GEEer成长日记二：Modis_NDVI逐日和逐月时间序列分析

爱探索的GEEer

已于 2022-03-24 13:46:06 修改

阅读量1.1w

点赞数 18

分类专栏： Google earth engine 文章标签： google earth javascript 时序模型

于 2022-01-27 12:04:27 首次发布

本文链接：https://blog.csdn.net/weixin_51691876/article/details/122715264

版权

Google earth engine 专栏收录该内容

23 篇文章 246 订阅

订阅专栏

　　可能很多人GEE最基础的研究可能是从NDVI开始的，今天小编将为大家介绍两种常用的Modis的NDVI产品，并以广东省为例，分析2020年的时间序列。后期我们会带大家研究Landsat系列和Sentinel-2在NDVI时间序列方面的研究。

　　话不多说，上货了！

一、MODIS/006/MYD13Q1

　　先看看官方介绍：MYD13Q1 V6 产品以每个像素为基础提供植被指数 (VI) 值。有两个主要植被层。第一个是归一化差异植被指数 (NDVI)，它被称为现有国家海洋和大气管理局高分辨率辐射计 (NOAA-AVHRR) 衍生的 NDVI 的连续性指数。第二个植被层是增强型植被指数 (EVI)，可最大限度地减少冠层背景变化并保持对茂密植被条件的敏感性。EVI 还使用蓝色波段去除由烟雾和亚像素薄云造成的残留大气污染。MODIS NDVI 和 EVI 产品是根据大气校正的双向表面反射率计算得出的，这些反射率已被水、云、重气溶胶和云阴影掩盖。

　　分辨率：250m。

　　时间范围：2002-07-04T00:00:00-现在

　　波段介绍：

　　既然是16天产品，我们在此就先介绍一下2020年它的时间序列吧！

　　首先需要调用这个数据集，并选取NDVI波段

// 公众号：GEEer成长日记
var geometry = ee.FeatureCollection('users/ZhengkunWang/guangdongsheng')
Map.centerObject(geometry,6) 
//选取影像集
var collection = ee.ImageCollection("MODIS/006/MYD13Q1")
                   .filterDate('2020-01-01', '2020-12-31');
print(collection)//方便看看这一年有多少副影像
//选择波段 NDVI
var ndvi = collection.select("NDVI");
//换算单位。这里插一嘴，好多影像的波段都有scale一说，
//是因为他们要将影像的值变换到整型，降低存储量
//我不是最后一个知道的吧？！！！
var multiply = function(image){ 
 // multply image  
 var img = image.multiply(0.0001);  
 return img.set('system:time_start',image.get('system:time_start')) ;
 };
 ndvi = ndvi.map(multiply);
 //设置调色板并展示影像
 var colorizedVis = {  min: 0.0,  max: 1.0,  palette: [  
   'FFFFFF', 'CE7E45', 'DF923D', 'F1B555', 'FCD163', '99B718', '74A901', 
      '66A000', '529400', '3E8601', '207401', '056201', '004C00', '023B01',  
        '012E01', '011D01', '011301'  ],};
Map.addLayer(ndvi.median().clip(geometry), colorizedVis, 'NDVI');

结果如图：

既然是16天影像，那我们看看它一年的时间序列：

　　第一个产品就展示到这里，代码可以直接复制去演示一遍，这个这线图可以导出CSV。

二、MODIS/MOD09GA_006_NDVI

　　继续看看官方介绍：别看了，就一行字，没意思，上图吧。

　　补充一下下：它的分辨率好像是500m，小编查到是这样，如有差错，还请大家批评指正！

　　为了省事，我们接着上面的内容继续操作：


//老样子，还是先加载影像
var dailyNDVI = ee.ImageCollection("MODIS/MOD09GA_006_NDVI")
                     .filterDate('2020-01-01', '2020-12-31')
                     .select('NDVI');
print(dailyNDVI)//看看一年有多少副影像
Map.addLayer(dailyNDVI.mean().clip(geometry), colorizedVis, 'dailyNDVI');
print(ui.Chart.image.series(dailyNDVI, geometry, ee.Reducer.mean(), 1000));
//为了省时省力，码字太累了。所以这边统计的时候像素大小选择为1000，大家可以自行调整

emmm，看到这幅图的时候，小编背后一凉，难道是？

再看看时间序列，结果是酱紫：

　　一看365，多的就不说了，dddd！

　　做到这里，小编觉得不太够，有时候我们也不需要每天的曲线，对吧？还是月平均更实用一点点。那么？安排！

代码是酱紫的：


//先筛选我们研究的时间范围
var years = ee.List.sequence(2020, 2020);
var months = ee.List.sequence(1, 12);
//将逐日数据生成月平均数据
var monthlymeanNDVI =  ee.ImageCollection.fromImages( 
 years.map(function (y) {  
   return months.map(function(m) {   
   return dailyNDVI.filter(ee.Filter.calendarRange(y,y, 'year')).filter(ee.Filter.calendarRange(m, m, 'month')).mean().set('year', y).set('month', m).set('system:time_start', ee.Date.fromYMD(y, m, 1)); 
      });  }).flatten());
 // Create and print charts.
 print(ui.Chart.image.series(monthlymeanNDVI, geometry, ee.Reducer.mean(), 1000));