GEE计算VCI（植被状况指数）及VHI（植被健康指数）

2024-03-16 00:10
文章标签 计算 健康 指数 gee 植被 vci 植被状况 vhi

本文主要是介绍GEE计算VCI（植被状况指数）及VHI（植被健康指数），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！

Google Earth Engine（GEE）提供了强大的工具和功能，使得对遥感数据进行高效处理和分析成为可能。其中，计算植被状况指数（VCI）和植被健康指数（VHI）是遥感领域中的重要应用之一。本文将介绍如何使用GEE计算VCI和VHI，并解释这些指数在遥感分析中的重要性。

植被状况指数（VCI）和植被健康指数（VHI）简介

植被状况指数（VCI）是一种用于评估当前植被健康状况的指数，其基本原理是将当前时段的归一化差异植被指数（NDVI）与历史时段的最小值和最大值进行比较。VCI通过将NDVI值与历史范围进行归一化，从而反映出植被当前的状况相对于历史情况的位置。这有助于区分天气变化对NDVI的影响与植被自身生长状态的影响。

植被健康指数（VHI）则是植被状况指数（VCI）与温度状态指数（TCI）的加权平均。温度状态指数（TCI）反映了地表温度对植被生长的影响，结合VCI，可以更全面地评估植被的健康状况。

在接下来的部分，我们将介绍如何使用GEE计算VCI和VHI，并展示这些指数在遥感数据分析中的应用。

代码实现

加载数据部分代码引用生态遥感监测笔记

Google Earth Engine（GEE）计算长时序的月VCI和TCI_计算植被状况指数与温度状况指数-CSDN博客

设置研究区

首先，使用ee.FeatureCollection()获取研究区范围

接着，调用Map.centerObject()函数，将地图的视角移动到感兴趣区域，设置缩放级别

然后，设置图层上显示的研究区包络线，，边界线的颜色为红色（"FF0000"），填充颜色为红色的透明度为0.5的色值（"FF000088"），线宽为1.5像素。

最后，将研究区包络线添加到地图上

var roi = ee.FeatureCollection("projects/ee-dxtgchrvhffge47576/assets/henanArea");
Map.centerObject(roi, 7);
var styling = {color: "FF0000", fillColor: "FF000088", width: 1.5}; 
Map.addLayer(roi.style(styling), {}, "geometry");

加载数据

  1. 首先，定义了起始年份（startYear）和结束年份（endYear），并将它们转换为ee.Date类型的对象。

  2. 然后，通过ee.ImageCollection()函数加载了MODIS数据集中的NDVI（MOD13Q1）和LST（MOD11A2）图像集合。

  3. 使用filterDate()方法将NDVI和LST图像集合中的图像筛选出指定时间范围内的图像。

  4. 使用select()方法选择NDVI和LST图像集合中的相应波段（"NDVI"和"LST_Day_1km"）。

  5. 使用ee.Algorithms.If()方法检查NDVI和LST图像集合是否为空。如果为空，则创建一个包含全零值的图像集合；如果不为空，则保持原始图像集合不变。

  6. 最后，将处理后的NDVI和LST图像集合分别赋值给Coll_NDVI和Coll_LST变量。

var startYear = 2012;
var endYear = 2022;
var startDate = ee.Date.fromYMD(startYear, 1, 1);
var endDate = ee.Date.fromYMD(endYear, 12, 31);
//添加MODIS植被指数16天全球250米 
var Coll_NDVI = ee.ImageCollection("MODIS/006/MOD13Q1")
//MODIS/006/MOD13A1
var Coll_LST = ee.ImageCollection("MODIS/006/MOD11A2")
//MODIS/006/MOD11A1
Coll_NDVI = Coll_NDVI.filterDate(startDate, endDate).select("NDVI");
Coll_NDVI = ee.ImageCollection(ee.Algorithms.If(Coll_NDVI.size().eq(0),ee.ImageCollection(ee.Image(0).selfMask().rename('NDVI')),Coll_NDVI));
Coll_LST = Coll_LST.filterDate(startDate, endDate).select("LST_Day_1km");
Coll_LST = ee.ImageCollection(ee.Algorithms.If(Coll_LST.size().eq(0),ee.ImageCollection(ee.Image(0).selfMask().rename('LST_Day_1km')),Coll_LST));

数据预处理

  • 对NDVI图像集合进行了比例缩放
  • 对LST图像集合进行了单位转换，将其从原始单位（0.02）转换为摄氏度（℃）。
  • 使用print()函数将处理后的NDVI和LST图像集合打印输出到控制台，以便查看处理结果。
var Coll_NDVI = Coll_NDVI.map(function(img) {return img.clip(roi).divide(10000).float().set("system:time_start", img.get("system:time_start")); // keep time info});var Coll_LST = Coll_LST.map(function(img) {return img.clip(roi).multiply(0.02).subtract(273.15).float().set("system:time_start", img.get("system:time_start")); // keep time info
});print(Coll_NDVI);
print(Coll_LST);

