GEE代码实例教程详解:地表温度与土地覆盖类型分析

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

javascript 复制代码
// 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')
);

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. 加载和可视化MODIS土地覆盖数据集

加载MODIS土地覆盖数据集,选择LC_Type1波段,并进行可视化。

3. 提取水体掩膜和矢量数据

通过土地覆盖数据提取水体掩膜,并将其转换为矢量数据。

4. 加载和处理MODIS地表温度数据集

加载地表温度数据集,进行单位转换,并提取白天的数据。

5. 绘制地表温度时间序列图表

使用ui.Chart.image.series绘制水体区域的地表温度时间序列。

6. 提取城市区域矢量数据

定义函数提取城市区域(土地覆盖类别13),并将其转换为矢量数据。

7. 绘制城市区域地表温度时间序列图表

使用ui.Chart.image.series绘制城市区域的地表温度时间序列。

结论

本教程展示了如何使用GEE对MODIS数据进行土地覆盖分类和地表温度分析。通过此分析,可以了解不同土地覆盖类型(如水体和城市区域)的地表温度变化趋势。

进一步探索

GEE提供了多种工具和方法来进行土地覆盖分类和地表温度分析。在后续的教程中,我们将继续探索GEE在不同领域的应用。

相关推荐
衡石科技8 小时前
衡石企业级 BI 报表:嵌入式复杂报表的技术实现与选型指南
信息可视化
躺柒8 小时前
读数据可视化28可视化中的交互(上)
信息可视化·人机交互·可视化·数据可视化·交互设计·用户交互
IT研究室16 小时前
最新大数据毕业设计选题推荐-基于大数据的城市交通流量数据可视化分析-大数据-Spark-Hadoop-Bigdata
大数据·信息可视化·课程设计
zhanghaha13141 天前
Python进阶教程:23_Scrapy 爬虫框架 零基础超详细教程
python·信息可视化
BYSJMG1 天前
计算机毕设选题推荐:基于大数据的公共交通运营数据分析与可视化,Spark+K-Means聚类城市运营模式
大数据·hadoop·信息可视化·数据分析·spark·kmeans·课程设计
2601_953988071 天前
Ricon组态实时监控 - 毫秒级数据可视化
前端·物联网·数学建模·信息可视化·架构·前端框架
龙亘川2 天前
数智防控 全域闭环:智慧安防如何筑牢城市公共安全新底座?
人工智能·信息可视化·开源·智慧城市
IT研究室2 天前
最新大数据毕业设计选题推荐-基于大数据的北京市药品批准信息数据可视化分析-大数据-Spark-Hadoop-Bigdata
大数据·信息可视化·课程设计
希艾席帝恩2 天前
数字孪生平台与数据内容工具对比:山海鲸可视化VS镝数
大数据·人工智能·物联网·低代码·信息可视化·数字化转型
躺柒2 天前
读数据可视化26高维多元数据(中)
信息可视化·可视化·数据可视化·高维·多元·高维多元数据