GEE1：由GEE生成逐月MODIS的NDVI影像

使用GEE生成逐月的MODIS（MOD13Q1）的NDVI影像数据

数据介绍:

NDVI实现：

//MODIS13Q1产品下的NDVI和EVI产品,16天/幅,分辨率为250米
function ModisNDVI(roi, startTime, endTime) {startTime = ee.Date(startTime).millis();endTime = ee.Date(endTime).millis();var Modis_250 = ee.ImageCollection('MODIS/061/MOD13Q1').filterDate(startTime, endTime).select("NDVI")// .select('EVI').filterBounds(roi).map(function (image) {return image.clip(roi)})return Modis_250
}//MOD15A2H产品下的LAI产品,8天/幅,分辨率为500米
function ModisLAI(roi, startTime, endTime) {startTime = ee.Date(startTime).millis();endTime = ee.Date(endTime).millis();var dataset = ee.ImageCollection('MODIS/061/MOD15A2H').filter(ee.Filter.date(startTime, endTime)).filterBounds(roi).select('Lai_500m').map(function (image) {return image.clip(roi)});return dataset
}
//MOD17A3HGF产品下的NPP产品,1年/幅,分辨率为500米
function ModisNpp(roi, startTime, endTime) {startTime = ee.Date(startTime).millis();endTime = ee.Date(endTime).millis();var dataset = ee.ImageCollection("MODIS/006/MOD17A3HGF").filter(ee.Filter.date(startTime, endTime)).filterBounds(roi).select('Npp').map(function (image) {return image.clip(roi)});return dataset
}
//MOD16A2产品下的ET产品,8天/幅,分辨率为500米
function ModisET(roi, startTime, endTime) {startTime = ee.Date(startTime).millis();endTime = ee.Date(endTime).millis();var dataset = ee.ImageCollection("MODIS/006/MOD16A2").filter(ee.Filter.date(startTime, endTime)).filterBounds(roi).select('ET').map(function (image) {return image.clip(roi)});return dataset
}//----------------------数据批量输出函数-----------------------//
function exportImageCollection(imgCol, scale, roi, taskName, fileName) {var indexList = imgCol.reduceColumns(ee.Reducer.toList(), ["system:index"]).get("list");indexList.evaluate(function (indexs) {for (var i = 0; i < indexs.length; i++) {var image = imgCol.filter(ee.Filter.eq("system:index", indexs[i])).first();image = image.toInt16(); //Export.image.toDrive({image: image,description: taskName + "_" + indexs[i],fileNamePrefix: fileName + "_" + indexs[i],region: roi,scale: scale,crs: "EPSG:4326",maxPixels: 1e13});}});}// 批量显示图像(单波段)
function BatchMap(IC, visParam, listLimt, preName) {function getICByIndex(IC, index) {return ee.Image(IC.toList(1, index).get(0));}for (var i = 0; i < IC.toList(listLimt).length().getInfo(); i++) {var image = getICByIndex(IC, ee.Number(i));//以时间戳为图层名  var imageDate = getICByIndex(IC, i).get("system:index").getInfo();Map.addLayer(image,visParam,preName + "_" + imageDate, false);}
}//主函数
function main() {//放入你的研究区范围var ROI = roi;//显示ROI轮廓Map.centerObject(ROI, 5.3);var empty = ee.Image().clip(ROI.geometry().bounds()).byte();var shp = empty.paint({ featureCollection: ROI, width: 4 });Map.addLayer(shp, { palette: '#000000' }, 'Frost_region');//查询 NDVI(EVI)数据var Modis_NDVI = ModisNDVI(ROI, "2007-09-01", "2008-03-01");//显示 NDVI(EVI)数据var visParam_NDVI = { min: 0, max: 8000 };BatchMap(Modis_NDVI, visParam_NDVI, 50, "Modis_NDVI");print(Modis_NDVI, "Modis_VI_collection");//查询 LAI数据var Modis_LAI = ModisLAI(ROI, "2007-09-01", "2008-03-01");//显示 LAI数据var visParam_LAI = { min: 0, max: 70 };BatchMap(Modis_LAI, visParam_LAI, 50, "Modis_LAI");print(Modis_LAI, "Modis_VI_collection");//查询 NPP数据 // var Modis_NPP = ModisNpp(ROI, "2009-09-01", "2008-03-01");// //显示 NPP数据// var visParam_NPP = { min: 0, max: 10000 };// BatchMap(Modis_NPP, visParam_NPP, 100, "Modis_NPP");// print(Modis_NPP, "Modis_NPP_collection");//查询 ET数据 // var Modis_ET = ModisET(ROI, "2020-01-01", "2020-03-01");//显示 ET数据// BatchMap(Modis_ET, visParam_ET, 100, "Modis_ET");// print(Modis_ET, "Modis_NPP_collection");//数据导出exportImageCollection(Modis_NDVI, 250, ROI, "MODIS_NDVI", "MODIS_NDVI");exportImageCollection(Modis_LAI, 500, ROI, "MODIS_LAI", "MODIS_LAI");// exportImageCollection(Modis_NPP, 500, ROI, "MODIS_NPP", "MODIS_NPP");// exportImageCollection(Modis_ET, 500, ROI, "MODIS_ET", "MODIS_ET");
}
main();

