Google Earth Engine(GEE)——计算相关植被指数

最新推荐文章于 2024-06-21 17:13:30 发布
最新推荐文章于 2024-06-21 17:13:30 发布
阅读量1k 收藏 12
点赞数 2
文章标签： ui python javascript
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/weixin_48048649/article/details/128876578
版权

通过筛选Landsat影像数据，计算相关植被指数（NDVI、EVI等），实现点击某点后显示该时间段内的所有相关植被指数的时间序列图表，并且可以导出相关数据。

（1）运行效果

初始化界面

指定条件筛选后界面

相关植被指数等列表曲线

（2）流程分析

（3）代码

var roi = /* color: #009999 */ee.Geometry.Polygon(
        [[[116.01215820312495, 35.01173039395982],
          [116.00117187499995, 34.89917580755738],
          [116.15498046874995, 34.912690517484585],
          [116.17145996093745, 35.025226554463565]]]),
    l8 = ee.ImageCollection("LANDSAT/LC08/C01/T1_TOA");

/**
 * 定义相关常量和变量
 * @type {Object}
 */
var app = {
  data: {
    startDate: "2017-1-1",
    endDate: "2018-1-1",
    cloudScore: 50,
    l8Col: null,
    mapClickFlag: false,
    showNDVILayer: true,
    rawLayer: null,
    ndviLayer: null,
    selectImageKey: null,
    clickPoint: null
  },
  config: {
    ndviVisParam: {
      min: -0.2, 
      max: 0.8,
      palette: 'FFFFFF, CE7E45, DF923D, F1B555, FCD163, 99B718, 74A901, 66A000, 529400,' +
        '3E8601, 207401, 056201, 004C00, 023B01, 012E01, 011D01, 011301'
    },
    rgbVisParam: {
      min: 0, 
      max: 0.3,
      bands: ["B4", "B3", "B2"]
    }
  },
  ui: {}
};

/**
 * 定义Landsat 8公共方法
 * @type {Object}
 */
var Landsat8 = {
  //NDWI: (B03 - B05)/(B03 + B05)
  NDWI: function(image) {
      return image.addBands(image.normalizedDifference(["B3", "B5"])
          .rename("NDWI"));
  },
  
  //NDVI: (B05 - B04)/(B05 + B04)
  NDVI: function(img) {
    var ndvi = img.normalizedDifference(["B5","B4"]);
    return img.addBands(ndvi.rename("NDVI"));
  },
  
  //EVI: 2.5*(B05 - B04) / (B05 + 6*B04 - 7.5*B02 + 1)
  EVI: function(img) {
    var nir = img.select("B5");
    var red = img.select("B4");
    var blue = img.select("B2");
    var evi = img.expression(
      "2.5 * (B5 - B4) / (B5 + 6*B4 - 7.5*B2 + 1)",
      {
        "B5": nir,
        "B4": red,
        "B2": blue
      }
    );
    return img.addBands(evi.rename("EVI"));
  },
  
  //LSWI: (B05 - B6)/(B06 + B6)
  LSWI: function(img) {
    var lswi = img.normalizedDifference(["B5","B6"]);
    return img.addBands(lswi.rename("LSWI"));
  },
  
  /**
   * 通过日期、区域、云量筛选数据
   * @param  {[type]} startDate [description]
   * @param  {[type]} endDate   [description]
   * @param  {[type]} region    [description]
   * @param  {[type]} cloud     [description]
   * @return {[type]}           [description]
   */
  getL8ImageCollection : function(startDate, endDate, region, cloud) {
    var dataset = l8.filterDate(startDate, endDate)
                    .filterBounds(region)
                    .map(ee.Algorithms.Landsat.simpleCloudScore)
                    .map(function(image) {
                      return image.updateMask(image.select("cloud").lte(cloud));
                    })
                    .map(Landsat8.NDVI)
                    .map(Landsat8.NDWI)
                    .map(Landsat8.EVI)
                    .map(Landsat8.LSWI);
    return dataset;
  }
};

/**
 * 显示边界
 * @param  {[type]} region [description]
 * @return {[type]}        [description]
 */
function showBounds(region) {
  var outline = ee.Image()
                  .toByte()
                  .paint({
                    featureCollection:region,
                    color:0,
                    width:1.5
                  });
  Map.addLayer(outline, {palette: "ff0000"}, "bounds");
}

/**
 * 导出影像数据
 * @param  {[type]} image    [description]
 * @param  {[type]} region   [description]
 * @param  {[type]} desc     [description]
 * @param  {[type]} fileName [description]
 * @return {[type]}          [description]
 */
function exportImageToDrive(image, region, desc, fileName) {
    Export.image.toDrive({
        image: image,
        description: desc,
        folder: "training01", 
        fileNamePrefix: fileName,
        crs: "EPSG:4326",
        region: region,
        scale: 30,
        maxPixels: 1e13
    });
}

