基于 GEE 的 MODIS 数据逐月植被覆盖度（FVC）计算与数据导出完整流程

目录

一、代码整体框架与依赖环境说明

二、可视化参数配置

三、研究区与地图定位

[四、NDVI 计算函数（calculateNDVI）](#四、NDVI 计算函数（calculateNDVI）)

五、植被覆盖度（FVC）计算函数

[六、C 因子计算函数](#六、C 因子计算函数)

七、时间段数据处理函数

八、主函数与执行

九、运行结果

---

若觉得代码对您的研究 / 项目有帮助，欢迎点击打赏支持！需要完整代码的朋友，打赏后可在后台私信（复制文章标题发给我），我会尽快发您完整可运行代码，感谢支持！

本代码是基于 Google Earth Engine（GEE）平台，利用 MODIS NDVI 数据计算 2010 年逐月及年度植被覆盖度（FVC）、C 因子，并实现数据可视化与 Google Drive 导出的完整流程，核心逻辑为 "数据加载→预处理→FVC 计算→衍生指标计算→可视化与导出"。

一、代码整体框架与依赖环境说明

运行环境基础：

该代码需在Google Earth Engine（GEE）代码编辑器中执行，依赖 GEE 平台的两大核心能力：

• 云端遥感数据存储与调用（直接读取 MODIS 官方数据集，无需本地下载）
• 分布式计算能力（处理大区域、长时间序列数据时，无需本地硬件支撑）
• 前提条件：需提前在 GEE 中定义研究区矢量边界（变量名 roi），否则代码会因 "roi 未定义" 报错。

数据来源与特性：

核心数据源为MODIS/061/MOD13Q1，需明确其关键属性以理解代码设计逻辑：

数据属性	具体说明	对代码的影响
产品类型	NDVI（归一化植被指数）16 天合成产品	代码中 "时间段平均 NDVI" 实际是 16 天合成数据的进一步均值，需注意时间分辨率匹配
空间分辨率	250 米	代码中导出 FVC、计算分位数时均使用 250 米尺度，确保数据精度一致性
数值范围	原始值为 - 2000~10000	需通过multiply(0.0001)转换为 - 0.2~1.0 的实际 NDVI 值，否则计算结果会完全错误

二、可视化参数配置

var visParams = {
  min: 0.0,
  max: 1.0,
  palette: [
    'FFFFFF', 'CE7E45', 'DF923D', 'F1B555', 'FCD163', '99B718', '74A901',
    '66A000', '529400', '3E8601', '207401', '056201', '004C00', '023B01',
    '012E01', '011D01', '011301'
  ]
};

• 参数含义：
  • min/max：定义 FVC 的显示范围，因 FVC 物理意义为 "植被覆盖比例"，故限定 0（无植被）~1（全植被覆盖），若设为其他值会导致颜色映射失真（如将 0.5 显示为最大值，高覆盖区与中覆盖区颜色一致）。
  • palette：17 个十六进制颜色码，从白色（FFFFFF，FVC=0）到深绿色（011301，FVC=1），对应植被覆盖度从低到高的渐变，符合人眼对 "绿度代表植被" 的认知习惯。
• 使用场景 ：仅用于地图可视化（Map.addLayer），不影响 FVC 计算结果，可根据需求修改颜色（如将荒漠区颜色改为黄色，增强视觉区分度）。

三、研究区与地图定位

Map.addLayer(roi, {color: "black"}, "ROI", false);
Map.centerObject(roi, 8);

• Map.addLayer(roi, {color: "black"}, "ROI", false)：
  • 第一个参数roi：待添加的研究区矢量数据（需提前导入 GEE，格式可为 Shapefile、KML 等）。
  • 第二个参数{color: "black"}：设置研究区边界线颜色为黑色，便于在地图上识别区域范围。
  • 第三个参数"ROI"：图层名称，显示在 GEE 地图左侧 "图层" 面板中。
  • 第四个参数false：图层默认隐藏（true为默认显示），避免研究区边界遮挡 FVC 的颜色细节，需查看时手动勾选图层即可。
• Map.centerObject(roi, 8)：
  • 功能：将地图视图中心自动定位到研究区几何中心。
  • 第二个参数8：GEE 地图缩放级别（1~24，数字越大视角越近、分辨率越高），8 级对应约 10 公里尺度，可完整显示地级市 / 县级区域，若研究区为省级需改为 6~7 级，村级需改为 10~12 级。

四、NDVI 计算函数（calculateNDVI）

function calculateNDVI(image) {
  return image.select('NDVI').multiply(0.0001).rename('NDVI');
}

• 核心目的：解决 MODIS 原始数据 "数值存储与实际物理值不一致" 的问题。
• 逐步解析：
  • image.select('NDVI')：从输入的影像（image）中筛选出 "NDVI" 波段，因MOD13Q1数据包含 NDVI、EVI 等多个波段，需明确指定目标波段。
  • multiply(0.0001)：执行缩放操作，将原始整数（如 "5000"）转换为实际 NDVI 值（5000×0.0001=0.5），该系数来自 MODIS 官方数据文档（MOD13Q1的 Scale Factor 为 0.0001），不可随意修改（若改为 0.001 会导致 NDVI 值为 5.0，远超合理范围）。
  • rename('NDVI')：保持波段名称不变，避免后续函数因波段名错误无法调用（若改为 "ndvi"，后续select('NDVI')会返回空值）。

