GEE19:基于Landsat8的常见的植被指数逐年获取

2023-10-18 21:36

本文主要是介绍GEE19:基于Landsat8的常见的植被指数逐年获取,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

植被指数逐年获取

  • 1. 常见的植被指数
    • 1.1 比值植被指数(Ratio vegetation index,RVI)
    • 1.2 归一化植被指数(Normalized Difference Vegetation Index,NDVI)
    • 1.3 增强植被指数(Enhanced Vegetation Index,EVI)
    • 1.4 土壤调节植被指数(Soil Adjusted Vegetation Index,SAVI)
    • 1.5 差值植被指数(Difference Vegetation Index,DVI)
    • 1.6 计算公式
  • 2. GEE code
  • 3. 参考

1. 常见的植被指数

1.1 比值植被指数(Ratio vegetation index,RVI)

  RVI值的范围:0-30+,一般绿色植被区的范围是2-8,无植被覆盖的地面(裸土、人工建筑、水体、植被枯死或严重虫害)的RVI在1附近。
  RVI是绿色植物的敏感参数,可以及时反映出作物 LAI 的变化。植被覆盖度影响 RVI,当植被覆盖度较高时,RVI 对植被十分敏感;当植被覆盖度<50%时,这种敏感性显著降低。

1.2 归一化植被指数(Normalized Difference Vegetation Index,NDVI)

  NDVI可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件相关辐射照度变化的影响,常用于研究植被生长状态及覆盖度。
  NDVI在LAI值很高,即植被茂密时其灵敏度会降低。负值表示地面覆盖为云、水、雪等,对可见光高反射;0表示有岩石或裸土等,NIR和R近似相等;正值,表示有植被覆盖,且随覆盖度增大而增大;值的范围是 -1 ~ 1,一般绿色植被区的范围是0.2 ~ 0.8。

1.3 增强植被指数(Enhanced Vegetation Index,EVI)

  EVI 加入蓝色波段以增强植被信号,矫正土壤背景和气溶胶散射的影响。EVI常用于LAI值高,即植被茂密区。值的范围是-1~1,一般绿色植被区的范围时0.2 ~ 0.8

1.4 土壤调节植被指数(Soil Adjusted Vegetation Index,SAVI)

  目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比,增加了根据实际情况确定的土壤调节系数L,取值范围0~1。 L=0 时,表示植被覆盖度为零;L=1时,表示土壤背景的影响为零,即植被覆盖度非常高,土壤背景的影响为零,这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。

1.5 差值植被指数(Difference Vegetation Index,DVI)

