PIE-engine 教程 ——影像集合的使用map()映射函数（北京市NDVI计算）
PIE-engine 教程 ——影像集合的使用map()映射函数（北京市NDVI计算）
我们本次将使用map（）函数来完成一个NDVI值得计算，这里我们以北京市为例，主要得目的就是通过map映射函数来完成对规定时间内影像NDVI值的计算，这里有几个函数需要先介绍：
centerObject(object,zoom)
设置地图以图形为中心显示。
方法参数：
- object(Image|Geometry|Feature|FeatureCollection)
影像对象或者矢量对象。
- zoom(Int)
地图显示缩放级别。
返回值：null
addLayer(image,style,name,visible)
在地图上添加图层，图层可以是Image，可以是FeatureCollection，返回图层唯一的ID
方法参数：
- image(Image|ImageCollection|Geometry|Feature|FeatureCollection)
要添加的图层对象，可以是影像或者矢量数据。
- style(String, optional)//这里的style函数我们可以提前设定一个字典，在字典中设定波段，最大和最小值以及我们要加载涂层的颜色platte
数据对象的渲染样式
- name(String, optional)
图层的名称。
- visible(Boolean, optional)
图层是否可见，默认 true。
返回值：String
filterBounds(geometry)
对影像集合进行指定空间范围过滤，然后返回过滤后的影像集合。
方法参数：
- imageCollection(ImageCollection)
ImageCollection实例。
- geometry(Geometry)
过滤空间范围。
返回值：ImageCollection
filterDate(start,end)
对影像集合进行指定日期范围过滤，然后返回过滤后的影像集合。
方法参数：
- imageCollection(ImageCollection)
ImageCollection实例。
- start(String)
开始日期。
- end(String)
结束日期。
返回值：ImageCollection
centerObject(object,zoom)
设置地图以图形为中心显示。
方法参数：
- object(Image|Geometry|Feature|FeatureCollection)
影像对象或者矢量对象。
- zoom(Int)
地图显示缩放级别。
返回值：null
在PIE中并没有像GEE中那种集成好的归一化植被指数的计算函数，所以这里我们只能通过函数计算表达式和map的方式来进行NDVI的计算
代码：
/**
* @File : map-06-ImageCollection循环计算_使用map算子
* @Time : 2022/3/1
* @Author : piesat
* @Version : 1.0
* @Contact : 400-890-0662
* @License : (C)Copyright 航天宏图信息技术股份有限公司
* @Desc : 取ImageCollection中的每个元素计算NDVI，采用map算子
*/
//加载北京市边界
var roi = pie.FeatureCollection("NGCC/CHINA_PROVINCE_BOUNDARY")
.filter(pie.Filter.eq("name", "北京市"))
.first()
.geometry();
Map.centerObject(roi, 6);
Map.addLayer(roi, { color: "ff0000", fillColor: "00000000", width: 3 }, "北京市");
//按区域、时间筛选影像
var imgCol = pie.ImageCollection("LC08/01/T1")
.filterBounds(roi)
.filterDate("2019-8-01", "2019-8-30");
print("imgCol", imgCol);
Map.addLayer(imgCol.select(["B2", "B3", "B4"]).mosaic().clip(roi), { min: 0, max: 2500, bands: ["B4", "B3", "B2"] }, "imgCol", false);
//循环计算每景影像的NDVI植被指数
var imgCol_NDVI = imgCol.map(function (image) {
var nir = image.select("B5");
var red = image.select("B4");
var NDVI = nir.subtract(red).divide(nir.add(red)).rename("NDVI");
return image.addBands(NDVI);
});
print("imgCol_NDVI", imgCol_NDVI)
//NDVI绘制样式
var visParamNDVI = {
min: -0.2,
max: 0.8,
palette: ['FFFFFF', 'CE7E45', 'DF923D', 'F1B555', 'FCD163', '99B718', '74A901',
'66A000', '529400', '3E8601', '207401', '056201', '004C00', '023B01',
'012E01', '011D01', '011301']
};
//加载北京市NDVI植被指数数据
var NDVI = imgCol_NDVI.select("NDVI").mosaic().clip(roi);
Map.addLayer(NDVI, visParamNDVI, "NDVI", true);在控制台打印出的结果：
这是我们指定时间2019年8月份北京的影像：
RGB影像：
NDVI影像
腾讯云开发者
