GEE计算时间序列植被指数-以哨兵2数据计算MTCI指数为例+多点像元时间序列值提取

GEE计算时间序列植被指数-以哨兵2数据计算MTCI指数为例

// 首先是去云处理
function rmCloudByQA(image) {var qa = image.select('QA60');var cloudBitMask = 1 << 10;var cirrusBitMask = 1 << 11;var mask = qa.bitwiseAnd(cloudBitMask).eq(0).and(qa.bitwiseAnd(cirrusBitMask).eq(0));return image.updateMask(mask);}
// 计算MTCI指数（选择哨兵2数据的第4,5,6波段）
function s2_mtci(image) {var mtci = image.expression('(RE2 - RE1)/ (RE1 - Red)', {'RE2': image.select('B6'),'RE1': image.select('B5'),'Red': image.select('B4'),}).float().rename('MTCI');  // 这里强调一点需要利用rename()将结果名字改成‘MTCI’,原因后面再说。return image.addBands(mtci);
} // 这里强调，函数返回的如果直接是image的话，后面在进行时序分析就会报错，说没有波段匹配，因为缺少了相应的时间信息。所以这里是将计算的结果作为一个波段添加进原影像中。
// 导入研究区
var roi = ee.FeatureCollection("users/area");
// 导入哨兵2数据，根据时间、研究区和云量对影像进行筛选
var s2_col = ee.ImageCollection("COPERNICUS/S2").filterBounds(roi).filterDate('2022-05-14','2022-09-21').filter(ee.Filter.lte('CLOUD_COVERAGE_ASSESSMENT',20)).map(rmCloudByQA).map(function(image){return image.clip(roi)});
print (s2_col)
// 计算研究区的MTCI指数
var mtci = s2_col.map(s2_mtci).select("MTCI");  // 上面只有rename()函数使用了以后，才能在这里根据名字进行select,不然的话，mtci指数的波段名字这里就是显示的'B6_1'，不知道为什么是这样的。
print ('mtci is:', mtci)
Map.addLayer(mtci)// 站点时间序列显示（以日期和日序数两种）var chart1 = ui.Chart.image.series({imageCollection:mtci,region:ee.Geometry.Point([107.29424,40.73286]),reducer:ee.Reducer.mean(),  //计算均值scale:10
}).setOptions({title:'MTCI IMAGE SERIES'});
print(chart1);var chart2 = ui.Chart.image.doySeries({imageCollection:mtci,region:ee.Geometry.Point([107.29424,40.73286]),regionReducer:ee.Reducer.mean(),scale:10
}).setOptions({title:"ROI MTCI EACH DAY SERIES"})
print(chart2)

**结果：**可以看到选择以后只有mtci一个波段数据；时间序列数据也可以得到，通过右上角可以打开新的界面，导出图以及相应的数据表。

多点像元时间序列值提取

上述代码只是提供了单点的时间序列的表示，下面这个代码是在上述代码的基础上，提取多点像元时间序列，并导出。代码参考的博文GEE：提取多个点的时间序列数据

// 提取多点像元值  var pointValues = mtci.toBands().sampleRegions({  // 这里必须使用toBands才能进行计算，没搞懂这个是啥意思。collection:syz,  /* properties:ee.List(['Number']),*/  //这里如果加上properties的话应该是可以根据矢量点的属性信息导出数据的，如果不加的话，属性信息应该都会导出，这里没有测试过。scale:10
});print(pointValues)
//导出
Export.table.toDrive({collection: pointValues,description:"MTCI",folder: "MTCI",fileFormat: "CSV"
});

导出的数据的编号和print(pointValues)中的feature是一致的，可以对照。我的矢量点文件中也有Number编号，所以也可以对照。如图：

申明： 自己也是查询了很多代码，加上自己的理解得到的结果，有问题大家可以指出来，互相交流学习，自己关注的是以下几个公众号来学习，推荐一下。

GEE计算时间序列植被指数-以哨兵2数据计算MTCI指数为例+多点像元时间序列值提取相关推荐

python爬取股票数据,以上证指数为例,可以爬取任何股票,保存为temp.csv文件
python爬取股票数据,以上证指数为例,可以爬取任何股票,保存为temp.csv文件 import requests import pandas as pd# market: 0:沪市 1:深市 # ...
腾讯大数据第四代数智融合计算平台正式发布！引领大数据计算进入下一时代
导读 / Introduction 4月18日,在 "腾讯大数据高峰论坛"上,腾讯正式发布自研第四代数智融合计算平台"腾讯大数据-天工",该平台以最新的&quo ...
MySQL多行数据合并（单例显示多个值）之GROUP_CONCAT()函数（字符串连接函数）
MySQL多行数据合并之GROUP_CONCAT函数一.GROUP_CONCAT函数语法二.创建表和添加测试数据 1.建表 2.添加测试数据三.编写测试SQL语句 1.人员信息表(左)和房间信息 ...
数据分析案例:亚洲国家人口数据计算
数据截图: 数据下载地址:链接:https://pan.baidu.com/s/1dGHwAC5 密码:nfd2 该数据包含了2006年-2015年10年间亚洲地区人口数量数据,共10行50列数据.我 ...
《大数据》第1期“聚焦”——从系统角度审视大数据计算
从系统角度审视大数据计算郑纬民清华大学计算机科学与技术系北京 100084 摘要:大数据计算是实现大数据"巨大价值"的必要手段,而计算系统是大数据计算的有效载体.试着从系统角 ...
数据计算中间件技术综述
传统企业大数据架构的问题上图是大家都很熟悉的基于 Hadoop 体系的开源大数据架构图.在这个架构中,大致可以分成三层.最下一层是数据采集,通常会采用 kafka 或者 Flume 将 web 日志 ...
计算机word表格计算教程F9,Word表格数据计算与域操作
摘要:Word是常用的文档编辑软件,用户在平时的工作中,利用它可以进行文字.图片.表格的排版处理等工作,但往往忽略WORD也具有强大的计算功能:Word的表格计算功能在表格项的定义方式.公式的定义方 ...
4 数据分析-案例:亚洲国家人口数据计算
数据截图: 该数据包含了2006年-2015年10年间亚洲地区人口数量数据,共10行50列数据.我们需要使用Numpy完成如下数据任务: 计算2015年各个国家人口数据计算朝鲜历史各个时期人口数据 ...
大数据计算的6大关键技术与4大应用场景探索！
| 转载自:DataFun | 编辑:钱英宇 | 设计:张千禧大数据和AI的能力在企业应用中发挥着越来越重要的价值,企业在提升数字化转型带来的数字到知识萃取助力于业务的同时,面对海量数据的增长,离不 ...

GEE计算时间序列植被指数-以哨兵2数据计算MTCI指数为例+多点像元时间序列值提取

GEE计算时间序列植被指数-以哨兵2数据计算MTCI指数为例

多点像元时间序列值提取

GEE计算时间序列植被指数-以哨兵2数据计算MTCI指数为例+多点像元时间序列值提取相关推荐

最新文章

热门文章