  DVI对土壤背景的变化较 RVI 敏感,植被覆盖度高时,对植被的敏感度有所下降,适宜于冬小麦初期的植被覆盖研究。

1.6 计算公式

在这里插入图片描述
在这里插入图片描述

2. GEE code

  获取多种植被主要通过USGS Landsat 8 Level 2, Collection 2, Tier 1提取,数据如下:
在这里插入图片描述

var table = ee.FeatureCollection("users/cduthes1991/boundry/China_province_2019").filter(ee.Filter.eq('provinces','beijing'));
var roi = table.geometry();
Map.addLayer(roi, {'color':'blue'}, 'StudyArea');
Map.centerObject(roi, 6);var year_name = 2014;
var start_date = (year_name) + '-01-01';
var end_date   = (year_name + 1) + '-01-01';
var cloudCover = 20//****************************************************************************************************
//****************************************************************************************************
// indices
function DVI(img) {var red = img.select("red");var nir = img.select("nir");var dvi = img.expression("(nir - red)",{"red": red,"nir": nir});return dvi;
}function RVI(img) {var nir = img.select("nir");var red = img.select("red");var rvi = img.expression("(nir/red)",{"nir": nir,"red": red});return rvi;
}function NDVI(img) {var nir = img.select("nir");var red = img.select("red");var ndvi = img.expression("(nir - red)/(nir + red)",{"nir": nir,"red": red});return ndvi;
}function EVI(img) {var nir = img.select("nir");var red = img.select("red");var blue = img.select("blue");var evi = img.expression("2.5 * (nir - red)/(nir + 6 * red - 7.5 * blue + 1)",{"nir": nir,"red": red,"blue": blue});return evi;
}function SAVI(img) {var nir = img.select("nir");var red = img.select("red");var savi = img.expression("1.5 * (nir - red)/(nir + red + 0.5)",{"nir": nir,"red": red});return savi;
}// cloud
function bandRenameL8(image) {var blue = image.select(['SR_B2']).rename('blue');var green = image.select(['SR_B3']).rename('green');var red = image.select(['SR_B4']).rename('red');var nir = image.select(['SR_B5']).rename('nir');var swir1 = image.select(['SR_B6']).rename('swir1');var swir2 = image.select(['SR_B7']).rename('swir2');var new_image = blue.addBands([green, red, nir, swir1, swir2]);return new_image;
}function applyScaleFactorsL8(image) {var opticalBands = image.select('SR_B.').multiply(0.0000275).add(-0.2);var thermalBands = image.select('ST_B.*').multiply(0.00341802).add(149.0);return image.addBands(opticalBands, null, true).addBands(thermalBands, null, true);
}function cloudmaskL8(image) {// Bits 3 and 5 are cloud shadow and cloud, respectively.var cloudShadowBitMask = (1 << 4);var cloudsBitMask = (1 << 3);// Get the pixel QA band.var qa = image.select('QA_PIXEL');// Both flags should be set to zero, indicating clear conditions.var mask = qa.bitwiseAnd(cloudShadowBitMask).eq(0).and(qa.bitwiseAnd(cloudsBitMask).eq(0));return image.updateMask(mask);
}//****************************************************************************************************
//****************************************************************************************************
for(var i = year_name; i <= 2016; i++){
// get image collection
var l8_col = ee.ImageCollection("LANDSAT/LC08/C02/T1_L2").filterBounds(roi).filterDate(start_date, end_date).filter(ee.Filter.lt('CLOUD_COVER', cloudCover)).map(applyScaleFactorsL8).map(cloudmaskL8).map(bandRenameL8);
print('landsat8', l8_col.size())// combine, mean and calculate
var image = l8_col
print("final image count", l8_col.size(), l8_col)
var final_image = image.mean().clip(roi);
print(final_image) // 6 bands(red,blue,green,nir...)
var image_dvi= DVI(final_image)
var image_rvi = RVI(final_image)
var image_ndvi= NDVI(final_image)
var image_evi= EVI(final_image)
var image_savi= SAVI(final_image)Map.addLayer(final_image, {bands: ["red", "green", "blue"], min:0.0, max:0.25}, "image")var ndwi_palettes = ["ffffff","#f9f9f9","#d8fdf4","#7dd5e9","3d7ede","243ad4","#1c00b8", "#250081"];
var ndvi_palettes = ["#e700d5", "#e60000", "#e69f00", "#dfe200", "#7ebe00", "#00a10c", "#008110"];//Map.addLayer(image_dvi.clip(roi), {min:-1, max:1, palette:ndwi_palettes}, "dvi");
//Map.addLayer(image_rvi.clip(roi), {min:0, max:30, palette:ndwi_palettes}, "rvi");
Map.addLayer(image_ndvi.clip(roi), {min:-0.3, max:1, palette:ndvi_palettes}, "ndvi");
//Map.addLayer(image_evi.clip(roi), {min:-0.3, max:1, palette:ndwi_palettes}, "ndwi");
Map.addLayer(image_savi.clip(roi), {min:-0.3, max:1, palette:ndwi_palettes}, "savi");// export to drive
Export.image.toDrive({image: image_dvi.clip(roi),folder: "LUCC",description: "image_dvi" + i,scale: 30,region: roi,maxPixels: 1e13})
Export.image.toDrive({image: image_rvi.clip(roi),folder: "LUCC",description: "image_rvi" + i,scale: 30,region: roi,maxPixels: 1e13})
Export.image.toDrive({image: image_ndvi.clip(roi),folder: "LUCC",description: "image_ndvi" + i,scale: 30,region: roi,maxPixels: 1e13})
Export.image.toDrive({image: image_evi.clip(roi),folder: "LUCC",description: "image_evi" + i,scale: 30,region: roi,maxPixels: 1e13})
Export.image.toDrive({image: image_savi.clip(roi),folder: "LUCC",description: "image_savi" + i,scale: 30,region: roi,maxPixels: 1e13})
}

