![](https://img-blog.csdnimg.cn/20190927151132530.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
GEE时间序列分析专栏
文章平均质量分 83
时间序列分析基础到项目应用专栏,欢迎订阅!
优惠券已抵扣
余额抵扣
还需支付
¥99.90
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
_养乐多_
记录GEE(GoogleEarthEngine),python处理遥感数据,机器学习算法应用,深度学习模型训练、推理和部署的笔记。
展开
-
GEE:无降水最长天数
CSDN@_养乐多_本文将介绍如何在 Google Earth Engine 获取2019到2020年的降水数据,然后计算每个时间段的前向差分,以识别干旱期,并在地图上可视化最长的干旱期。本文的代码,可以拓展到最长撂荒地天数、最长淹没、最长干旱、污染、植被健康、温度等多个方面。原创 2024-07-21 02:10:51 · 12 阅读 · 0 评论 -
GEE:基于Landsat的验证影像获取和下载
CSDN@_养乐多_本文将介绍如何在 Google Earth Engine (GEE)平台上,快速可视化和下载研究区用于验证时间序列变化检测结果的影像。由于 Landsat 遥感数据的覆盖时间最长,因此本文将获取 Landsat 遥感数据的函数进行了包装,只需要指定时间,即可得到指定时间范围内的影像。影像可以下载到本地软件处理。原创 2024-04-25 00:55:39 · 393 阅读 · 0 评论 -
GEE:基于MODIS数据计算NDVI时间序列,并使用Savatsky-Golay(SG)滤波器对其进行平滑处理
CSDN@_养乐多_本文将介绍如何在 Google Earth Engine (GEE) 平台中,使用 MODIS 数据计算 NDVI 时间序列,并对该数据集应用 Savitzky-Golay 滤波器,得到了一个新的平滑后的数据集。Savitzky-Golay 滤波器可以有效地去除信号中的噪声,并平滑信号的变化。该方法可以扩展到基于 MODIS 数据计算的任何指数或者波段。原创 2024-04-19 16:43:23 · 290 阅读 · 0 评论 -
GEE:基于哨兵2(sentinel2)数据计算NDVI时间序列并进行Savatsky-Golay(SG)滤波处理
CSDN@_养乐多_本文将介绍如何在 Google Earth Engine (GEE) 平台中,使用哨兵2数据计算NDVI时间序列,并对该数据集应用 Savitzky-Golay 滤波器。Savitzky-Golay 滤波器可以有效地去除信号中的噪声,并平滑信号的变化。原创 2024-04-19 16:17:22 · 655 阅读 · 0 评论 -
GEE:获取不同地表类型的Landsat地表温度(Land Surface Temperature,LST)时间序列
CSDN@_养乐多_本文将分享论文《Google Earth Engine Open-Source Code for Land Surface Temperature Estimation from the Landsat Series》中的基于Landsat时间序列影像计算地表温度的API和获取指定点(Land Surface Temperature,LST)时间序列的代码。原创 2024-04-02 11:04:49 · 306 阅读 · 0 评论 -
GEE:使用移动窗口(Moving Window)平滑方法对时间序列遥感影像进行平滑处理
CSDN@_养乐多_本文将介绍在 GEE 平台上对时序影像使用移动窗口平均方法进行平滑分析的方法和步骤,并计算哨兵数据计算的NDVI时序为例监测地表植被变化。原创 2024-04-02 10:21:54 · 487 阅读 · 0 评论 -
GEE:基于 Landsat 数据集生成(1986-2024)月度合成地表温度(LST)时间序列数据
CSDN@_养乐多_本文将介绍使用 Landsat 时间序列计算(1986-2024)月度合成地表温度(LST)时间序列数据集的代码。原创 2024-02-29 20:41:50 · 525 阅读 · 0 评论 -
GEE:基于Landsat5/7/8/9数据提取一个点的NDVI时间序列(1986-2024)
CSDN@_养乐多_本文将介绍,基于Landsat5/7/8/9数据提取一个点的NDVI时间序列,时间序列数据可以是1986-2024年所有可用数据,也可以是月度合成、年度合成或者指定间隔合成的时间序列。结果如下图所示,原创 2024-02-29 14:19:42 · 558 阅读 · 0 评论 -
GEE:分数年、儒略日、毫秒、日期互相转换
CSDN@_养乐多_本文将介绍在GEE中进行分数年、毫秒、儒略日、年月日之间相互转换的公式和代码。原创 2024-01-07 01:03:41 · 950 阅读 · 2 评论 -
