GEE | 基于Landsat的植被指数NDVI/EVI/LAI分析

于 2025-02-15 16:03:15 发布
阅读量1.1k 收藏 3
点赞数 3
文章标签： arcgis 数据分析
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_48539301/article/details/145652192
版权

植被指数是生态监测和植被健康评估的重要工具，以下是三种常用指数及其公式：归一化植被指数 (NDVI)、增强型植被指数 (EVI)、以及叶面积指数 (LAI)。

一、归一化植被指数 (NDVI)

NDVI 是最常用的植被指数，通过近红外波段（B5）和红波段（B4）的反射率差异来衡量植被生长状况。其计算公式为：

图片

其中，NIR 为近红外波段（B5），RED 为红波段（B4）。NDVI 值的范围是从 -1 到 1，值越高，代表植被覆盖越密集，生长状况越好。

二、增强型植被指数 (EVI)

EVI 是对 NDVI 的改进，旨在减少大气和背景噪声的影响，特别适用于高密度植被地区。其计算公式为：

图片

其中，NIR 为近红外波段（B5）

最低0.47元/天 解锁文章
GEE19：基于 Landsat 8 的常见植被指数逐年获取【去云&波段计算】
amyniez的博客，欢迎交流讨论
10-18 1666
本文主要介绍常见的植被物候，及其GEE代码，通过去云，波段计算等方法获取高清植被指数影像。
Google Earth Engine（GEE）——从Landsat数据生成30米分辨率的叶面积指数（LAI）图
此星光明博客
03-22 2039
这个资源库提供了代码和数据，以使用谷歌地球引擎从Landsat数据生成30米分辨率的叶面积指数（LAI）图像。使用机器学习和从MODIS LAI/Fpar产品（MCD15A2H v006）、Landsat Collection 1 Tier 1表面反射率和National Land Cover Dataset（NLCD）中获得的综合训练集，该方法允许使用谷歌地球引擎为任何Landsat 5、7、8图像快速生成LAI地图。Landsat LAI估计与最先进的MODIS产品高度一致，使下游应用能够跨比例尺操作。
GEE 教程——基于sentinel-2数据的NDVI和EVI指数的对比
此星光明博客
01-20 1567
GEE 教程——基于sentinel-2数据的NDVI和EVI指数的对比NDVI（Normalized Difference Vegetation Index）和EVI（Enhanced Vegetation Index）是两种常用的植被指数，用于评估植被生长状况和活力。NDVI是最常见的植被指数之一，通过计算红外波段和可见光波段的差异来评估植被的绿度。NDVI的计算公式为：(NIR - Red) / (NIR + Red)，其中NIR为近红外波段反射值，Red为红光波段反射值。
EVI增强型植被指数
m0_58867031的博客
04-17 2370
​EVI是对NDVI的改进，通过考虑大气散射和土地表面反射的影响，使其在高植被覆盖区域的表现更为准确。EVI的计算公式如下：​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，Blue代表蓝光波段的反射率，G、C1、C2和L是为了考虑不同环境条件而引入的系数。​EVI作为一种增强型的植被指数，在环境科学领域发挥着重要作用。它能够更准确地评估植被生态系统的健康状况和生产力，为农业生产、生态保护和气候研究提供数据支持。
中国1000米分辨率年最大增强型植被指数（EVI）数据集
m0_63269495的博客
03-05 1501
增强型植被指数（EVI）是在归一化植被指数（NDVI）改善出来的，根据大气校正所包含的影像因子大气分子、气溶胶、薄云、水汽和臭氧等因素进行全面的大气校正，EVI大气校正分三步，第一步是去云处理。由于输入的NIR、Red、Blue都经过比较严格的大气校正，所以在设计植被指数算式时，无须为了消除乘法性噪音而采用基于NIR/Red比值的植被指数，因此也就解决了由此引起的植被指数容易饱和以及与实际植被覆盖缺乏线性关系的问题。数据空间分辨率：30米，250米，500米。数据时间：1986年至今。
MODIS增强型植被指数EVI与NDVI初步比较 (2006年)
05-10
利用东亚地区典型地带性植被和MODIS数据，对广泛使用的植被指数NDVI和新开发的增强型植被指数EVI进行了对比分析。由MODIS开发的NDVI和EVI对干旱一半湿润环境下低覆盖植被的描述能力相似，但对湿润环境下高密度植被的描述有明显差别：NDVI年时间过程的季节性不明显，表现为全年高平的曲线；而EVI仍然有季节性，表现为钟形曲线，与月平均温度关系更密切。EVI的这一特征为研究高覆盖植被的季节性变化提供了新的思路。
[RS] 植被指数--NDVI
热门推荐
geodoer
10-08 4万+
遥感，植被指数，NDVI
Google Earth Engine（GEE）计算NDVI、EVI、NDBI等指数并相关性分析
guaicaicexu的博客
06-29 9483
今天来分享如何在GEE中利用landsat影像计算上述指数，并进行相关性分析。相关性分析用Pearson相关系数表示
增强型植被指数EVI、ndvi数据、NPP数据、GPP数据、土地利用数据、植被类型数据、降雨量数据
05-13 1023
利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。差值植被指数又称农业植被指数，为二通道反射率之差，它对土壤背景变化敏感，能较好地识别植被和水体。增强型植被指数（EVI）是在归一化植被指数（NDVI）改善出来的，根据大气校正所包含的影像因子大气分子、气溶胶、薄云、水汽和臭氧等因素进行全面的大气校正，EVI大气校正分三步，第一步是去云处理。
GEEer成长日记十五：盘点GEE中的NDVI数据集
微信公众号：GEEer成长日记
03-18 4367
GEE现有的NDVI数据集
GEE代码编程gee案例-进行NDVI的计算和显示.txt
08-23
GEE代码编程gee案例-进行NDVI的计算和显示.txt