/**
 * 地图点击事件
 * @param  {[type]} coords)        {                                print("click map point         is: " + coords.lon + " " + coords.lat);    if (app.data.mapClickFlag) {      var point [description]
 * @param  {[type]} region:point   [description]
 * @param  {[type]} regionReducer: ee.Reducer.mean() [description]
 * @param  {[type]} scale:30                                                      }  [description]
 * @return {[type]}                [description]
 */
Map.onClick(function(coords) {
    print("click map point is: " + coords.lon + " " + coords.lat);
    if (app.data.mapClickFlag) {
      var point = ee.Geometry.Point(coords.lon, coords.lat);
      if (app.data.clickPoint !== null) {
        Map.remove(app.data.clickPoint);
      }
      app.data.clickPoint = null;
      app.data.clickPoint = Map.addLayer(point, {color: "red"}, "clickPoint");
      //normal
      var chart = ui.Chart.image.doySeries({
          imageCollection: app.data.l8Col.select(["NDVI", "EVI", "NDWI", "LSWI"]), 
          region:point, 
          regionReducer: ee.Reducer.mean(), 
          scale:30
      }).setOptions({
        title: "Index Line",
        hAxis: {title: "Day Of Year"},
        vAxis: {title: "Index Value"},
        series: {
          0: { lineWidth: 1, pointSize: 2 },
          1: { lineWidth: 1, pointSize: 2 },
          2: { lineWidth: 1, pointSize: 2 },
          3: { lineWidth: 1, pointSize: 2 }
        }
      });
      print(chart);
    }
  }
);

/**
 * 查找卫星影像
 * @return {[type]} [description]
 */
function searchLandsatImages () {
  app.data.l8Col = Landsat8.getL8ImageCollection(app.data.startDate, app.data.endDate, roi, app.data.cloudScore);
  var l8Ids = app.data.l8Col.reduceColumns(ee.Reducer.toList(), ["system:index"])
                            .get("list");
  l8Ids.evaluate(function(ids) {
    print("select images length is: " + ids.length);
    app.ui.rawImagePanel.select.items().reset(ids);
    app.ui.rawImagePanel.select.setValue(app.ui.rawImagePanel.select.items().get(0));
  });
}

/**
 * 切换卫星影像
 * @param  {[type]} key [description]
 * @return {[type]}     [description]
 */
function showLandsatImage(key) {
  if (app.data.rawLayer !== null) {
    Map.remove(app.data.rawLayer);
  }
  app.data.rawLayer = null;
  
  if (app.data.ndviLayer !== null) {
    Map.remove(app.data.ndviLayer);
  }
  app.data.ndviLayer = null;
  
  print("show landsat8 image id is: " + key);
  app.data.selectImageKey = key;
  var image = ee.Image(app.data.l8Col.filter(ee.Filter.eq("system:index", key)).first());
  app.data.rawLayer = Map.addLayer(image, app.config.rgbVisParam, "RGB-"+key);
  
  if (app.data.showNDVILayer) {
    app.data.ndviLayer = Map.addLayer(image.select("NDVI"), app.config.ndviVisParam, "NDVI-"+key);
  }
}

/**
 * 导出NDVI结果
 * @return {[type]} [description]
 */
function exportNDVIResult() {
  var key = app.data.selectImageKey;
  var image = ee.Image(app.data.l8Col.filter(ee.Filter.eq("system:index", key)).first());
  var ndvi = image.select("NDVI");
  exportImageToDrive(image, roi, key, key);
}

/**
 * 展示NDVI缩略图
 * @return {[type]} [description]
 */
function showNDVIThumbnail() {
  var key = app.data.selectImageKey;
  var image = ee.Image(app.data.l8Col.filter(ee.Filter.eq("system:index", key)).first());
  var thumbnail = ui.Thumbnail({
    image: image.select("NDVI").visualize(app.config.ndviVisParam),
    params: {
      dimensions: "256x256",  //缩略图大小
      // region: roi.toGeoJSON(), //地理信息
      region: roi, //也可以直接设置为geometry
      format: "png"  //缩略图图片格式
    },
    //显示内容宽和高
    style: {height: "300px", width: "300px"},
    //点击缩略图触发事件
    onClick: function() {
      print("click thumbnail");
    }
  });
  print(thumbnail);
}

/***
 * 初始化UI界面
 * */
function initUI() {
  
  app.ui = {};
  /
  app.ui.titlePanel = {
    panel: ui.Panel({
      widgets: [
        ui.Label({
          value: "相关植被指数",
          style: {
            color: "0000ff",
            fontSize: "30px"
          }
        })
      ]
    })
  };
  
