• GEE15：获取不同遥感指数的时间序列及不同指数间的关系

    GEE

    1. 不同遥感指数间的时间序列分析

      GPP数据在一定程度上和植被指数（如NDVI和EVI）有着显著的相关性，那么其相关性如何？如何从时间序列的角度来思考呢？下面我将用GEE代码解答这个问题。

    数据：

    • GPP： MOD17A2H.006 Terra Gross Primary Productivity 8-Day Global 500m
    • NDVI & EVI： MOD13Q1.006 Terra Vegetation Indices 16-Day Global 250m
    • DEM： Copernicus DEM GLO-30 Global 30m Digital Elevation Model
    // 不同数据源的时间序列分析(GPP,NDVI and EVI)
// 研究区设置
var ROI = ee.FeatureCollection('projects/ee-*******736/assets/Sichuan_province')
var styling = {color:"red",fillColor:"00000000"}
Map.centerObject(ROI,5)
Map.addLayer(ROI.style(styling),{},"geometry")

// 数据预处理
// 选择数据集并进行波段比例换算
var years = ee.List.sequence(2000, 2022);
var collectYear = ee.ImageCollection(years
  .map(function(y) {
    var start = ee.Date.fromYMD(y, 1, 1);
    var end = start.advance(12, 'month');
    var GPP = ee.ImageCollection('MODIS/006/MOD17A2H')
                  .select('Gpp')
                  .filterDate(start, end)
                  .map(function(image){
                    return image.multiply(0.001).set(image.toDictionary(image.propertyNames()));// 此处将GPP扩大了10倍
                  }).mean().rename('GPP')
    var NDVI = ee.ImageCollection("MODIS/006/MOD13Q1")
                  .filterDate(start, end)
                  .select("NDVI")
                  .map(function(image){
                    return image.multiply(0.0001).set(image.toDictionary(image.propertyNames()))
                  }).mean().rename('NDVI');
    var EVI = ee.ImageCollection("MODIS/006/MOD13Q1")
                  .filterDate(start, end)
                  .select("EVI")
                  .map(function(image){
                    return image.multiply(0.0001).set(image.toDictionary(image.propertyNames()))
                  }).mean().rename('EVI');
    return GPP.addBands(NDVI).addBands(EVI).set('year',y)
	}
  )
);
print (collectYear);


// 计算研究区域内的波段时间序列
var Yearlychart = ui.Chart.image.series({
  imageCollection : collectYear.select('NDVI','EVI','GPP'),
  region : ROI,
  reducer:ee.Reducer.mean(),
  scale:500,
  xProperty: 'year',})
  .setChartType('LineChart').setOptions({
  interpolateNulls: true,
  title: 'GPP & NDVI time series',
  hAxis: {title: 'Date'},
  vAxis: {title: 'GPP & NDVI & EVI',viewWindowMode: 'explicit'}
  });
print('GPP & NDVI & EVI 时间序列',Yearlychart);

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53

      结果：
    在这里插入图片描述
      可见GPP在一定程度上和植被指数有着显著的相关性，其中EVI的变化趋势与GPP变化趋势更相近。

    2. 不同指数之间的关系

      为了了解不同指数之间的关系，如线性，我在这里使用GPP与EVI进行分析：

    // 不同数据源的时间序列分析(GPP,NDVI and EVI)
// 研究区设置
var ROI = ee.FeatureCollection('projects/ee-******736/assets/Sichuan_province')
var styling = {color:"red",fillColor:"00000000"}
Map.centerObject(ROI,5)
Map.addLayer(ROI.style(styling),{},"geometry")

//数据选择Gpp和EVI(EVI与Gpp的时间序列更加契合)
var start = ee.Date.fromYMD(2022, 3, 1);
var end = start.advance(6, 'month');    // 选择生长季
var GPP = ee.ImageCollection('MODIS/006/MOD17A2H') // 空间分辨率为500m
                  .select('Gpp')
                  .filterDate(start, end)
                  .map(function(image){
                    return image.multiply(0.0005).set(image.toDictionary(image.propertyNames()));
					         //此处将GPP扩大了5倍
                  }).mean().rename('GPP')
                  .clip(ROI);
var EVI = ee.ImageCollection("MODIS/006/MOD13Q1")  // 空间分辨率为250m
                  .filterDate(start, end)
                  .select("EVI")
                  .map(function(image){
                    return image.multiply(0.0001).set(image.toDictionary(image.propertyNames()));
                  }).mean().reproject('EPSG:4326',null,500)
                  .clip(ROI);
				  