GEE:时间序列分析3——将Landsat5/7/8/9所有C02影像集合成一个影像集合,并构建NDVI时间序列
CSDN@_养乐多_本文记录了在 Google Earth Engine(GEE)平台上,将 Landsat-5、Landsat-7、Landsat-8 和 Landsat-9 的数据合成为一个影像集合,并生成 NDVI(归一化植被指数)的时间序列的代码。代码封装成了函数,方便调用,结果如下图所示,在实际应用中,可能需要根据研究问题和感兴趣的地区进行更详细的数据处理和分析。但本文提供了一个良好的起点,帮助你在 GEE 平台上合成 Landsat 数据并生成类似 NDVI 的各种时间序列。原创 2023-11-25 13:06:25 · 1674 阅读 · 14 评论 -
GEE:计算多个流域逐日的降水量均值,并将流域名、降水量、时间等属性下载至csv
_养乐多_现在我有多个流域的矢量边界,想求每个流域某段时间每天的降水量均值,并想要将降水量均值、时间、流域名称下载到本地,以csv格式保存。本文记录了解决以上需求的代码。结果如下图所示,如图所示,本文代码可以计算珠江流域每日降水量均值,并能下载到csv中,以便后续分析和使用。代码可以迁移至其他数据,也可以修改成逐月,逐年的计算。原创 2023-11-02 19:42:25 · 773 阅读 · 0 评论 -
GEE:哨兵时间序列遥感数据和动态阈值方法计算物候时期EOS/SOS(2)
本文将分享和解释论文《Improved Estimates of Arctic Land Surface Phenology Using Sentinel-2 Time Series》中使用到的基于阈值估算北极地区的植被物候,特别是北极地区的植被季节开始和结束的日期(SoS和EoS)的方法和代码。该方法使用的是使用哨兵2数据,并实现了两种阈值方法( 无平滑的阈值方法、平滑后的阈值方法)。原创 2023-09-24 17:22:23 · 1202 阅读 · 14 评论 -
GEE:使用for循环合成时间序列影像
在本博客中,我们将介绍如何使用for循环方法在Google Earth Engine(GEE)平台上创建一个时间序列图像集合,以便进行时间序列分析或生成动态图像。原创 2023-09-18 21:03:23 · 570 阅读 · 2 评论 -
GEE:快速实现时间序列线性趋势和变化敏感性计算(斜率、截距)以NDVI时间序列为例
本博客将向您介绍如何使用Google Earth Engine(GEE)平台来处理Landsat 5、7和8的卫星图像数据,计算NDVI的斜率和截距,以及如何导出这些结果供进一步分析使用。原创 2023-09-18 20:57:43 · 1597 阅读 · 0 评论 -
GEE:谐波模型在Landsat影像中的应用(季节性变化的拟合与可视化)
谐波模型是一种常用的工具,用于拟合和分析影像数据中的周期性和季节性变化。本文将介绍如何使用Google Earth Engine平台实现谐波模型,通过对Landsat影像进行处理和拟合,展示季节性变化的拟合结果,并通过图表和地图可视化展示数据。原创 2023-08-06 03:07:43 · 674 阅读 · 4 评论 -
GEE:GOOGLE/GLOBAL_CCDC/V1数据下载,CCDC断点时间tBreak等结果下载
本文将介绍使用GOOGLE/GLOBAL_CCDC/V1数据集,以及下载CCDC变化检测结果(tif)的代码,结果包括tStart、tEnd、tBreak、numObs、changeProb、magnitude、rmse、coefs(所有可见光波段)。原创 2023-07-21 15:06:54 · 942 阅读 · 1 评论 -
GEE:线性插值方法填补去云空洞——以 MCD43A4 和 NDVI 时间序列为例
本文将介绍使用GEE平台上的数据集“MODIS/006/MCD43A4”,计算NDVI时间序列,并对去云后产生的空洞采用线性插值的方法进行填补,以获得更精细的空间分辨率和连续的时间序列数据。原创 2023-07-20 22:40:33 · 1439 阅读 · 4 评论 -
GEE:在地图区域添加点击事件,以获取两个影像集合某点的时间序列,用于对比和分析
本文将介绍在Google Earth Engine(GEE)平台上的地图显示区域创建一个交互式界面,可以给用户提供点击一个点在左侧面板上显示该点的影像集合的时间序列的功能。该方法已经被封装成了一个函数,可以直接调用。调用代码如下所示,结果如下图所示,原创 2023-07-09 14:41:22 · 252 阅读 · 0 评论 -
GEE:哨兵时间序列遥感数据和动态阈值方法计算物候时期EOS/SOS(1)
本文将介绍使用哨兵数据时间序列遥感数据和动态阈值法计算植被物候时期EOS/SOS的代码。原创 2023-07-08 15:32:14 · 888 阅读 · 16 评论 -
GEE:提取研究区 NDVI/LST/RVI 并进行时间序列线性插值填补缺失像素和Savitsky-Golay(SG)滤波平滑处理
