GEE 图表：分析摩苏尔水库流域的土壤湿度和降水数据，计算并可视化时序图表

var basin_boundary = ee.FeatureCollection('projects/ee-nasagsfcsoils/assets/mosul_dissolve');

var nasa_usda_smap = ee.ImageCollection('NASA_USDA/HSL/SMAP10KM_soil_moisture');
var gpm_imerg = ee.ImageCollection('NASA/GPM_L3/IMERG_MONTHLY_V06');

var startYear = 2001;
var endYear = 2022;

var ssSusMa = nasa_usda_smap.filterDate(startDate, endDate).sort('system:time_start', true).select(['ssma', 'susma']);

var rawMonthlyPrecipitation = gpm_imerg.select('precipitation').filterDate(startDate, endDate).map(gpmScale);

var chart = ui.Chart.image.series({ ... });

var smVis = { ... };
var preVis = { ... };

// 1. 倒入流域边界
/*
摩苏尔大坝是位于底格里斯河上的一个大型水库，它发源于土耳其东部，流经伊拉克。
大坝水库由底格里斯河补给，排放60至5000 m3/s的水。自1985年建造以来，
流出量在100到1000 m3/s之间。摩苏尔大坝水库是伊拉克和土耳其之间的一个河流流域
排水面积52,000平方公里，其中8%在伊拉克，92%在伊拉克境外。
*/
var basin_boundary = ee.FeatureCollection(
    'projects/ee-nasagsfcsoils/assets/mosul_dissolve');

// Add basin boundary in the map.
Map.addLayer(basin_boundary, {}, 'Area of interest');
Map.centerObject(basin_boundary, 7);

// 2. 倒入土壤和降水数据
/*
美国宇航局-美国农业部增强的SMAP数据集将SMAP的2级土壤湿度观测数据集成到其中
利用一维集成卡尔曼滤波器改进Palmer模型，提高基于模型的土壤湿度
估计，特别是在缺乏优质降水仪器的地区。在这个演示中，
我们使用了2015年4月至2022年8月提供的地表和地下土壤湿度。
全球降水任务（GPM）是一项每三小时观测一次雨雪情况的卫星任务。
GPM综合多卫星检索（IMERG）是提供降雨估计的算法
使用来自所有GPM仪器的数据。在这个演示中，我们使用了每月一次的GPM IMERG的最终产品，
从2001年6月到2021年9月开始发售。
*/

// 土壤湿度数据
var nasa_usda_smap = ee.ImageCollection('NASA_USDA/HSL/SMAP10KM_soil_moisture');

// 降水数据
var gpm_imerg = ee.ImageCollection('NASA/GPM_L3/IMERG_MONTHLY_V06');

// 3. 定义时间和范围
// Define study period.
var startYear = 2001;
var endYear = 2022;
var startMonth = 1;
var endMonth = 12;

var startDate = ee.Date.fromYMD(startYear, startMonth, 1);
var endDate = ee.Date.fromYMD(endYear, endMonth, 31);
var years = ee.List.sequence(startYear, endYear);
var months = ee.List.sequence(1, 12);

// 一天的降水量
var gpmScale = function(image) {
  return image.multiply(24)
              .copyProperties(image, ['system:time_start']);
};

// 计算指定月份
var computeAnomalyPrecipitation = function(image) {
  // Get the month of the image.
  var year = image.date().get('year');
  var month = image.date().get('month');
  // Get the corresponding reference image for the month.
  var referenceImage = meanMonthlyPrecipitation.filter(
      ee.Filter.eq('month', month)).first();
  // Check if the images have bands
  var hasBands = image.bandNames().size().gt(0);
  // Compute the anomaly by subtracting reference image from input image.
  var anomalyImage = ee.Algorithms.If(
    hasBands,
    image.subtract(referenceImage),
    image);
  
  return ee.Image(anomalyImage).set(
    'system:time_start', ee.Date.fromYMD(year, month, 1).millis());
};

// 4. 土壤湿度产品
/*
我们直接使用来自美国宇航局-美国农业部增强型SMAP土壤湿度的异常产品
*/

//异常表面和地下土壤湿度（mm）。
var ssSusMa =  nasa_usda_smap
  .filterDate(startDate, endDate)
  .sort('system:time_start', true)  // sort a collection in ascending order
  .select(['ssma', 'susma']);  // surface and subsurface soil moisture bands

// 计算地表和地下土壤的月度异常湿度。
var monthlySsSusMa =  ee.ImageCollection.fromImages(
  years.map(function(y) {
    return months.map(function(m) {
      var filtered = ssSusMa.filter(ee.Filter.calendarRange(y, y, 'year'))
                         .filter(ee.Filter.calendarRange(m, m, 'month'))
                         .mean();
      return filtered.set(
        'system:time_start', ee.Date.fromYMD(y, m, 1).millis());
    });
  }).flatten()
);