计算最大最小值与显示

// 获取Coll_NDVI和Coll_LST集合的第一个影像
var first_NDVI = Coll_NDVI.first();
var first_LST = Coll_LST.first();// 在地图上显示第一个NDVI影像
Map.addLayer(first_NDVI, {min: -0.2, max: 1, palette: ['blue', 'white', 'green']}, 'First NDVI');// 在地图上显示第一个LST影像
Map.addLayer(first_LST, {min:-10, max:20 ,palette: ['blue', 'green', 'red']}, 'First LST');
// 计算十年间每个像素点的NDVI最大值和最小值
var ndviMinMax = Coll_NDVI.reduce(ee.Reducer.minMax());
var lstMinMax = Coll_LST.reduce(ee.Reducer.minMax());
// 裁剪NDVI最大值和最小值图层
var clippedNDVIMin = ndviMinMax.select('NDVI_min');
var clippedNDVIMax = ndviMinMax.select('NDVI_max');
var clippedLSTMin = lstMinMax.select('LST_Day_1km_min');
var clippedLSTMax = lstMinMax.select('LST_Day_1km_max');
// 可视化裁剪后的NDVI最大值和最小值
Map.addLayer(clippedNDVIMin, {min:-0.2, max: 0.5 ,palette: ['blue', 'white', 'green']}, 'Clipped NDVI_min');
Map.addLayer(clippedNDVIMax, {min: -0.2, max:1, palette: ['blue', 'white', 'green']}, 'Clipped NDVI_max');
Map.addLayer(clippedLSTMin, {min:-10, max: 20 ,palette: ['blue', 'white', 'red']}, 'Clipped lst_min');
Map.addLayer(clippedLSTMax, {min: 30, max:50, palette: ['blue', 'white', 'red']}, 'Clipped lst_max');

 

NDVI_max

NDVI_min
LST_max
LST_min

计算VCI&TCI

var newStartDate = ee.Date.fromYMD(2022, 1, 1);
var newEndDate = ee.Date.fromYMD(2022, 12, 31);
var newNDVI = Coll_NDVI.filterDate(newStartDate, newEndDate);
var newLST = Coll_LST.filterDate(newStartDate, newEndDate);
var clippedNDVI = newNDVI.mean();
var clippedLST = newLST.mean();// 计算VCI
var vci = newNDVI.map(function(image) {return image.subtract(ndviMinMax.select('NDVI_min')).divide(ndviMinMax.select('NDVI_max').subtract(ndviMinMax.select('NDVI_min'))).rename('VCI').copyProperties(image, ['system:time_start']);
});
// 计算TCI
var tci = newLST.map(function(image) {return image.subtract(lstMinMax.select('LST_Day_1km_min')).divide(lstMinMax.select('LST_Day_1km_max').subtract(lstMinMax.select('LST_Day_1km_min'))).rename('TCI').copyProperties(image, ['system:time_start']);
});

计算VHI 

// 将具有相同时间戳的VCI和TCI影像合并到一个集合中
var vci_tci_merged = ee.Join.inner().apply({primary: vci,secondary: tci,condition: ee.Filter.equals({leftField: 'system:time_start',rightField: 'system:time_start'})
});// 将结果转换为 ImageCollection
var vci_tci_merged_collection = ee.ImageCollection(vci_tci_merged.map(function(feature) {var vci_image = ee.Image(feature.get('primary'));var tci_image = ee.Image(feature.get('secondary'));return vci_image.addBands(tci_image);
}));// 计算 VHI
var vhi_collection = vci_tci_merged_collection.map(function(image) {var vci_image = image.select('VCI');var tci_image = image.select('TCI');var vhi_image = tci_image.multiply(0.5).add(vci_image.multiply(0.5)).rename('VHI');return vhi_image.set('system:time_start', image.get('system:time_start'));
});

显示VCI、VHI、TCI

// 查看VCI、TCI、VHI第一个layer
var vci_first = vci.reduce(ee.Reducer.first());
var tci_first = tci.reduce(ee.Reducer.first());
var vhi_first = vhi_collection.reduce(ee.Reducer.first());
Map.addLayer(vci_first, {min:0, max:1 ,palette: ['blue', 'white', 'green']}, 'VCI');
Map.addLayer(tci_first, {min:0, max:0.5 ,palette: ['green', 'white', 'red']}, 'TCI');
Map.addLayer(vhi_first, {min:0, max:0.5 ,palette: ['blue', 'white', 'green']}, 'VHI');
VCI
TCI
VHI

导出数据

均值数据导出

Export.image.toDrive({image: clippedVCI.toFloat(),description: 'VCI',folder: 'GEE_exports',fileNamePrefix: 'VCI',region: roi,scale: 250,fileFormat: 'GeoTIFF',formatOptions: {cloudOptimized: true}
});
Export.image.toDrive({image: clippedVHI.toFloat(),description: 'VHI',folder: 'GEE_exports',fileNamePrefix: 'VHI',region: roi,scale: 250,fileFormat: 'GeoTIFF',formatOptions: {cloudOptimized: true}
});

