【GEE笔记】创建缓冲区，提取缓冲区内统计值

在这篇博客中，将展示使用Google Earth Engine（GEE）提取区域内矢量点缓冲区内任意指标的统计值，并将结果导出为一个CSV文件。作为示例，使用Landsat 8归一化植被指数（NDVI）作为指标，它是一种常用的遥感指标，可以反映植被的生长状况和覆盖度。

创建一个表示区域的几何图形

首先，创建一个代表研究区域的几何图形（包含所有矢量点）。在这里，使用ee.Geometry.Rectangle函数来创建一个矩形，参数是矩形的西南角和东北角的经纬度坐标。你也可以使用其他类型的几何图形，比如多边形或圆形。

// 创建一个表示导出区域的几何图形
var geometry = ee.Geometry.Rectangle([-100.88, 40.58, -100.27, 40.71]);

导入Landsat 8影像集合

接下来，导入Landsat 8影像集合，并对其进行一些筛选。在这里，使用ee.ImageCollection函数来导入LANDSAT/LC08/C01/T1_RT_TOA这个影像集合，它是Landsat 8的表观反射率数据。然后，我使用了filterDate函数来筛选2019年到2020年之间的影像，使用了filterBounds函数来筛选包含我们感兴趣区域的影像。

// 导入Landsat 8影像集合
var landsat = ee.ImageCollection('LANDSAT/LC08/C01/T1_RT_TOA')
  .filterDate('2019-01-01', '2020-12-31')
  .filterBounds(geometry);

计算NDVI

计算NDVI需要定义一个函数，它接受一个影像作为输入，并返回一个包含NDVI值的影像作为输出。在这里，使用normalizedDifference函数来计算Landsat 8影像中第5波段（近红外）和第4波段（红光）之间的归一化差值，并将结果重命名为’NDVI’。然后，我使用了copyProperties函数来复制原始影像的属性到新的影像中。

// 定义一个函数来计算NDVI并进行缩放
var ndvi = function(image) {
  return image
    .normalizedDifference(['B5', 'B4'])
    .rename('NDVI')
    .copyProperties(image, image.propertyNames());
};

将函数映射到集合上

对整个影像集合进行NDVI计算，使用map函数来将定义的函数应用到每个影像，得到了一个包含NDVI值的新的影像集合。

// 将函数映射到集合上
var ndviCollection = landsat.map(ndvi);

定义矢量文件

定义一些矢量点。使用ee.FeatureCollection函数来创建一个包含三个点的矢量文件，每个点都是用ee.Geometry.Point函数创建的，并传入经纬度坐标作为参数。

// 定义一个包含多个点的矢量文件
var points = ee.FeatureCollection([
  ee.Feature(ee.Geometry.Point([-100.55, 40.71])),
  ee.Feature(ee.Geometry.Point([-100.40, 40.65])),
  ee.Feature(ee.Geometry.Point([-100.27, 40.58]))
]);

将每个点缓冲100米

为了考虑到像素的大小和位置误差，我们需要对每个点进行一定的缓冲，这样就可以得到一个包含多个缓冲区的矢量文件。定义一个函数，它接受一个要素作为输入，并返回一个缓冲了100米的要素作为输出。然后，我使用了map函数来将这个函数应用到每个点上。

// 定义一个函数来将每个点缓冲100米
var bufferPoints = function(feature) {
  return feature.buffer(100);
};

// 将函数映射到点上
var bufferedPoints = points.map(bufferPoints);

提取每个缓冲区内的统计值

使用ndviCollection.mean()函数来计算影像集合在每个缓冲区内的平均NDVI值，并使用了reduceRegion函数来进行区域统计。然后，我使用了get函数来获取NDVI值，并使用了set函数来将其添加到要素的属性中。

// 定义一个函数来提取每个缓冲区内的统计值
var zonalStats = function(feature) {
  // 在缓冲区内对NDVI影像集合进行平均值统计
  var meanNDVI = ndviCollection.mean().reduceRegion({
    reducer: ee.Reducer.mean(),
    geometry: feature.geometry(),
    scale: 30 // 使用Landsat 8的原始分辨率
  });
  // 获取NDVI值并将其作为属性添加到要素中
  var ndviValue = meanNDVI.get('NDVI');
  return feature.set('NDVI', ndviValue);
};

// 将函数映射到缓冲区上
var ndviPoints = bufferedPoints.map(zonalStats);

打印和显示结果

为了查看我们的结果，我们可以使用print函数来打印出包含统计值的矢量文件，并使用Map.addLayer函数来将其显示在地图上。我们可以使用color参数来设置显示的颜色，使用name参数来设置图层的名称。我们还可以使用Map.centerObject函数来将地图中心定位到我们的矢量文件上。

// 打印和显示结果
print(ndviPoints);
Map.addLayer(ndviPoints, {color: 'FF0000'}, 'NDVI Points');
Map.centerObject(ndviPoints);

将包含统计值的矢量文件导出为CSV文件

最后，使用Export.table.toDrive函数来将包含统计值的矢量文件导出为一个CSV文件，并保存到Google Drive上。可以使用以下参数来设置导出选项：

• collection: 要导出的矢量文件。
• description: 导出任务的描述。
• folder: Google Drive上的文件夹名称。
• fileFormat: 导出文件的格式。
• selectors: 要导出的属性名称。

// 将包含统计值的矢量文件导出为CSV文件
Export.table.toDrive({
  collection: ndviPoints,
  description: 'NDVI_100m_Landsat',
  folder: 'GEE',
  fileFormat: 'CSV',
  selectors: ['NDVI']
});