PIE-engine 教程 ——利用NDWI加载青海湖三年水域影像和面积计算

这里我们首先画一个自己选择的研究区，用于方便计算NDWI，这里我们将青海湖区域作为我们的研究区，第二步我们就是要设定一个函数，用于在函数中执行循环遍历，这里包括去云和影像筛选过程，最后按照最大值合成，最后我们分别加载影像，计算影像水域的面积分别用到的就是我们提到的pixelArea()和reduceregion(),在这个过程中我们可以设定一个水域变化面积的函数，用来展示每一面水体的面积变化情况，期间我们还可以构建动态展示效果，加载影像的三年湖水的动画效果。

ChartImage(ySeries,xSeries,options)

即将弃用，请使用 ui.Chart.image.*替换。
通过统计的结果在控制台绘制图表，绘制的图表可以保存。

方法参数：

- ySeries(List)

计算结果Array对象

- xSeries(List)

横坐标标注Array对象

- options(Object)这里的函数可以有好多种，我们这里分别在之前设定好的类型当中分别用到了线性图和柱状图

用于描述统计图的Json对象

返回值：null

代码：

//加载我们的自己画的区域
var geometry = pie.Geometry.Polygon([
    [
        [
            99.58525333814976,
            37.24714673441345
        ],
        [
            100.77704556952716,
            37.24714673441345
        ],
        [
            100.77704556952716,
            36.528174170711736
        ],
        [
            99.58525333814976,
            36.528174170711736
        ],
        [
            99.58525333814976,
            37.24714673441345
        ]
    ]
], null);
 
 
//将其所化的geometry转化为矢量
var roi = pie.FeatureCollection(pie.Feature(geometry)); 
//加载图层
Map.addLayer(roi, { color: "ff0000ff", fillColor: "00000000" }, "roi", false); 
//加载地图中心点
Map.centerObject(geometry, 9);
 
//指定年份数据的NDWI指数提取
function processImage(year, roi) {
    var id = "LC08/01/T1";
    var l8Col = pie.ImageCollection(id)
        .filterBounds(roi) //按范围过滤
        .filterDate(year + "-04-01", year + "-10-01") //按时间过滤
        .select(["B3", "B5", "BQA"])  //选择绿波段、红外波段和BQA波段
        .map(function (image) {     //map函数针对ImageCollection中的每个Image进行循环计算。
            var b3 = image.select("B3");
            var b5 = image.select("B5");
            var ndwi = (b3.subtract(b5)).divide(b3.add(b5));  //ndwi计算，ndwi=(b3-b5)/(b3+b5)
            //QA去云
            var qa = image.select("BQA");
            var cloudMask = qa.bitwiseAnd(1 << 4).eq(0);
            //去云和提取水体
            ndwi = ndwi.updateMask(cloudMask)
                .updateMask(ndwi.gt(0.3));
            return ndwi.rename("NDWI");//对图层重命名，方便后面选择，不重命名的话，select时是“B3”
        });
 
    //采用最大值直接融合，最后做一次裁剪
    var yearImg = l8Col.select("NDWI").max().clip(roi);//
    return yearImg;  //返回Image对象
}
// 2017-2019年巢湖区域水体指数提取及显示
var img1 = processImage(2017, geometry);
Map.addLayer(img1, { min: -1, max: 1, palette: "0000ff" }, "2017", false);//blue
 
var img2 = processImage(2018, geometry);
Map.addLayer(img2, { min: -1, max: 1, palette: "00ff00" }, "2018", false);//green
 
var img3 = processImage(2019, geometry);
Map.addLayer(img3, { min: -1, max: 1, palette: "ff0000" }, "2019", false);//red
 
// 计算影像面积
function calcArea(yearImg, roi) {
    var areaImage = yearImg.pixelArea().multiply(yearImg.gt(0.3));
    var water = areaImage.reduceRegion(pie.Reducer.sum(), roi, 30);
    return water;
}
 
// 青海湖水域2017-2019年面积变化多图表对比
//构建描述统计图的json对象
var line_options = {     
    title: '青海湖水域2017-2019年面积变化',
    legend: ['水体面积'],
    xAxisName: "日期（年）",
    yAxisName: "水体面积（平方千米）",
    chartType: "line",
    yScale: 1 / 1000000
};
 
//构建计算结果Array对象
var areaValues = [    
    calcArea(img1, geometry),
    calcArea(img2, geometry),
    calcArea(img3, geometry)
];
 
//构建横坐标标注Array对象
var xSeries = [2017, 2018, 2019]; 
//打印结果    
print("2017年", areaValues[0]);
print("2018年", areaValues[1]);
print("2019年", areaValues[2]);
 
//构建动画数据
var layerNames = [];  
layerNames.push("2017" + "");
layerNames.push("2018" + "");
layerNames.push("2019" + "");
 
//显示动画效果，传入动画数据、循环时间、循环次数
Map.playLayersAnimation(layerNames, 2, 100); 
 
//加载显示折线统计图
ChartImage(areaValues, xSeries, line_options);  
 
//构建描述统计图的json对象
var column_options = {     
    title: '青海湖水域2017-2019年面积变化',
    legend: ["水体面积"],
    yAxisName: "水体面积（平方千米）",
    xAxisName: "日期（年）",
    chartType: "column",
    yScale: 1 / 1000000
};
 
//加载显示柱状统计图
ChartImage(areaValues, xSeries, column_options);   

结果：