五、植被覆盖度（FVC）计算函数

function calculateFVC(NDVI, region, scale) {
  // 计算研究区NDVI的5%和95%分位数
  var percentile = NDVI.reduceRegion({
    reducer: ee.Reducer.percentile([5, 95]),
    geometry: region,
    scale: scale,
    maxPixels: 1e13
  });
  
  var NDVI_min = ee.Number(percentile.get('NDVI_p5'));
  var NDVI_max = ee.Number(percentile.get('NDVI_p95'));
  
  // FVC计算与范围限制
  var FVC = NDVI.subtract(NDVI_min)
                .divide(NDVI_max.subtract(NDVI_min))
                .clamp(0, 1)
                .rename('FVC');
  return FVC;
}

• 函数参数说明：

  • NDVI：输入的 NDVI 影像（需先经过calculateNDVI处理，确保为 - 0.2~1.0 的实际值）。
  • region：研究区矢量边界（通常为roi），用于计算分位数的空间范围。
  • scale：计算分位数时的空间尺度（单位：米），需与数据源分辨率一致（此处为 250 米），若设为 1000 米会导致分位数计算精度降低。

• 分位数计算：

  • ee.Reducer.percentile([5, 95])：GEE 内置的统计 Reducer，计算影像在指定区域内的 5% 和 95% 分位数，目的是排除极端值干扰（如研究区内的云、水体、裸岩等异常 NDVI 值，避免将其计入 "植被 / 非植被" 阈值）。
  • maxPixels: 1e13：设置最大处理像素数，因 GEE 默认限制单区域处理像素数（避免内存溢出），1e13 对应约 100 万平方公里（250 米分辨率下，1 像素 = 62500 平方米，1e13 像素 = 6.25e17 平方米 = 625 万平方公里），足够覆盖大部分区域。
  • percentile.get('NDVI_p5')：从分位数结果中提取 "NDVI 的 5% 分位数"，GEE 会自动为结果命名为 "波段名_分位数"（如 NDVI 的 5% 分位数为 "NDVI_p5"），若波段名修改需同步调整此处命名。

• FVC 计算逻辑（像元二分模型）：

  • 公式原理：FVC = (NDVI - NDVI_min) / (NDVI_max - NDVI_min)，假设研究区内仅 "纯植被"（NDVI=NDVI_max，FVC=1）和 "纯非植被"（NDVI=NDVI_min，FVC=0）两类像元，混合像元的 FVC 与 NDVI 呈线性关系。
  • clamp(0, 1)：强制将计算结果限制在 0~1 范围内，因部分像元 NDVI 可能小于 NDVI_min（如水体，NDVI=-0.1）或大于 NDVI_max（如浓密森林，NDVI=0.95），若不限制会出现 FVC=-0.2 或 1.1 等无物理意义的值。

六、C 因子计算函数

function calculateC(FVC) {
  return FVC.expression(
    "f == 0 ? 1 : (f > 78.3 ? 0 : 0.6508 - 0.3436 * log10(f))",
    {
      f: FVC.multiply(100)
    }
  ).rename('C');
}

• C 因子含义：土壤侵蚀通用方程（USLE/RUSLE）中的 "植被覆盖与管理因子"，取值范围 0~1，值越小表示植被对土壤侵蚀的抑制作用越强（C=0 时无侵蚀，C=1 时无植被保护）。
• 详细解析：

  • FVC.multiply(100)：将 FVC 从 0~1 的小数转换为 0~100 的百分比（如 FVC=0.5→f=50），因经验公式的输入参数为百分比形式。

  • expression(...)：GEE 中执行数学表达式的函数，支持条件判断（类似 JavaScript 的三元运算符），表达式逻辑如下：

    条件	C 因子值	物理意义
    f == 0（无植被）	1	无任何植被保护，土壤侵蚀最严重
    f > 78.3（高植被覆盖）	0	植被完全覆盖地表，无土壤侵蚀
    0 < f ≤ 78.3（中低植被覆盖）	0.6508 - 0.3436×log₁₀(f)	植被覆盖度越高，C 因子越小，侵蚀抑制作用越强

  • 注意：该公式为经验公式，适用于大部分区域，但针对特定生态系统（如荒漠草原、热带雨林）可能需要调整系数，需参考相关文献验证。

七、时间段数据处理函数

function processTimePeriod(startDate, endDate, periodName) {
  // 加载MODIS NDVI数据
  var imageCol = ee.ImageCollection("MODIS/061/MOD13Q1")
                    .filterDate(startDate, endDate)
                    .filterBounds(roi)
                    .select(['NDVI']);
  
  // 计算平均NDVI并裁剪
  var NDVI = imageCol.mean().clip(roi);
  