利用GEE在线处理1985-2024年NDVI、EVI、SAVI、NDMI等指数归一化教程更新为Landsat C02 数据
08-29
本次的归一化教程，优化了数据去云，预处理等过程，同事将landsat 5/7/8集合分别进行了数据整合，也就是原始波段的处理，以及波段名称重新读写，此外，简化了指数在不同集合中的计算过程，从而我们可以调用1985-至今...
利用GEE（Google Earth Engine）在线处理NDVI、EVI、SAVI、NDMI等指数归一化教程（详细代码）
07-20
如何利用GEE（Google Earth Engine）在线处理NDVI、EVI、SAVI、NDMI等指数进行归一化处理教程，我们需要进行GEE的一些基本学习，具体的专栏大家可以前去我的博客主页学习：涵盖了GEE基础、高阶和应用程序开发以及...
【数据挖掘】基于GEE平台按采样点提取Landsat 植被指数时间序列秘籍
amyniez的博客，欢迎交流讨论
05-26 520
🚀🚀🚀大家好，今天我要分享的是如何使用Google Earth Engine (GEE) 平台，针对特定的采样点，提取LANDSAT 8卫星数据中的植被指数时间序列。本代码主要包括三种植被指数：NDVI、EVI和NDPI。
MODIS NDVI/EVI指数下载及处理
m0_70398377的博客
04-28 5222
下载处理modis NDVI/EVI植被指数
【Python&RS】GDAL计算遥感影像光谱指数（如NDVI、NDWI、EVI等）
Remote Sensing迷途小书童
05-10 4638
本文使用Python的GDAL库，实现遥感影像的光谱指数计算，提升工作效率。
增强型绿植植被指数_MODIS增强型植被指数EVI与NDVI初步比较-中国科学院.PDF
weixin_29599245的博客
01-17 1357
MODIS增强型植被指数EVI与NDVI初步比较-中国科学院第 3 1 卷 第 5 期 武 汉 大 学 学 报 ·信 息 科 学 版 Vol . 3 1 No . 52006 年 5 月 Geomatics and Information Science of ...
GEE时序NDVI
scnugeo的博客
05-15 2675
//define ROI var ROI= ee.FeatureCollection(table); //image var startDate='2020-10-01', endDate='2021-05-10'; var rapeseed = ee.ImageCollection('COPERNICUS/S2_SR') .filterDate(startDate, endDate) .filterBounds(ROI); //cal
gee计算内蒙古evi指数
最新发布
02-01
### 使用 Google Earth Engine 计算内蒙古地区 EVI 指数 #### 方法一：基于数学表达式的通用方法 通过 `ee.Image.expression` 函数可以直接编写数学表达式来计算EVI指数。这种方法适用于任何类型的遥感影像数据。 ```javascript // 定义研究区域（以内蒙古为例） var geometry = ee.Geometry.Polygon( [[[107.89, 46.82], [122.01, 46.82], [122.01, 50.13], [107.89, 50.13]]]); // 加载Landsat 8表面反射率产品 var collection = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR') .filterBounds(geometry) .filterDate('2020-01-01', '2020-12-31'); // 定义EVI计算公式并应用到图像集合上 var eviExpression = '2.5 * (NIR - RED) / (NIR + 6 * RED - 7.5 * BLUE + 1)'; var addEVI = function(image){ var evi = image.expression(eviExpression,{ NIR:image.select('B5'), RED:image.select('B4'), BLUE:image.select('B2')}); return image.addBands(evi.rename('EVI')); }; // 应用函数至整个图像集合 var withEVI = collection.map(addEVI); // 可视化展示结果 Map.centerObject(geometry); Map.addLayer(withEVI.first(), {bands:['EVI'], min:-1, max:1}, "EVI"); ``` 此段代码实现了对指定区域内所有符合条件的卫星图片添加一个新的名为"EVI"的波段，用于存储对应的EVI数值[^1]。 #### 方法二：针对 MODIS 数据集的预定义函数法 对于MODIS这样的特定传感器获取的数据，则可以采用更简便的方式来获得EVI指标： ```javascript // 导入MODIS NDVI/NDWI/EVI等植被指数产品 var modisEVI = ee.ImageCollection("MODIS/006/MOD13A2") .select('EVI') .filterDate('2020-01-01','2020-12-31') .filterBounds(geometry); // 显示最终得到的结果图层 Map.setCenter(114.5, 45.5, 6); // 设置地图中心位置为内蒙古自治区中部 Map.addLayer(modisEVI.mean().clip(geometry),{min:0,max:9000},'Mean Annual EVI'); ``` 这段脚本直接选择了MODIS官方已经处理好的EVI波段，并对其进行了时间和空间上的筛选操作[^2]。
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

GIS遥感数据处理应用

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