前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >GEE代码实例教程详解:地表温度长时间序列分析

GEE代码实例教程详解:地表温度长时间序列分析

作者头像
Twcat_tree
发布2024-07-09 08:08:55
1250
发布2024-07-09 08:08:55
举报
文章被收录于专栏:二猫の家

简介

在本篇博客中,我们将使用Google Earth Engine (GEE) 对地表温度 (LST) 进行长时间序列分析。通过结合Landsat 4-9的数据,我们将探索1982年至2024年间地表温度的变化趋势。

背景知识

Landsat数据集

Landsat数据集提供了多时相、多光谱的地表观测数据,是遥感领域中应用最广泛的数据集之一。

地表温度 (LST)

地表温度是描述地表热状况的重要参数,对于研究城市热岛效应、植被分布、地表能量平衡等具有重要意义。

完整代码

代码语言:javascript
复制
// 定义研究区域的坐标点
var cor = [
  [51.02815260405151, 35.50852818710441],
  [51.69282545561401, 35.50852818710441],
  [51.69282545561401, 35.8988380759623],
  [51.02815260405151, 35.8988380759623],
  [51.02815260405151, 35.50852818710441]
];

// 创建多边形区域
var roi = ee.Geometry.Polygon(cor);

// 将地图中心设置为研究区域
Map.centerObject(roi);

// 定义Landsat数据集集合
var lan4 = ee.ImageCollection("LANDSAT/LT04/C02/T1_L2")
  // ... 其他筛选条件 ...

var lan5 = ee.ImageCollection("LANDSAT/LT05/C02/T1_L2")
  // ... 其他筛选条件 ...

// ... Landsat 7 SLC正常和偏移后的数据 ...

var lan8 = ee.ImageCollection("LANDSAT/LC08/C02/T1_L2")
  // ... 其他筛选条件 ...

var lan9 = ee.ImageCollection("LANDSAT/LC09/C02/T1_L2")
  // ... 其他筛选条件 ...

// 合并所有Landsat数据集并排序
var collection = lan4.merge(lan5).merge(lan7_slcon).merge(lan7_slcoff)
  .merge(lan8).merge(lan9).sort('system:time_start')
  .filter(ee.Filter.lt('CLOUD_COVER', 45));

// 转换LST单位到开尔文和摄氏度
var lst_col = collection.map(function(img) {
  var kel = img.multiply(0.00341802).add(149).rename('LST_Kel');
  var cel = kel.subtract(273.15).rename('LST_Cel');
  return kel.addBands(cel)
    .copyProperties(img, img.propertyNames());
});

// 打印LST时间序列图表(开尔文和摄氏度)
print(
  ui.Chart.image.series({
    imageCollection: lst_col.select('LST_Kel'),
    region: roi,
    reducer: ee.Reducer.mean(),
    scale: 100,
    xProperty: 'system:time_start'
  })
);

print(
  ui.Chart.image.series({
    imageCollection: lst_col.select('LST_Cel'),
    region: roi,
    reducer: ee.Reducer.mean(),
    scale: 100,
    xProperty: 'system:time_start'
  })
);

// 导出2019-2020年的LST图像到Google Drive
Export.image.toDrive({
  image: lst_col.select('LST_Cel').filterDate('2019', '2020').toBands().clip(roi),
  description: 'lst_cel',
  scale: 100,
  region: roi,
  maxPixels: 1e13,
  crs: 'EPSG:4326',
  folder: 'landsat'
});

代码详解

1. 定义研究区域

创建一个多边形区域roi,用于限定分析的地理范围,并设置地图中心。

2. 加载Landsat数据集

加载Landsat 4-9的数据集,并根据时间范围、地理范围和质量条件进行筛选。

3. 数据合并与排序

将所有Landsat数据集合并,去除云层覆盖较多的图像,并按时间排序。

4. LST单位转换

将LST数据从原始单位转换为开尔文和摄氏度,以便于分析和解释。

5. 可视化LST时间序列

使用ui.Chart.image.series打印LST随时间变化的图表。

6. 导出数据

将2019-2020年的LST图像导出到Google Drive。

结论

本教程展示了如何使用GEE对长时间序列的Landsat数据进行地表温度分析。通过此分析,可以监测地表温度的长期变化趋势,为气候变化研究提供支持。

进一步探索

GEE提供了多种工具和方法来进行时间序列分析和环境监测。在后续的教程中,我们将继续探索GEE在不同领域的应用。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2024-07-08,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 简介
  • 背景知识
    • Landsat数据集
      • 地表温度 (LST)
      • 完整代码
      • 代码详解
        • 1. 定义研究区域
          • 2. 加载Landsat数据集
            • 3. 数据合并与排序
              • 4. LST单位转换
                • 5. 可视化LST时间序列
                  • 6. 导出数据
                  • 结论
                  • 进一步探索
                  领券
                  问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档