// 建立EVI与Gpp两个数组，需要保持两个数据的空间分辨率一致，500m即可
var merge = EVI.addBands(GPP).clip(ROI);
var array = merge.reduceRegion({reducer: ee.Reducer.toList(), geometry: ROI, scale: 1000});
var x = ee.List(array.get('GPP')).slice(0, 5000);//注意：此处的切片范围不能超过数据向量本身的范围，否则会报错
var y = ee.List(array.get('EVI')).slice(0, 5000);


// 数据可视化
var chart = ui.Chart.array.values({array: y, axis: 0, xLabels: x}).setOptions({
  title: 'Relationship between the EVI and GPP',
  colors: ['green'],
  hAxis: {
    title: 'GPP(kg*C/m^2)',
    titleTextStyle: {italic: false, bold: true},
    viewWindow: {min: 0, max: 0.3}
  },
  vAxis: {
    title: 'EVI values',
    titleTextStyle: {italic: false, bold: true},
    viewWindow: {min: -0.1, max: 0.7}
  },
  pointSize: 2, //调整点的大小
  legend: {position: 'none'},
});

print('Relationship between the EVI and GPP',chart);

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54

    结果：在这里插入图片描述

    可以看出GPP与EVI存在着一定的线性相关性。

      EVI与地形 （海拔高度） 之间的变化关系：

    // 研究区设置
var ROI = ee.FeatureCollection('projects/ee-yipeizhao736/assets/Sichuan_province')
var styling = {color:"red",fillColor:"00000000"}
Map.centerObject(ROI,5)
Map.addLayer(ROI.style(styling),{},"geometry")

//数据选择DEM和EVI
var start = ee.Date.fromYMD(2022, 3, 1);
var end = start.advance(6, 'month');    // 选择生长季
var DEM = ee.ImageCollection('COPERNICUS/DEM/GLO30') // 空间分辨率为30m
                  .select('DEM')
                  .map(function(image){
                    return image.set(image.toDictionary(image.propertyNames()));
                  }).mean().rename('DEM')
                  .clip(ROI);
var EVI = ee.ImageCollection("MODIS/006/MOD13Q1")  // 空间分辨率为250m
                  .filterDate(start, end)
                  .select("EVI")
                  .map(function(image){
                    return image.multiply(0.0001).set(image.toDictionary(image.propertyNames()));
                  }).mean().rename('EVI')
                  .clip(ROI);
				  


var merge = EVI.addBands(DEM).clip(ROI);
var array = merge.reduceRegion({reducer: ee.Reducer.toList(), geometry: ROI, scale: 250}); //
var x = ee.List(array.get('DEM')).slice(0, 5000);
var y = ee.List(array.get('EVI')).slice(0, 5000);


// 数据可视化
var DEM_EVIchart = ui.Chart.array.values({array: y, axis: 0, xLabels: x}).setOptions({
  title: 'Relationship between the EVI and DEM',
  colors: ['green'],
  hAxis: {
    title: 'DEM(m)',
    titleTextStyle: {italic: false, bold: true},
    viewWindow: {min: 2000, max: 5500}
  },
  vAxis: {
    title: 'EVI values',
    titleTextStyle: {italic: false, bold: true},
    viewWindow: {min: -0.1, max: 0.9}
  },
  pointSize: 2, //调整点的大小
  legend: {position: 'none'},
});
print('Relationship between the EVI and DEM', DEM_EVIchart);

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49

      结果：

    在这里插入图片描述

      修改数据集，考虑NDVI与海拔之间的关系，结果如下：

    在这里插入图片描述

      可见，随着海拔上升，植被复杂存在着复杂且不均匀的变化，值得注意的是在3250 ~ 3500之间的植被分布较为集中，且包含了各种类型或者密度的植被；植被分布峰值位于3500 ~ 4000m海拔之间；通过这种方法，我们可以了解植被丰富度随海拔的变化情况。

  • 相关阅读:
    springboot+vue框架搭建教程
    YAML文件读取
    ansible安装及快速应用
    Kotlin协程最佳实践
    Spring Cloud + Spring Boot + Mybatis + Uniapp 企业架构之 JVM垃圾回收总结
    双靶向融合蛋白标记的红细胞膜包裹PLGA微球/细胞膜拮抗联合纳米酶的仿生制备
    开发一个python工具，pdf转图片，并且截成单个图片，然后修整没用的白边及循环遍历文件夹全量压缩图片
    【大学生python】错误和异常
    C++运算符重载
    Linux多线程(线程池与单例模式)
  • 原文地址：https://blog.csdn.net/amyniez/article/details/133525566