手机版传奇网站_搜索引擎排名优化包括哪些方面_网站排名搜索_链交换反应

目录

1 前言

2 代码解析

2.1 定义感兴趣区域并居中显示

2.2 加载数据集并过滤

2.3 定义 kNDVI 计算函数

2.4 生成年度影像集合

2.5 计算 NDVI 和 kNDVI 的时间序列

2.6 可视化时间序列

2.7 导出影像到 Google Drive

3 完整代码

4 运行结果

---

1 前言

在遥感领域，归一化植被指数（NDVI）是一个广泛使用的指标，用于评估植被覆盖和健康状况。然而，随着研究的深入，基于 NDVI 的改进指标，如核归一化植被指数（kNDVI），逐渐受到关注。本篇博客将详细介绍如何使用 Google Earth Engine (GEE) 的 JavaScript API，通过一段代码实现 NDVI 和 kNDVI 的计算、可视化以及数据导出。我们将逐步解析代码，帮助读者理解其逻辑和应用场景。

NDVI 是基于红光和近红外波段反射率计算的植被指数，其值范围在 -1 到 1 之间，反映了植被的生长状态。kNDVI 是 NDVI 的非线性变体，通过引入双曲正切函数（tanh）对 NDVI 进行变换，使其对高植被覆盖区域的敏感性更强。这在研究长期植被动态或高密度植被区时尤为有用。

主要内容：

1. 定义一个感兴趣区域（ROI）。
2. 从 Landsat 数据集中提取 2010-2020 年的 NDVI 数据。
3. 计算 kNDVI。
4. 生成 NDVI 和 kNDVI 的年度时间序列图。
5. 将结果导出到 Google Drive。

2 代码解析

2.1 定义感兴趣区域并居中显示

var roi = geometry;
Map.centerObject(roi, 6);

• roi：用户定义的几何区域，通常在 GEE 编辑器中通过绘图工具手动指定。
• Map.centerObject(roi, 6)：将地图视图居中于 roi，缩放级别为 6。这一步确保我们能在 GEE 的交互式地图上直观查看研究区域。

2.2 加载数据集并过滤

var dataset = ee.ImageCollection('LANDSAT/COMPOSITES/C02/T1_L2_ANNUAL_NDVI').filterBounds(roi).filterDate('2010-01-01', '2020-12-31');

• ee.ImageCollection：加载 Landsat 的年度 NDVI 合成数据集（LANDSAT/COMPOSITES/C02/T1_L2_ANNUAL_NDVI）。该数据集基于 Landsat Tier 1 Level 2 数据预计算了 NDVI。
• .filterBounds(roi)：过滤出与 roi 空间相交的影像。
• .filterDate('2010-01-01', '2020-12-31')：限定时间范围为 2010 年至 2020 年。

2.3 定义 kNDVI 计算函数

function calculateKNDVI(NDVI) {return NDVI.pow(2).tanh().rename('kNDVI');
}

• calculateKNDVI：一个自定义函数，用于计算 kNDVI。
• NDVI.pow(2)：将 NDVI 值平方。
• .tanh()：应用双曲正切函数，输出范围为 (-1, 1)，增强高 NDVI 值的区分度。
• .rename('kNDVI')：将结果波段重命名为 kNDVI。

2.4 生成年度影像集合

var years = ee.List.sequence(2010, 2020);var annualData = years.map(function(year) {var yearStr = ee.Number(year).format('%d');var image = dataset.filterDate(yearStr.cat('-01-01'), yearStr.cat('-12-31')).mean().clip(roi);var NDVI = image.select('NDVI').rename('NDVI');var kNDVI = calculateKNDVI(NDVI);return NDVI.addBands(kNDVI).set('year', year);
});var annualCollection = ee.ImageCollection(annualData);

• ee.List.sequence(2010, 2020)：生成 2010-2020 的年份列表。
• .map(function(year) {...})：对每个年份执行操作：
  • yearStr.cat('-01-01') 和 yearStr.cat('-12-31')：构造每年的起止日期。
  • .filterDate().mean()：过滤该年份数据并计算均值。
  • .clip(roi)：裁剪到感兴趣区域。
  • NDVI.addBands(kNDVI)：将 NDVI 和 kNDVI 合并为多波段影像。
  • .set('year', year)：为影像添加年份属性。
• ee.ImageCollection(annualData)：将结果转为影像集合。

2.5 计算 NDVI 和 kNDVI 的时间序列

var ndviSeries = annualCollection.map(function(img) {var mean = img.select('NDVI').reduceRegion({reducer: ee.Reducer.mean(),geometry: roi,scale: 500,maxPixels: 1e13}).get('NDVI');return ee.Feature(null, {'year': img.get('year'), 'NDVI': mean});
});var kndviSeries = annualCollection.map(function(img) {var mean = img.select('kNDVI').reduceRegion({reducer: ee.Reducer.mean(),geometry: roi,scale: 500,maxPixels: 1e13}).get('kNDVI');return ee.Feature(null, {'year': img.get('year'), 'kNDVI': mean});
});