养乐多_本文将介绍使用Landsat数据集,构建时间序列,并使用线性插值算法填补缺失数据,或者去云空洞,并进一步对完整的时间序列数据进行SG滤波处理。原创 2023-07-08 15:23:35 · 1873 阅读 · 3 评论 -
GEE:线性插值方法填补去云空洞——以 Landsat 和 NDVI 为例
养乐多_本文将介绍如何使用Google Earth Engine(GEE)平台提取特定地区的归一化植被指数(NDVI)并进行插值处理,以获得更精细的空间分辨率和连续的时间序列数据。原创 2023-07-08 14:43:23 · 2471 阅读 · 5 评论 -
GEE:绘制一个点的Landsat1985-2020年逐日NDVI时间序列折线图
本文记录了在GoogleEarthEngine(GEE)平台上选择一个点,根据该点在时间段内所有有效像素值绘制折线图的代码。原创 2023-06-19 21:21:21 · 931 阅读 · 1 评论 -
GEE:提取时间序列蒸散发(ET)值到点,按月合成,下载CSV(ET数据集含中国)
本文将介绍在Google Earth Engine (GEE)平台上使用 “MODIS/006/MOD16A2” 数据集,并对其按月合成,然后提取一个点的ET数据,并下载到CSV中。原创 2023-05-29 11:37:47 · 1496 阅读 · 2 评论 -
GEE:打印研究区影像集合的均值散点图(以计算LST为例)
本文将介绍在 Google Earth Engine(GEE)平台上使用 Landsat 数据计算研究区的 LST,并统计研究区内 LST 的均值,以及绘制均值的散点图,散点图中可以区分 LST 数值是由哪一个 Landsat 卫星计算而来,并分别用不同的颜色表示不同的卫星数据。结果如下图所示,原创 2023-05-24 21:19:02 · 312 阅读 · 0 评论 -
GEE:绘制一个点的时间序列折线图,并且显示所有可用影像(逐日合成影像集合)
本文将介绍在 Google Earth Engine (GEE)平台上,对“COPERNICUS/S5P/NRTI/L3_CO”数据集逐日合成,并可视化所有影像,根据逐日合成数据集绘制指定点的时间序列折线图。原创 2023-05-29 11:23:45 · 1113 阅读 · 0 评论 -
GEE:MOD11A2数据集LST波段月度合成,绘制区域最大值折线图
本文将介绍在Google Earth Engine (GEE)平台上调用 MODIS 影像集合生成月度最大值合成影像集合,并计算研究区地表温度指标(LST)的均值,并绘制选择的时期内的折线图。原创 2023-05-24 22:06:12 · 926 阅读 · 0 评论 -
GEE:计算每个斑块(超像素、对象)内的特征/统计值
斑块(或对象)是指具有相似像素值的区域,通常代表地物或景观要素。通过计算斑块的特征,我们可以获得关于这些区域的有用信息,从而进行更深入的分析和研究。在本文中,我们将介绍如何使用Google Earth Engine(GEE)平台计算每个斑块的特征/统计值,并将这些特征赋值给相应的对象。原创 2023-05-19 01:41:31 · 968 阅读 · 2 评论 -
GEE:将年度NDVI时间序列影像集合(Image Collection)转变为多波段影像,并下载
本文将重点介绍如何使用 Google Earth Engine (GEE) 将多波段影像堆叠并导出,并探讨其应用场景和好处。通过使用 GEE 的多波段影像堆叠功能,我们可以将不同波段的遥感影像整合成一个多波段影像,以支持各种地理空间分析任务。这种方法适用于遥感影像分析、时间序列分析、数据导出与共享等多个应用场景。多波段影像堆叠的好处包括数据整合、数据处理效率、数据共享与合作、可视化与展示以及多尺度分析。原创 2023-05-16 00:59:54 · 1371 阅读 · 0 评论 -
GEE:下载MODIS海表温度影像
本篇博客将介绍如何使用Google Earth Engine(GEE)平台下载MODIS(Moderate Resolution Imaging Spectroradiometer)海表温度影像数据。原创 2023-05-16 00:38:34 · 749 阅读 · 0 评论 -
GEE:基于Landsat影像的长时间序列构建(1985-2020NDVI年度合成时间序列)
本文记录的代码是一个用于构建年度合成影像集合的脚本。它通过调用一系列函数来获取给定时间范围内的 Landsat 影像集合,并进行预处理和合成。其中包括光谱指数计算、波段调整、遥感影像的中值合成等步骤。原创 2023-05-15 23:37:08 · 3440 阅读 · 0 评论 -
GEE:使用 VCT(Vegetation Change Tracker)算法森林进行时序变化检测分析