  /
  var rawImageTitle = ui.Label({
    value:"筛选原始Landsat8影像",
    style: {
      fontWeight: "bold",
      fontSize: "16px"
    }
  });
  var startLabel = ui.Label("起始时间: yyyy-mm-dd");
  var startTextbox = ui.Textbox({
    placeholder: "起始时间: yyyy-mm-dd",
    value: app.data.startDate,
    onChange: function(value) {
      print("录入的起始时间: " + value);
      app.data.startDate = value;
    }
  });
  
  var endLabel = ui.Label("结束时间: yyyy-mm-dd");
  var endTextbox = ui.Textbox({
    placeholder: "结束时间: yyyy-mm-dd",
    value: app.data.endDate,
    onChange: function(value) {
      print("录入的结束时间: " + value);
      app.data.endDate = value;
    }
  });
  
  var cloudLabel = ui.Label("筛选云量");
  var cloudSlider = ui.Slider({
    min:1,
    max:100,
    value:app.data.cloudScore,
    step:1,
    direction: "horizontal",
    onChange: function(value) {
      print("slider1 change value is:"+ value);
      app.data.cloudScore = parseInt(value, 10);
    }
  });
  
  var searchBtn = ui.Button({
    label: "查找Landsat8原始影像",
    onClick: searchLandsatImages
  });
  
  var showImages = ui.Select({
    items: [],
    placeholder: "显示Landsat8原始影像",
    onChange: showLandsatImage
  });
  
  app.ui.rawImagePanel = {
    panel: ui.Panel({
      widgets: [
        rawImageTitle, 
        startLabel, startTextbox, 
        endLabel, endTextbox, 
        cloudLabel, cloudSlider,
        searchBtn,
        showImages
      ],
      style: {
        border : "1px solid black"
      }
    }),
    select: showImages
  };
  
  /
  var processTitle = ui.Label({
    value:"处理Landsat8影像",
    style: {
      fontWeight: "bold",
      fontSize: "16px"
    }
  });
  var mapClickCB = ui.Checkbox("开启地图点击事件", app.data.mapClickFlag);
  mapClickCB.onChange(function(checked){
    print("地图点击事件：" + checked);
    app.data.mapClickFlag = checked;
  });
  
  var showNDVICB = ui.Checkbox("加载NDVI图层", app.data.showNDVILayer);
  showNDVICB.onChange(function(checked){
    print("加载NDVI图层：" + checked);
    app.data.showNDVILayer = checked;
  });
  
  var showThumbnailBtn = ui.Button({
    label: "展示NDVI图层缩略图",
    onClick: showNDVIThumbnail
  });
  
  var exportNDVIBtn = ui.Button({
    label: "导出NDVI图层",
    onClick: exportNDVIResult
  });
  
  
  app.ui.processPanel = {
    panel: ui.Panel({
      widgets: [
        processTitle, 
        mapClickCB,
        showNDVICB,
        showThumbnailBtn,
        exportNDVIBtn
      ],
      style: {
        border : "1px solid black"
      }
    })
  };
  
  
  var main = ui.Panel({
      widgets: [
        app.ui.titlePanel.panel,
        app.ui.rawImagePanel.panel,
        app.ui.processPanel.panel
      ],
      style: {width: "300px", padding: '8px'}
    });
  ui.root.insert(0, main);
}

/***
 * 
 * main
 * */
function main() {
  Map.style().set('cursor', 'crosshair');
  Map.centerObject(roi, 10);
  Map.setOptions("SATELLITE");
  
