GEE学习笔记3：Landsat8 植被指数计算

一、Landsat8 植被指数计算

从GEE数据集导入的数据

 // NDVIfunction L8_ndvi(image){return image.addBands(image.normalizedDifference(['B5', 'B4']).rename("L8_NDVI"));}// RVIfunction L8_rvi(image){var rvi = image.expression('NIR / Red', {'NIR': image.select('B5'),'Red': image.select('B4')}).float();return image.addBands(rvi.rename('L8_RVI'));}//EVIfunction L8_evi(image){var evi = image.expression('2.5 * ((NIR - RED) / (NIR + 6 * RED - 7.5 * BLUE + 1))', {'NIR' : image.select('B5'),'RED' : image.select('B4'),'BLUE': image.select('B2')}).float();return image.addBands(evi.rename('L8_EVI'));}//DVIfunction L8_dvi(image){var dvi = image.expression('NIR - Red', {'NIR': image.select('B5'),'Red': image.select('B4')}).float();return image.addBands(dvi.rename('L8_DVI'));}//NDWIfunction L8_ndwi(image){return image.addBands(image.normalizedDifference(['B3', 'B5']).rename("L8_NDWI"));}// NDBIfunction L8_ndbi(image){return image.addBands(image.normalizedDifference(['B6', 'B5']).rename("L8_NDBI"));}function L8_savi(image) {// Add Soil Adjust Vegetation Index (SAVI)// using L = 0.5;var savi = image.expression('(NIR - RED) * (1 + 0.5)/(NIR + RED + 0.5)', {'NIR': image.select('B5'),'RED': image.select('B4')}).float();return image.addBands(savi.rename('L8_SAVI'));}function L8_ibi(image) {// Add Index-Based Built-Up Index (IBI)var ibiA = image.expression('2 * SWIR1 / (SWIR1 + NIR)', {'SWIR1': image.select('B6'),'NIR'  : image.select('B5')}).rename(['IBI_A']);var ibiB = image.expression('(NIR / (NIR + RED)) + (GREEN / (GREEN + SWIR1))', {'NIR'  : image.select('B5'),'RED'  : image.select('B4'),'GREEN': image.select('B3'),'SWIR1': image.select('B6')}).rename(['IBI_B']);var ibiAB = ibiA.addBands(ibiB);var ibi = ibiAB.normalizedDifference(['IBI_A', 'IBI_B']);return image.addBands(ibi.rename(['L8_IBI']));}加载Landsat 8//去云 function maskL8sr(image) {var cloudShadowBitMask = (1 << 3);var cloudsBitMask = (1 << 5);var qa = image.select('pixel_qa');var mask = qa.bitwiseAnd(cloudShadowBitMask).eq(0).and(qa.bitwiseAnd(cloudsBitMask).eq(0));return image.updateMask(mask);}//L8为从GEE 数据集导入的Landsat 8数据var landsat8Image =L8.filterBounds(roi).filterDate(startdate, enddate).map(maskL8sr).map(L8_ndvi).map(L8_rvi).map(L8_evi).map(L8_dvi).map(L8_ndwi).map(L8_ndbi).map(L8_savi).map(L8_ibi).median();

GEE学习笔记3：Landsat8 植被指数计算相关推荐

Python学习笔记：利用timeit计算函数调用耗时
Python学习笔记:利用timeit计算函数调用耗时一.timeit模块简介 Timer对象包含两个参数:第一个参数是你想要计时的Python语句,第二个参数运行一次来建立测试. 默认情况time ...
GEE学习笔记一账号注册（只需要用谷歌邮箱就能注册成功）
小白辰某的GEE学习笔记一 gee账号注册的雷,我先踩为敬为了申请成功我真的是看遍了知乎和csdn上所有的文章,以下随便写写我踩的雷点.本人写的小文章,统统都是纯干货,简单明了,新手必备(不吹不黑你 ...
GEE学习笔记一利用GEE获取Sentinel-2 1C与2A级影像
GEE学习笔记一利用GEE获取Sentinel-2 1C与2A级影像博主最近在学习利用GEE获取Sentinel-2影像时,发现有两种不同的数据集,下面记录一下利用GEE获取两种数据集的方法. S ...
gee学习笔记第三天
gee学习笔记第三天文章目录 gee学习笔记第三天前言一.Geometry和Feature 二.Getting image metadata 三.Using the plotting too ...
gee学习笔记第二天
gee学习笔记第二天文章目录 gee学习笔记第二天前言一.继续熟悉jupyter lab notebook 二.获取和找到数据 1.选定区域和设置过滤器前言第二天学习如何准备水煮鱼的材 ...
image是否有disabled属性_Vue学习笔记模板语法、计算属性
点击上方"蓝字"关注我们吧! vue学习笔记官网:https://cn.vuejs.org/v2/guide/ 1.vue体验 demo示例: image.png 示例代码: & ...
深度学习笔记（一）—— 计算梯度[Compute Gradient]
这是深度学习笔记第一篇,完整的笔记目录可以点击这里查看. 有两种方法来计算梯度:一种是计算速度慢,近似的,但很简单的方法(数值梯度),另一种是计算速度快,精确的,但更容易出错的方法,需要 ...
GEE学习笔记六十七：【GEE之Python版教程一】GEE学习背景介绍
相信很多人都对GEE已经比较熟悉了(只是不熟悉GEE的Python的API而已),这里只是做一个简单的总结概括一下GEE相关内容. 1.GEE学习基本要求目前市面上无论出现什么新的技术,总会出现一种 ...
GEE学习笔记：在Google Earth Engine(GEE)中计算坡度、坡向、山体阴影
本次实验使用的 SRTM 数字高程数据是 30 米分辨率数据,对某地区的坡度.坡向和山体阴影信息进行提取. 目录 1.获取SRTMGL1_003 数据 2.计算地形特征 3.分别提取各地形因子 4.完 ...
GEE学习笔记:在Google Earth Engine（GEE）计算两个时间的时间间隔
计算结束时间与开始时间的时间间隔 //-------------------------------------------- //开始时间和结束时间在同一年内//定义开始时间和结束时间 var st ...

GEE学习笔记3：Landsat8 植被指数计算

GEE学习笔记3：Landsat8 植被指数计算相关推荐

最新文章

热门文章