研究区:

在这里插入图片描述

NDVI:

在这里插入图片描述
SAVISAVI:

3. 参考

  • 光谱植被指数与水稻叶面积指数相关性的研究

这篇关于GEE19:基于Landsat8的常见的植被指数逐年获取的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/235271

相关文章

C# foreach 循环中获取索引的实现方式

《C#foreach循环中获取索引的实现方式》:本文主要介绍C#foreach循环中获取索引的实现方式,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录一、手动维护索引变量二、LINQ Select + 元组解构三、扩展方法封装索引四、使用 for 循环替代

SQL BETWEEN 的常见用法小结

《SQLBETWEEN的常见用法小结》BETWEEN操作符是SQL中非常有用的工具,它允许你快速选取某个范围内的值,本文给大家介绍SQLBETWEEN的常见用法,感兴趣的朋友一起看看吧... 在SQL中,BETWEEN是一个操作符,用于选取介于两个值之间的数据。它包含这两个边界值。BETWEEN操作符常用

Linux下如何使用C++获取硬件信息

《Linux下如何使用C++获取硬件信息》这篇文章主要为大家详细介绍了如何使用C++实现获取CPU,主板,磁盘,BIOS信息等硬件信息,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录方法获取CPU信息:读取"/proc/cpuinfo"文件获取磁盘信息:读取"/proc/diskstats"文

python中各种常见文件的读写操作与类型转换详细指南

《python中各种常见文件的读写操作与类型转换详细指南》这篇文章主要为大家详细介绍了python中各种常见文件(txt,xls,csv,sql,二进制文件)的读写操作与类型转换,感兴趣的小伙伴可以跟... 目录1.文件txt读写标准用法1.1写入文件1.2读取文件2. 二进制文件读取3. 大文件读取3.1

Vue3组件中getCurrentInstance()获取App实例,但是返回null的解决方案

《Vue3组件中getCurrentInstance()获取App实例,但是返回null的解决方案》:本文主要介绍Vue3组件中getCurrentInstance()获取App实例,但是返回nu... 目录vue3组件中getCurrentInstajavascriptnce()获取App实例,但是返回n

C++中初始化二维数组的几种常见方法

《C++中初始化二维数组的几种常见方法》本文详细介绍了在C++中初始化二维数组的不同方式,包括静态初始化、循环、全部为零、部分初始化、std::array和std::vector,以及std::vec... 目录1. 静态初始化2. 使用循环初始化3. 全部初始化为零4. 部分初始化5. 使用 std::a

SpringMVC获取请求参数的方法

《SpringMVC获取请求参数的方法》:本文主要介绍SpringMVC获取请求参数的方法,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下... 目录1、通过ServletAPI获取2、通过控制器方法的形参获取请求参数3、@RequestParam4、@

前端下载文件时如何后端返回的文件流一些常见方法

《前端下载文件时如何后端返回的文件流一些常见方法》:本文主要介绍前端下载文件时如何后端返回的文件流一些常见方法,包括使用Blob和URL.createObjectURL创建下载链接,以及处理带有C... 目录1. 使用 Blob 和 URL.createObjectURL 创建下载链接例子:使用 Blob

C++ vector的常见用法超详细讲解

《C++vector的常见用法超详细讲解》:本文主要介绍C++vector的常见用法,包括C++中vector容器的定义、初始化方法、访问元素、常用函数及其时间复杂度,通过代码介绍的非常详细,... 目录1、vector的定义2、vector常用初始化方法1、使编程用花括号直接赋值2、使用圆括号赋值3、ve

Pytest多环境切换的常见方法介绍

《Pytest多环境切换的常见方法介绍》Pytest作为自动化测试的主力框架,如何实现本地、测试、预发、生产环境的灵活切换,本文总结了通过pytest框架实现自由环境切换的几种方法,大家可以根据需要进... 目录1.pytest-base-url2.hooks函数3.yml和fixture结论你是否也遇到过