• GEE开发之Landsat8_NDVI的数据分析


    前言

    这次主要获取Landsat8的NDVI的数据。


    1 基础知识

    landsat8:中文名陆地卫星8号。

    T1_32DAY_NDVI:这些合成是根据从一年的第一天开始到一年的第 352 天的每 32 天期间的所有场景创建的。从第 353 天开始,今年的最后一个组合将与下一年的第一个组合重叠 20 天。每个 32 天期间的所有图像都包含在合成中,最近的像素作为合成值。

    T1_8DAY_NDVI:这些合成是根据从一年的第一天开始到一年的第 360 天的每 8 天时间段内的所有场景创建的。从第 361 天开始,今年的最后一个组合将与下一年的第一个组合重叠 3 天。每个 8 天期间的所有图像都包含在合成中,最近的像素作为合成值。

    2 T1_32DAY_NDVI的数据获取

    2.1 遥感影像获取

    代码如下(以南京市为例)

    var geometry = ee.FeatureCollection('users/www1573979951/nanjingshi');
    Map.centerObject(geometry,6);
    //选取影像集
    var ndvi = ee.ImageCollection("LANDSAT/LC08/C01/T1_32DAY_NDVI").filterDate('2020-01-01', '2020-12-31').select('NDVI');
    var colorizedVis = {
      min: -0.8,  
      max: 0.8,  
      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');
    print(ndvi)//方便看看这一年有多少副影像
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11

    运行截图:
    在这里插入图片描述
    影像集截图(12个数据):
    在这里插入图片描述

    2.2 遥感数据获取

    代码如下(以南京市为例):

    var geometry = ee.FeatureCollection('users/www1573979951/nanjingshi');
    //选取影像集
    var ndvi = ee.ImageCollection("LANDSAT/LC08/C01/T1_32DAY_NDVI").filterDate('2020-01-01', '2020-12-31').select('NDVI');
    print(ndvi);
    print(ui.Chart.image.series(ndvi, geometry, ee.Reducer.mean(), 500));//打印成表格
    
    • 1
    • 2
    • 3
    • 4
    • 5

    表格数据截图:
    在这里插入图片描述
    CSV数据截图:
    在这里插入图片描述

    3 T1_8DAY_NDVI的数据获取

    3.1 遥感影像获取

    代码如下(以南京市为例):

    var geometry = ee.FeatureCollection('users/www1573979951/nanjingshi');
    Map.centerObject(geometry,6);
    //选取影像集
    var ndvi = ee.ImageCollection("LANDSAT/LC08/C01/T1_8DAY_NDVI").filterDate('2020-01-01', '2020-12-31').select('NDVI');
    print(ndvi);
    var colorizedVis = {
      min: -0.8,  
      max: 0.8,  
      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');
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11

    遥感影像截图(和T1_32DAY_NDVI差不多):
    在这里插入图片描述
    影像集截图(46个数据):
    在这里插入图片描述

    3.2 遥感数据获取

    代码如下(以南京市为例):

    var geometry = ee.FeatureCollection('users/www1573979951/nanjingshi');
    //选取影像集
    var ndvi = ee.ImageCollection("LANDSAT/LC08/C01/T1_8DAY_NDVI").filterDate('2020-01-01', '2020-12-31').select('NDVI');
    print(ndvi);
    print(ui.Chart.image.series(ndvi, geometry, ee.Reducer.mean(), 500));//打印成表格
    
    • 1
    • 2
    • 3
    • 4
    • 5

    表格截图:
    在这里插入图片描述
    CSV数据截图:
    在这里插入图片描述

    3.3 逐月数据获取

    代码如下(以南京市为例):

    var geometry = ee.FeatureCollection('users/www1573979951/nanjingshi');
    //选取影像集
    var ndvi = ee.ImageCollection("LANDSAT/LC08/C01/T1_8DAY_NDVI").filterDate('2020-01-01', '2020-12-31').select('NDVI');
    
    //时间范围
    var years = ee.List.sequence(2020, 2020);
    var months = ee.List.sequence(1, 12);
    
    var NDVI_8daysmeanNDVI =  ee.ImageCollection.fromImages(
      years.map(function (y) {
        return months.map(function(m) {
        return ndvi.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()
    );
    
    print(ui.Chart.image.series(NDVI_8daysmeanNDVI, geometry, ee.Reducer.mean(), 500));
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17

    表格截图(和2.2几乎一致):
    在这里插入图片描述
    CSV数据截图:
    在这里插入图片描述


    总结

    主要介绍了Landsat8下获取NDVI的两种方式。

  • 相关阅读:
    RocketMQ 5.0 可观测能力升级:Metrics 指标分析
    VulnHub Metasploitable-2
    C语言获取win11新版终端WindowsTerminal窗口句柄
    Django--25Django性能优化
    计算机毕业设计Java球馆预约管理系统(源代码+数据库+系统+lw文档)
    [ 基础漏洞篇 ] webpack 前端源码泄露详解
    晋江文学城PHP面试题(!带答案)
    训练专门化的大型语言模型(LLM)现在更简单了
    Blender洪水淹没毁墙效果
    李沐:机器学习者进阶学习建议
  • 原文地址:https://blog.csdn.net/qq_32306361/article/details/126082602