• .reduceRegion()：对指定波段（NDVI 或 kNDVI）在 roi 内计算均值。
  • reducer: ee.Reducer.mean()：使用均值缩减器。
  • scale: 500：计算分辨率为 500 米。
  • maxPixels: 1e13：设置最大像素数，避免超出计算限制。
• ee.Feature(null, {...})：将年份和均值封装为无几何信息的要素，用于后续绘图。

2.6 可视化时间序列

var ndviChart = ui.Chart.feature.byFeature(ndviSeries, 'year', ['NDVI']).setOptions({title: 'NDVI trend',hAxis: {title: 'Year'},vAxis: {title: 'NDVI'},lineWidth: 2,pointSize: 4,colors: ['green']});
print(ndviChart);var kndviChart = ui.Chart.feature.byFeature(kndviSeries, 'year', ['kNDVI']).setOptions({title: 'kNDVI trend',hAxis: {title: 'Year'},vAxis: {title: 'kNDVI'},lineWidth: 2,pointSize: 4,colors: ['blue']});
print(kndviChart);

• ui.Chart.feature.byFeature：根据要素集合绘制折线图。
  • X 轴为 year，Y 轴为 NDVI 或 kNDVI。
• .setOptions({...})：设置图表样式，包括标题、轴标签、线条宽度、点大小和颜色。
• print()：将图表输出到 GEE 控制台。

2.7 导出影像到 Google Drive

years.evaluate(function(yearList) {yearList.forEach(function(year) {var image = annualCollection.filter(ee.Filter.eq('year', year)).first();Export.image.toDrive({image: image.select('NDVI'),description: "NDVI_" + year,fileNamePrefix: "NDVI_" + year,scale: 500,region: roi,crs: "EPSG:4326",maxPixels: 1e13,folder: 'Annual_NDVI'});Export.image.toDrive({image: image.select('kNDVI'),description: "kNDVI_" + year,fileNamePrefix: "kNDVI_" + year,scale: 500,region: roi,crs: "EPSG:4326",maxPixels: 1e13,folder: 'Annual_kNDVI'});});
});

• years.evaluate()：将服务器端的年份列表转为客户端可用的 JavaScript 数组。
• .forEach()：对每个年份执行导出：
  • .filter().first()：从集合中提取该年份的影像。
  • Export.image.toDrive()：将 NDVI 和 kNDVI 影像分别导出。
    • scale: 500：分辨率为 500 米。
    • crs: "EPSG:4326"：使用 WGS84 坐标系。
    • folder：分别存储在 Annual_NDVI 和 Annual_kNDVI 文件夹中。

3 完整代码

var roi = geometry;
Map.centerObject(roi, 6);var dataset = ee.ImageCollection('LANDSAT/COMPOSITES/C02/T1_L2_ANNUAL_NDVI').filterBounds(roi).filterDate('2010-01-01', '2020-12-31');function calculateKNDVI(NDVI) {return NDVI.pow(2).tanh().rename('kNDVI');
}var years = ee.List.sequence(2010, 2020);var annualData = years.map(function(year) {var yearStr = ee.Number(year).format('%d');var image = dataset.filterDate(yearStr.cat('-01-01'), yearStr.cat('-12-31')).mean().clip(roi);var NDVI = image.select('NDVI').rename('NDVI');var kNDVI = calculateKNDVI(NDVI);return NDVI.addBands(kNDVI).set('year', year);
});var annualCollection = ee.ImageCollection(annualData);var ndviSeries = annualCollection.map(function(img) {var mean = img.select('NDVI').reduceRegion({reducer: ee.Reducer.mean(),geometry: roi,scale: 500,maxPixels: 1e13}).get('NDVI');return ee.Feature(null, {'year': img.get('year'), 'NDVI': mean});
});var kndviSeries = annualCollection.map(function(img) {var mean = img.select('kNDVI').reduceRegion({reducer: ee.Reducer.mean(),geometry: roi,scale: 500,maxPixels: 1e13}).get('kNDVI');return ee.Feature(null, {'year': img.get('year'), 'kNDVI': mean});
});var ndviChart = ui.Chart.feature.byFeature(ndviSeries, 'year', ['NDVI']).setOptions({title: 'NDVI trend',hAxis: {title: 'Year'},vAxis: {title: 'NDVI'},lineWidth: 2,pointSize: 4,colors: ['green']});
print(ndviChart);var kndviChart = ui.Chart.feature.byFeature(kndviSeries, 'year', ['kNDVI']).setOptions({title: 'kNDVI trend',hAxis: {title: 'Year'},vAxis: {title: 'kNDVI'},lineWidth: 2,pointSize: 4,colors: ['blue']});
print(kndviChart);years.evaluate(function(yearList) {yearList.forEach(function(year) {var image = annualCollection.filter(ee.Filter.eq('year', year)).first();Export.image.toDrive({image: image.select('NDVI'),description: "NDVI_" + year,fileNamePrefix: "NDVI_" + year,scale: 500,region: roi,crs: "EPSG:4326",maxPixels: 1e13,folder: 'Annual_NDVI'});Export.image.toDrive({image: image.select('kNDVI'),description: "kNDVI_" + year,fileNamePrefix: "kNDVI_" + year,scale: 500,region: roi,crs: "EPSG:4326",maxPixels: 1e13,folder: 'Annual_kNDVI'});});
});

4 运行结果