GEE代码实例教程详解：地表温度与土地覆盖类型分析

Twcat_tree

发布于 2024-07-09 08:09:54

1140

发布于 2024-07-09 08:09:54

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) 对地表温度数据进行分析，并探究不同土地覆盖类型（特别是水体和城市区域）的地表温度变化。通过MODIS数据集，我们可以监测2001年至2024年间的数据。

背景知识

MODIS数据集

MODIS数据集提供了多光谱遥感数据，广泛应用于植被、水文和城市研究。

地表温度 (LST)

地表温度是地表热辐射的度量，对于研究城市热岛效应、植被分布等具有重要意义。

土地覆盖分类

土地覆盖分类有助于识别地表不同类型的特征，如森林、草地、水体和城市区域。

完整代码

// 定义研究区域的坐标点
var cor = [
  [51.72646131195613, 35.78622502387334],
  [54.07753553070613, 35.78622502387334],
  [54.07753553070613, 36.97144246810686],
  [51.72646131195613, 36.97144246810686],
  [51.72646131195613, 35.78622502387334]
];

// 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);

// 加载MODIS土地覆盖数据集
var lc = ee.ImageCollection("MODIS/061/MCD12Q1")
  .mode().select('LC_Type1');

// 定义土地覆盖可视化参数
var vis = {
  min: 1.0,
  max: 17.0,
  palette: [
    // ... 颜色代码 ...
  ],
};

// 土地覆盖数据可视化
Map.addLayer(lc.clip(roi), vis, 'map', false);

// 提取水体掩膜
var water_thr = lc.eq(17);
Map.addLayer(water_thr.clip(roi), [], 'water_thr', false);

var water_mask = water_thr.updateMask(water_thr);
Map.addLayer(water_mask.clip(roi), [], 'water_mask', false);

// 将水体掩膜转换为矢量数据
var water_vector = water_mask.reduceToVectors({
  geometry: roi,
  scale: 500
}).union(1);
Map.addLayer(water_vector, [], 'water_vector', false);

// 加载MODIS地表温度数据集
var temp = ee.ImageCollection("MODIS/061/MOD11A2")
  .select('LST_Day_1km')
  .filterDate('2001', '2024')
  .map(function (img) {
    return img.multiply(0.02).subtract(273.15)
      .copyProperties(img, img.propertyNames());
  });

// 绘制地表温度时间序列图表（水体）
print(
  ui.Chart.image.series(temp, water_vector,
    ee.Reducer.mean(), 500, 'system:time_start')
);

// 定义城市区域函数
function urban_layer(img) {
  var urban_thr = img.eq(13);
  var urban_mask = urban_thr.updateMask(urban_thr);
  var urban_vector = urban_mask.reduceToVectors({
    geometry: roi,
    scale: 500
  }).union(1);
  return urban_vector;
}

// 应用函数提取城市区域矢量数据
var urban_class = urban_layer(lc);

// 绘制地表温度时间序列图表（城市区域）
print(
  ui.Chart.image.series(temp, urban_class,
    ee.Reducer.mean(), 500, 'system:time_start')
);