIR-R)*(1+0.5)/(NIR+R+0.5) 增强型植被指数EVI = 2.5* (NIR - Red) / (NIR + 6*Red - 7.5*Blue + 1) 绿度植被指数 GNDVI = (NIR - Green)/(NIR + Green) 通
Google Earth Engine （GEE）——利用两种方式进行EVI指数（含函数的两种定义方式）
此星光明博客
01-11 1329
如何快速使用波段进行指数的计算，我们这里利用两种方式进行EVI指数计算，一种是利用expression的方式进行分析，虽然两种方法的结算结果都一样，但是代码有多有少，大家可以参考使用，但是两者的作用对象都是影像集合，对影像集合映射前我们需要建立函数，然后用map进行映射。本次教程中我们在返回值的过程中进行了不同处理，一个是将EVI作为一个波段添加到应先该集合中，另外一种方式是直接返回给所计算出来的EVI波段。
Google Earth Engine（GEE）——非参数趋势分析（ Mann-Kendall 检验）
此星光明博客
08-26 3772
趋势分析是寻找感兴趣的事物正在增加或减少的地方以及减少多少。更具体地说，本教程演示了使用非参数 Mann-Kendall 检验检测图像中是否存在增加或减少趋势和 Sen 斜率以量化趋势的大小（如果存在）检测图像中的单调趋势。本教程还展示了估计 Mann-Kendall 检验统计量的方差、用于检验是否存在任何趋势的 Z 统计量以及统计量的 P 值（假设为正态分布）。需要注意的是，这里介绍的方法适用于评估离散数据（即非浮点数）中的单调趋势（即没有季节性的数据）。 时间序列数据 我们将使用来自MOD13A
Google Earth Engine（GEE）——计算NDVI\EVI\RVI\DVI\SAVI计算并下载（2）
此星光明博客
05-12 3474
有粉丝还问到关于Landsat8如何计算，上一次的文章提到了关于各类植被指数的下载和加载：Google Earth Engine（GEE）——计算NDVI\EVI\RVI\DVI\SAVI归一化植被指数、比值植被指数、差值植被指数、土壤调节植被指数、增强型植被指数和绿度植被指数计算并下载 同样的道理 对下面指数分别建立函数，只是不同波段需要建立函数 归一化植被指数NDVI=(NIR-R)/ (NIR+R) 比值植被指数RVI=NIR/R 差值植被指数DVI=NIR-R 土壤调节植被指数SAVI=(
GEE——利用Landsat系列数据集进行1984-2023EVI指数趋势分析
此星光明博客
12-07 724
利用Landsat系列数据集进行1984-2023EVI指数趋势分析其主要目的是进行长时序的分析，这里我们选用EVI指数，然后进行了4个月的分析，查看其最后的线性趋势以及分布状况。
SSM+JSP小型房屋租赁系统答辩PPT.pptx
10-15
计算机毕业设计答辩PPT
SSM+JSP羽毛球馆管理系统答辩PPT.pptx
10-15
计算机毕业设计答辩PPT
虚拟串口的配置使用工具
10-15
主要用来配置虚拟串口，进行虚拟串口数据的检测
python 批量实现OFD发票文件解析，并转存至excel中
最新发布
10-16
本代码初衷是Pyhton自动化，解放双手。让海量数据去跑路，让人轻松工作。 其次这是作者引导广大Python 爱好者去学习的一个过程。
SSM+JSP旅游信息网站答辩PPT.ppt
10-15
计算机毕业设计答辩PPT
中小企业人事管理系统 JAVA毕业设计 源码+数据库+论文 Vue.js+SpringBoot+MySQL.zip
10-15
中小企业人事管理系统 JAVA毕业设计 源码+数据库+论文 Vue.js+SpringBoot+MySQL 系统启动教程：https://www.bilibili.com/video/BV11ktveuE2d
【Unity中东居住环境资源包】Middle Eastern Residential Environment Pack
10-15
文件名：Middle Eastern Residential Environment Pack.unitypackage 创造中东居住环境所需的一切。包装包括模块化建筑件、路面、路灯、一些植被、交通信号灯、公交车站和相关街道道具。示例场景包括大约340个Draw Call。该包包括30多个预制件，可用于你自己的场景
SSM+JSP高校学生社团管理系统答辩PPT.pptx
10-15
计算机毕业设计答辩PPT
【树叶识别】基于matlab GUI AlexNet神经网络树叶识别系统【含Matlab源码 2422期】.md
10-15
CSDN Matlab武动乾坤上传的资料均有对应的代码，代码均可运行，亲测可用，适合小白； 1、代码压缩包内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博客文章底部QQ名片； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 图像识别：表盘识别、车道线识别、车牌识别、答题卡识别、电器识别、跌倒检测、动物识别、发票识别、服装识别、汉字识别、红绿灯识别、火灾检测、疾病分类、交通标志牌识别、口罩识别、裂缝识别、目标跟踪、疲劳检测、身份证识别、人民币识别、数字字母识别、手势识别、树叶识别、水果分级、条形码识别、瑕疵检测、芯片识别、指纹识别
该项目基于CPABE策略实现了属性加密、密钥生成、解密和时间复杂度分析，以及ABE和RSA云加密的联合加
10-15
该项目基于CPABE策略实现了属性加密、密钥生成、解密和时间复杂度分析，以及ABE和RSA云加密的联合加密和时间复杂程度分析.zip该项目基于CPABE策略实现了属性加密、密钥生成、解密和时间复杂度分析，以及ABE和RSA云加密的联合加密和时间复杂程度分析.zip该项目基于CPABE策略实现了属性加密、密钥生成、解密和时间复杂度分析，以及ABE和RSA云加密的联合加密和时间复杂程度分析.zip该项目基于CPABE策略实现了属性加密、密钥生成、解密和时间复杂度分析，以及ABE和RSA云加密的联合加密和时间复杂程度分析.zip该项目基于CPABE策略实现了属性加密、密钥生成、解密和时间复杂度分析，以及ABE和RSA云加密的联合加密和时间复杂程度分析.zip该项目基于CPABE策略实现了属性加密、密钥生成、解密和时间复杂度分析，以及ABE和RSA云加密的联合加密和时间复杂程度分析.zip
【手写数字识别】基于matlab GUI BP神经网络手写数字识别（手写+带面板）【含Matlab源码 1196期】.md
10-15
【手写数字识别】基于matlab GUI BP神经网络手写数字识别（手写+带面板）【含Matlab源码 1196期】.md
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

此星光明

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