// 5. 降水数据处理
/*
GPM IMERG没有异常产物。计算异常月降水时间序列
从每月的降水时间序列中，从原始时间序列中减去所有年份的每个月的平均值
每月的价值。
*/

// 降水(mm/day).
var rawMonthlyPrecipitation =
  gpm_imerg
  .select('precipitation')
  .filterDate(startDate, endDate)
  .sort('system:time_start', true)
  .map(gpmScale); // convert rainfall unit from mm/hr to mm/d

// 确保月降水量与土壤水分持续时间相同。
var monthlyPrecipitation =  ee.ImageCollection.fromImages(
  years.map(function(y) {
    return months.map(function(m) {
      var filtered = rawMonthlyPrecipitation
                          .filter(ee.Filter.calendarRange(y, y, 'year'))
                          .filter(ee.Filter.calendarRange(m, m, 'month'))
                          .mean();
      return filtered.set({
        'month': m,
        'system:time_start': ee.Date.fromYMD(y, m, 1).millis()
      });
    });
  }).flatten()
);

// 计算气候学上的月降水量。
var meanMonthlyPrecipitation = ee.ImageCollection.fromImages(
  ee.List.sequence(1, 12).map(function(m) {
    var filtered = monthlyPrecipitation.filter(ee.Filter.eq('month', m)).mean();
    return filtered.set('month', m);
  })
);

// 绘制每月降水量收集的函数，计算每个月的异常降水量。
var monthlyPrecipitationAnomalies = monthlyPrecipitation.map(
    computeAnomalyPrecipitation);


// 6.绘制土壤水分和降水的异常时间序列
/*
使用ui的Chart.image.series（）函数提取的时间序列
土壤水分或沉淀图像中的土壤水分或沉淀像素值
并显示图表。
创建一个显示地表和地下土壤湿度的三个异常时间序列的地块
和降水，土壤水分值在主y轴和降水值
在二次y轴上。
这个异常时间序列分析显示了这两个数据集之间的重叠周期，
这个时间可能从2015年4月到2021年9月。
*/

// C合并影像
var smpreDatasets  = monthlySsSusMa.combine(monthlyPrecipitationAnomalies);
print('soil moisture and precipitation', smpreDatasets);

var chart =
  ui.Chart.image.series({
      imageCollection: smpreDatasets,
      region: basin_boundary,
      scale: 10000,
      xProperty: 'system:time_start'
    })
    .setSeriesNames(['surface SM', 'subsurface SM', 'precipitation'])
    .setOptions({
      title: 'Anomalies time series: surface soil moisture, sub-surface soil ' +
       'moisture, and precipitation',
      series: {
        0: {
            targetAxisIndex: 0, type: 'line', lineWidth: 3,
            pointSize: 1, color: '#ffc61a'
        },
        1: {
            targetAxisIndex: 0, type: 'line', lineWidth: 3, pointSize: 1,
            lineDashStyle: [2, 2], color: '#330000'
        },
        2: {
            targetAxisIndex: 1, type: 'line', lineWidth: 3, pointSize: 1,
            lineDashStyle: [4, 4], color: '#1a1aff'
        },
      },
      hAxis: {
        title: 'Date',
        titleTextStyle: {italic: false, bold: true}
      },
      vAxes: {
        0: {
            title: 'soil moisture (mm)',
            baseline: 0, titleTextStyle: {bold: true, color: '#ffc61a'},
            viewWindow: {min: -4, max: 4}
        },
        1: {
            title: 'precipitation (mm)',
            baseline: 0, titleTextStyle: {bold: true, color: '#1a1aff'},
            viewWindow: {min: -2.5, max: 2.5}
        }
      },
      curveType: 'function'
    });

print(chart);

// 7.土壤水分和降水异常的空间分布
/*
根据时间序列异常图，我们检测到最负的异常
在2021年5月的土壤湿度和降水中。下面的脚本进行调查
这些变量在当月被研究的盆地中的空间变化。
棕色较多的像素具有更多的负值
*/

// 设定颜色
var palette = ['8c510a', 'bf812d', 'dfc27d', 'f6e8c3', 'ffffff',
               'ffffff', 'c7eae5','80cdc1','35978f','01665e'];
var smVis = {
  min: -4,
  max: 4,
  opacity: 0.9,
  palette: palette,
};
// Setup colors for precipitation anomalies.
var preVis = {
  min: -3,
  max: 3,
  opacity: 0.9,
  palette: palette,
};
// 筛选指定的时间和范围
var thisSsSusMa = monthlySsSusMa.filterDate(
  '2021-05-01', '2021-05-31').first().clip(basin_boundary);
var thisPre = monthlyPrecipitationAnomalies.filterDate(
  '2021-05-01', '2021-05-31').first().clip(basin_boundary);

// 加载结果
Map.addLayer(thisSsSusMa.select('ssma'), smVis, 'Surface Soil Moisture');
Map.addLayer(thisSsSusMa.select('susma'), smVis, 'Subsurface Soil Moisture');
Map.addLayer(thisPre, preVis, 'Precipitation');