VCT 算法是一种监督式的变化检测方法,适用于地表覆盖类型变化检测,其核心思想是通过计算变化幅度来确定是否发生了变化。该算法首先将多年影像进行融合,然后对影像进行一系列的预处理,得到一组指标,比如归一化植被指数(NDVI)、反射率等。接着,利用一个训练样本集对每个时期的特征进行分类,得出每个时期的植被类型。最后,比较不同时期的植被类型,通过计算变化幅度来确定是否发生了变化。原创 2023-04-12 21:21:19 · 1486 阅读 · 4 评论 -
GEE:CCDC 结果影像下载和可视化
本文将介绍一段用于获取Google Earth Engine(GEE)中 CCDC(Continuous Change Detection and Classification)结果的代码,输出结果为tif,并解释其细节。原创 2023-04-12 14:19:27 · 1549 阅读 · 8 评论 -
GEE:使用 CCDC 算法进行连续变化检测和分类
连续变化检测和分类(CCDC)算法是一种广泛应用于遥感数据分析的方法,可以用于检测土地覆盖变化、农作物生长状态的变化以及水资源的变化等。Google Earth Engine是一个强大的云端平台,提供了丰富的遥感数据和工具,可以用于执行各种类型的遥感数据分析。本文将介绍如何使用Google Earth Engine的CCDC算法进行连续变化检测和分类。原创 2023-04-12 13:01:24 · 3105 阅读 · 8 评论 -
GEE:计算时间序列中最高的25%的NDVI值及其平均影像
在本文中,我们将介绍如何使用Google Earth Engine构建NDVI时间序列,计算时间序列中最高的25%(也可以说是NDVI时间序列排序后的前25%)的NDVI值,25%这个参数可以调整,进一步根据前25%值生成NDVI的平均值图像。原创 2023-04-12 09:16:54 · 1052 阅读 · 2 评论 -
GEE:应用遥感影像时空插值技术的实践(插值填补去云空洞)
本文介绍了几个GEE平台中处理遥感数据中的缺失值代码片段,这些代码可以用于时间序列线性插值,提供更加连续和完整的时间序列。第一段代码是一个线性插值函数,它能够在一个时间序列图像集合中对缺失数据进行插值。该函数使用了 GEE 平台中的图像集合操作函数和图像合成函数,并采用了线性插值方法对缺失值进行处理,最后返回一个插值后的图像集合。第二段代码是一个掩模替换函数,它的作用是将原始影像中的某些值(如缺失值)用一个新值替换。原创 2023-04-11 14:09:46 · 7139 阅读 · 32 评论 -
GEE:使用LandTrendr进行森林变化检测详解
本文介绍了一段用于地表变化监测的代码,该代码主要使用谷歌地球引擎(GEE)中的 Landsat 时间序列数据,采用了 Kennedy 等人(2010) 发布的 LandTrendr 算法,对植被指数进行分割,通过计算不同时间段内植被指数的变化来检测植被变化。原创 2023-04-11 12:15:31 · 3132 阅读 · 46 评论 -
GEE:给影像加入时间属性,并插入影像集合,按时间排序影像集合
本文介绍了如何使用 Google Earth Engine 平台给影像加入时间属性,并将该影像插入到一个已知影像集合中,最后进行按时间排序的方法。原创 2023-04-11 10:38:23 · 785 阅读 · 5 评论 -
GEE:Whittaker Smoothing 时间序列平滑算法
本文将介绍 Whittaker Smoothing 时间序列数据平滑算法。Whittaker Smoothing 对于一个给定的时空图像集合,它可以生成平滑的时间序列图像。原创 2023-04-09 18:58:04 · 1076 阅读 · 8 评论 -
GEE:Sen+Mann-Kendall(MK)趋势检验教程
在这篇博客中,我们将介绍如何在Google Earth Engine(GEE)平台上使用Sen+Mann-Kendall(MK)趋势检验进行趋势分析。Sen+Mann-Kendall(MK)趋势检验是一种经典的非参数统计方法,它被广泛应用于趋势分析。这种方法可以检测时间序列中的变化趋势,并且不需要对数据进行任何先验假设。原创 2023-04-09 13:46:19 · 5007 阅读 · 5 评论 -
GEE:时间序列分析2——将Landsat5、7、8所有影像合成一个影像集合,构建NDVI时间序列
本文记录了在Google Earth Engine(GEE)平台上,将Landsat-5、Landsat-7和Landsat-8合成同一个影像集合,并把这个新的影像集合合并成一个大的集合的代码,并计算了NDVI指数,构建了一个NDVI年度合成的时间序列数据集。为之后时间序列分析做数据准备。其中主要函数已经封装成了函数,方便使用。结果可以用于Sen - mann-kendall(MK)趋势分析、LandTrendr、CCDC等时间序列分析算法中。并且可以把计算NDVI的函数替换成计算其他各种指数。原创 2023-02-18 12:54:10 · 3998 阅读 · 16 评论