Google Earth Engine(GEE)——月度降水和ndvi植被覆盖度相关性分析(墨西哥为例)

该博客通过Google Earth Engine (GEE)平台,利用墨西哥的降水数据和 Sentinel-2 的NDVI指数,进行月度相关性分析。首先,结合两者数据创建了逐月的影像集合,接着筛选出相关性较高的区域,特别是那些相关性大于0.5的区域,探讨了降水与植被覆盖度之间的关系。
摘要由CSDN通过智能技术生成

利用哨兵数据SR数据进行相关性分析,本文先通过降水数据和S2计算的NDVI植被覆盖度,然后分别进行筛选,通过影像合并得到逐月的影像集合合成,然后筛选出降水和ndvi影像,分别计算计算相关性

ee.ImageCollection.fromImages(images)

Returns the image collection containing the given images.

Arguments:

images (List):

The images to include in the collection.

Returns: ImageCollection

代码:

//矢量边界
var table = ee.FeatureCollection("projects/essential-rider-326809/assets/mexico");
var geometry=table.geometry();
Map.centerObject(geometry, 10)

//哨兵数据加载
var s2 = ee.ImageCollection("COPERNICUS/S2_SR");
//影像色彩参数
var rgbVis = {
  min: 0.0,
  max: 3000,
  bands: ['B4&#
下面是使用GEE平台进行降水数据和MODIS计算的NDVI植被覆盖度相关性分析的JS代码: ```javascript // 选择地区和时间范围 var geometry = ee.Geometry.Rectangle([xmin, ymin, xmax, ymax]); var startDate = '2000-01-01'; var endDate = '2020-12-31'; // 加载MODIS数据集 var modisCollection = ee.ImageCollection('MODIS/006/MOD13Q1') .filterDate(startDate, endDate) .filterBounds(geometry); // 加载降水数据集 var precipitationCollection = ee.ImageCollection('TRMM/3B43V7') .filterDate(startDate, endDate) .filterBounds(geometry); // 计算NDVI var addNDVI = function(image) { var ndvi = image.normalizedDifference(['sur_refl_b02', 'sur_refl_b01']) .rename('NDVI') .copyProperties(image, ['system:time_start']); return image.addBands(ndvi); }; var modisWithNDVI = modisCollection.map(addNDVI); // 按月合并影像集合 var mergeCollection = function(collection) { var yearMonth = ee.String(ee.Image(collection.first()).date().format("YYYY-MM")); var merged = collection.mosaic().set('system:time_start', ee.Date(yearMonth).millis()); return merged; }; var modisMonthly = modisWithNDVI.map(mergeCollection); // 筛选降水NDVI影像 var filterImages = function(image) { var date = ee.Date(image.get('system:time_start')); var precipitationImage = precipitationCollection .filterDate(date, date.advance(1, 'month')) .first(); return ee.ImageCollection.fromImages([precipitationImage, image]); }; var filteredCollection = modisMonthly.map(filterImages); // 计算相关性 var computeCorrelation = function(image) { var correlation = image.reduceRegion({ reducer: ee.Reducer.pearsonsCorrelation(), geometry: geometry, scale: 250, maxPixels: 1e9 }); return image.set(correlation); }; var correlationCollection = filteredCollection.map(computeCorrelation); // 打印相关性结果 print(correlationCollection); ``` 请注意,上述代码中的`xmin`,`ymin`,`xmax`和`ymax`需要根据您的地区范围进行替换。此代码将输出每个月的相关性结果。您可以通过查看GEE控制台中的输出结果来查看相关性分析的结果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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