结果展示：

图一:

图二：

图三：

GEE1：由GEE生成逐月MODIS的NDVI影像相关推荐

Google Earth Engine（GEE）——利用MODIS 的叶面积指数影像掩膜dem批量下载
本次实验的目的就是为了用DEM去筛选和过滤全球叶面积指数,然后获取没5天一期的影像. 这里首先看一下影像的叶面积指数的波段信息: MCD15A3H.006 MODIS Leaf Area Index/ ...
【GEE】基于MODIS产品的NPP NDVI EVI数据提取
其中植被指数的获取,采用MOD13Q1.MOD13A1产品,NPP获取采用MOD17A3HGF产品. MOD13Q1:全称为MODIS/Terra Vegetation Indices 16-Day ...
Google Earth Engine（GEE）——月度降水和ndvi植被覆盖度相关性分析（墨西哥为例）
利用哨兵数据SR数据进行相关性分析,本文先通过降水数据和S2计算的NDVI植被覆盖度,然后分别进行筛选,通过影像合并得到逐月的影像集合合成,然后筛选出降水和ndvi影像,分别计算计算相关性 ee.Im ...
MODIS MOD13A3 ndvi数据sg批量滤波
[a,R]=geotiffread('D:\graduate\extracttotiff\extr2010152.tif'); %将数据内容放到A里(二维矩阵),将地理参考放到R里面 info=geo ...
Google Earth Engine（GEE）——提取MODIS影像指定区域的每一年的平均植被指数
提取每一年的平均植被指数这个例子显示了如何创建一个数据库文件,其中包含他们研究区域内各年的植被指数的分区统计.该数据库文件以后可以为各种应用进行分析.比方说,如果你有一个多边形文件(地理空间矢量文件 ...
GEE：指数计算（NDVI、NBR、EVI、NDMI、NDSI、TC、NDFI、EBBI、VCI、BSI、NDBI）
本文记录了,使用 Landsat 光学波段计算指数的方法和代码,包括NDVI.NBR.EVI.NDMI.NDSI.TC变化(绿度.亮度.湿度).NDFI.EBBI.VCI等指数. 文章目录一.代码框 ...
Google Earth Engine（GEE）——如何在线计算NDVI（归一化植被指数）和FVC（植被覆盖度）并批量下载
刚开始我们就是要定义一些函数,去云函数,我们的矢量边界,因为要用到长时序的下载,那我们得用Landsat5/7/8三者的结合,如果要用modis数据那么就另当别论. 数据准备和函数准备 //定义我们的 ...
PIE-Engine利用modis计算ndvi
借助国产遥感计算云服务平台PIE-Engine,利用MOD09A1这套数据获取长时序年平均NDVI,因为PIE才刚刚起步,所以找了好久都没有特别适合的代码,以下是我摸索的成果,希望帮助到有需要的人,如 ...
Google Earth Engine（GEE）——逐月降水数据下载和直方图表展示
本案例的主要目的是实现逐月降水数据的下载和直方图可视化展示.本文主要用到的循环不是for而是用到map函数,用于遍历年和月,每一个map中都是由一个函数组成,而作用于map的对象就是集合,文中举例了如 ...

GEE1：由GEE生成逐月MODIS的NDVI影像

GEE1：由GEE生成逐月MODIS的NDVI影像相关推荐

最新文章

热门文章