这篇关于GEE计算VCI（植被状况指数）及VHI（植被健康指数）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/813721。

相关文章

poj 1113 凸包+简单几何计算

poj 1113 凸包+简单几何计算

题意： 给N个平面上的点，现在要在离点外L米处建城墙，使得城墙把所有点都包含进去且城墙的长度最短。 解析： 韬哥出的某次训练赛上A出的第一道计算几何，算是大水题吧。 用convexhull算法把凸包求出来，然后加加减减就A了。 计算见下图： 好久没玩画图了啊好开心。 代码： #include <iostream>#include <cstdio>#inclu
阅读更多...
uva 1342 欧拉定理（计算几何模板）

uva 1342 欧拉定理（计算几何模板）

题意： 给几个点，把这几个点用直线连起来，求这些直线把平面分成了几个。 解析： 欧拉定理： 顶点数 + 面数 - 边数= 2。 代码： #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#inc
阅读更多...
uva 11178 计算集合模板题

uva 11178 计算集合模板题

题意： 求三角形行三个角三等分点射线交出的内三角形坐标。 代码： #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#include <stack>#include <vector>#include <
阅读更多...
XTU 1237 计算几何

XTU 1237 计算几何

题面： Magic Triangle Problem Description: Huangriq is a respectful acmer in ACM team of XTU because he brought the best place in regional contest in history of XTU. Huangriq works in a big compa
阅读更多...
音视频入门基础：WAV专题（10）——FFmpeg源码中计算WAV音频文件每个packet的pts、dts的实现

音视频入门基础：WAV专题（10）——FFmpeg源码中计算WAV音频文件每个packet的pts、dts的实现

一、引言 从文章《音视频入门基础：WAV专题（6）——通过FFprobe显示WAV音频文件每个数据包的信息》中我们可以知道，通过FFprobe命令可以打印WAV音频文件每个packet（也称为数据包或多媒体包）的信息，这些信息包含该packet的pts、dts： 打印出来的“pts”实际是AVPacket结构体中的成员变量pts，是以AVStream->time_base为单位的显
阅读更多...
计算数组的斜率，偏移，R2

计算数组的斜率，偏移，R2

模拟Excel中的R2的计算。         public bool fnCheckRear_R2(List<double[]> lRear, int iMinRear, int iMaxRear, ref double dR2)         {             bool bResult = true;             int n = 0;             dou
阅读更多...
【多系统萎缩患者必看】✨维生素补充全攻略，守护你的健康每一天！

【多系统萎缩患者必看】✨维生素补充全攻略，守护你的健康每一天！

亲爱的朋友们，今天我们要聊一个既重要又容易被忽视的话题——‌多系统萎缩患者如何科学补充维生素‌！🌟 在这个快节奏的生活中，健康成为了我们最宝贵的财富，而对于多系统萎缩（MSA）的患者来说，合理的营养补充更是维护身体机能、提升生活质量的关键一步。👇 🌈 为什么多系统萎缩患者需要特别关注维生素？ 多系统萎缩是一种罕见且复杂的神经系统疾病，它影响身体的多个系统，包括自主神经、锥体外系、小脑及锥
阅读更多...
【详细介绍一下GEE】

【详细介绍一下GEE】

GEE（Google Earth Engine）是一个强大的云计算平台，它允许用户处理和分析大规模的地球科学数据集，如卫星图像、气候模型输出等。以下是对GEE用法的详细介绍： 一、平台访问与账户设置 访问GEE平台： 用户可以通过访问Google Earth Engine的官方网站来开始使用GEE。 创建账户： 用户需要注册并登录Google账户，然后申请访问GEE平台。申请过程可能需要提
阅读更多...
GPU 计算 CMPS224 2021 学习笔记 02

GPU 计算 CMPS224 2021 学习笔记 02

并行类型 （1）任务并行 （2）数据并行 CPU & GPU CPU和GPU拥有相互独立的内存空间，需要在两者之间相互传输数据。 （1）分配GPU内存 （2）将CPU上的数据复制到GPU上 （3）在GPU上对数据进行计算操作 （4）将计算结果从GPU复制到CPU上 （5）释放GPU内存 CUDA内存管理API （1）分配内存 cudaErro
阅读更多...
Java - BigDecimal 计算分位(百分位)

Java - BigDecimal 计算分位(百分位)

日常开发中，如果使用数据库来直接查询一组数据的分位数，就比较简单，直接使用对应的函数就可以了，例如：         PERCENT_RANK() OVER(PARTITION BY 分组列名 ORDER BY 目标列名) AS 目标列名_分位数         如果是需要在代码逻辑部分进行分位数的计算，就需要我们自己写一个工具类来支持计算了 import static ja
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2