  initUI();
  showBounds(roi);
}

main();
我也想吃a
关注
  • 2
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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
10-18 933
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。
GEE：MODIS计算遥感指数（NDVI、BSI、NDSI、EVI、LSWI、SIPI、EBI等）
养乐多的博客
04-29 4147
使用MODIS数据集计算和可视化几种植被指数，主要包括，NDVI、BSI、NDSI、EVI、LSWI、SIPI、EBI等。
GEE计算时间序列植被指数-以哨兵2数据计算MTCI指数为例+多点像元时间序列值提取
weixin_43347033的博客
03-14 1359
GEE计算时间序列植被指数-以哨兵2数据计算MTCI指数为例
Google Earth Engine（GEE）计算雷达植被指数RVI
guaicaicexu的博客
07-08 2753
今天来分享下如何在GEE中计算雷达植被指数，
GEE实战 | 各种指数分析(植被、水体、建筑)
热门推荐
小鱼干的博客
03-07 1万+
GEE实战 | 各种水体指数分析NDWI VS MNDWI NDWI MNDWI
GEE5：kNDVI植被指数的获取
amyniez的博客，欢迎交流讨论
10-26 5955
kNDVI具有更好的性能，kNDVI将允许更准确地测量陆地碳源/汇的动态，以及稳定大气二氧化碳值和减缓全球气候变化的潜力。目前对该指数的使用比较少，之前主要集中在EVI的使用。
使用GEE计算多种时序植被指数/建筑指数/水体指数
m0_71243797的博客
02-20 2200
使用 Landsat5 数据从头开始计算
Google Earth Engine（GEE）-如何在线计算NDVI（归一化植被指数）和FVC（植被覆盖度）并批量下载.pdf
11-04
Google Earth Engine（GEE）——如何在线计算NDVI（归一化植被指数）和FVC（植被覆盖度）并批量下载。 归一化植被指数（Normalized Difference Vegetation Index，NDVI）是遥感中常用的植被指数之一，用于表征地表...
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...
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.pdf
02-14
(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 第一步我们进行SR去云函数的设定：第二步：设定EVI波段运算的...
曲线拟合程序 多项式相关系数的计算方法(多项式形式1) 多项式相关系数的计算方法(多项式形式2) 最小二乘法曲线拟合 三次样条插
04-15
曲线拟合程序 多项式相关系数的计算方法(多项式形式1) 多项式相关系数的计算方法(多项式形式2) 最小二乘法曲线拟合 三次样条插值（自然边界条件）
Google Earth Engine平台支持下的铁矿区开采及植被变化遥感动态监测-论文
07-08
针对露天开采带来的环境问题，文中基于Google Earth Engine云平台下Landsat卫星长时间序列遥感数据，利用时间序列法和梯度分水岭分割算法，提取1999～2019年鞍山市铁矿区植被和开采破坏变化信息，实现实时、快速获取...
基于GEE云平台的黄河流域植被覆盖度时空变化特征-论文
07-07
基于Google Earth Engine(GEE)平台，对1987—2020年黄河流域共40 525景Landsat TM/ETM+/OLI遥感影像进行批量去云、融合和NDVI云计算等处理，获取34 a的植被覆盖度数据。综合利用最大值合成法、像元二分模型、一元...
【基于GEE计算年度植被覆盖度】
qq_44322368的博客
03-20 6008
基于GEE计算年度植被覆盖度
GEE学习笔记4：Sentinel 2 植被指数计算
晚秋的专栏
12-24 9329
一、Sentinel 2 植被指数计算 从GEE数据集导入的数据 //2. RVI function s2_rvi(image){ var rvi = image.expression('NIR / RED', { 'NIR' : image.select('B8'), 'RED' : image.select('B4') }).float(); return image.addBands(rvi.rename("S2_RVI")); } ​ //3. ...
GEE学习笔记3：Landsat8 植被指数计算
晚秋的专栏
12-24 6719
一、Landsat8 植被指数计算 从GEE数据集导入的数据 // NDVI function L8_ndvi(image){ return image.addBands(image.normalizedDifference(['B5', 'B4']).rename("L8_NDVI")); } // RVI function L8_rvi(image){ var rvi = image.expression('NIR / Red', { 'NIR': image.selec
Google Earth Engine（GEE）计算NDVI、EVI、NDBI等指数并相关性分析
guaicaicexu的博客
06-29 8194
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
2023-2024山东大学移动互联网开发期末回忆
最新发布
soulverzz的博客
06-21 152
1、考试时间：2024/6/202、考试科目：移动互联网开发（安卓开发）（老师：Lin Fengbo）
gee计算生态遥感指数
11-08
GEE（Google Earth Engine）是一个云计算平台，可以用于处理遥感数据和进行地理空间分析。生态遥感指数是指利用遥感数据来表征和评估生态环境状况的指标。GEE平台提供了丰富的工具和功能，可以使用遥感数据计算和分析各种生态遥感指数。 在GEE中，可以使用Python或JavaScript编程语言来处理和分析遥感数据。首先，我们可以通过GEE平台访问全球范围内的遥感影像数据集，如Landsat、MODIS等。然后，可以使用GEE提供的函数和算法来计算各种生态遥感指数。 常见的生态遥感指数包括植被指数（如NDVI、EVI）、水体指数（如NDWI）和土地覆盖指数（如NDSI）等。在GEE中，可以使用像素级别的计算方法来计算这些指数，从而得到每个像素点的生态特征信息。 此外，GEE还提供了强大的空间分析和统计功能，可以基于遥感数据和生态遥感指数来进行空间模式分析、热点检测、变化检测等。通过这些功能，可以深入理解和评估生态环境的空间分布和动态变化。 因此，利用GEE平台可以方便、高效地计算和分析各种生态遥感指数，为生态环境研究和监测提供了重要的工具和支持。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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