  // 数据有效性检查
  if (NDVI.bandNames().size().getInfo() === 0) {
    print("无有效数据的时间段: " + periodName);
    return null;
  }
  
  // 计算NDVI、FVC
  NDVI = calculateNDVI(NDVI);
  var FVC = calculateFVC(NDVI, roi, 250);
  
  // 可视化与导出
  Map.addLayer(FVC, visParams, 'FVC_' + periodName);
  Export.image.toDrive({
    image: FVC,
    description: "FVC_" + periodName,
    scale: 250,
    region: roi,
    maxPixels: 1e13
  });
  
  return {period: periodName, fvc: FVC};
}

• 函数参数：

  • startDate/endDate：时间段的起止日期（需为ee.Date类型，如ee.Date.fromYMD(2010,1,1)）。
  • periodName：时间段名称（如 "2010""2010_01"），用于图层命名和导出文件命名，便于区分不同时间段数据。

• 数据加载与筛选：

  • ee.ImageCollection("MODIS/061/MOD13Q1")：调用 GEE 中的MOD13Q1数据集（061 为版本号，代表 Collection 6.1，是当前常用版本）。
  • filterDate(startDate, endDate)：按日期筛选数据，注意 GEE 中filterDate为 "左闭右开" 区间（如filterDate('2010-01-01','2010-02-01')实际包含 1 月 1 日～1 月 31 日数据），与代码中 "月度数据处理" 的逻辑匹配。
  • filterBounds(roi)：按空间范围筛选，仅保留与研究区（roi）有交集的影像，减少无关数据计算量，提高效率。
  • select(['NDVI'])：仅保留 NDVI 波段，排除 EVI、质量控制等无关波段，降低数据处理负荷。

• 平均 NDVI 计算与裁剪：

  • imageCol.mean()：对筛选后的影像集合（imageCol）计算逐像元均值，将 16 天合成数据转换为 "时间段平均 NDVI"（如月度数据为该月内 2~3 期 16 天合成数据的均值），反映该时间段的植被平均状况。
  • clip(roi)：将平均 NDVI 影像裁剪到研究区范围，避免导出数据包含研究区外的无效区域，减少文件大小。

• 数据有效性检查：

  • NDVI.bandNames().size().getInfo() === 0：检查裁剪后的 NDVI 影像是否包含有效波段（若imageCol无数据，mean()后会生成无波段的空影像）。
  • print(...)：在 GEE 控制台打印无数据的时间段提示（如 "无有效数据的时间段: 2010_02"），便于排查问题（可能原因：研究区该时间段全为云覆盖、数据未收录等）。
  • return null：无有效数据时终止函数执行，避免后续计算报错。

• 可视化与导出：

  • Map.addLayer(FVC, visParams, 'FVC_' + periodName)：将 FVC 影像添加到地图，图层名称为 "FVC_时间段"（如 "FVC_2010_01"），使用之前定义的visParams配色方案，便于直观对比不同时间段的植被覆盖差异。

  • Export.image.toDrive(...)：将 FVC 影像导出到 Google Drive，关键参数说明：

    参数	含义	注意事项
    image: FVC	待导出的影像	若需同时导出 NDVI、C 因子，可改为image: ee.Image([NDVI, FVC, C])
    description	导出任务名称和文件前缀	需唯一，避免同名文件覆盖
    scale: 250	导出影像的空间分辨率	需与数据源分辨率一致（MOD13Q1为 250 米），设为更高分辨率（如 100 米）会导致数据重采样，无实际精度提升
    region: roi	导出的空间范围	需为ee.Geometry类型，若 roi 为矢量集合需转换为单一几何（如roi.geometry()）
    maxPixels: 1e13	最大导出像素数	若研究区过大（如超过 100 万平方公里）需增大该值，否则会提示 "像素数超过限制"

八、主函数与执行

function processData() {
  var results = []; 
  
  // 循环处理2010年
  for (var year = 2010; year <= 2010; year++) {
    // 处理年度数据
    var startYear = ee.Date.fromYMD(year, 1, 1);
    var endYear = ee.Date.fromYMD(year, 12, 31);
    var annualResult = processTimePeriod(startYear, endYear, year.toString());
    if (annualResult) results.push(annualResult);
    
    // 处理月度数据
    for (var month = 1; month <= 12; month++) {
      var startMonth = ee.Date.fromYMD(year, month, 1);
      var endMonth = startMonth.advance(1, 'month').advance(-1, 'day');
      var monthName = year + "_" + (month < 10 ? "0" + month : month);
      var monthlyResult = processTimePeriod(startMonth, endMonth, monthName);
      if (monthlyResult) results.push(monthlyResult);
    }
  }
  return results;
}

// 执行函数
var processingResults = processData();

• 结果存储数组 ：var results = []用于存储各时间段的处理结果（包含时间段名称period和 FVC 影像fvc），后续可通过该数组调用 FVC 影像（如计算年度 FVC 变化、提取月度均值等）。

• 年度数据处理逻辑：

  • ee.Date.fromYMD(year, 1, 1)：生成该年 1 月 1 日的ee.Date对象（GEE 日期类型，不可直接用 JavaScript 的Date类型）。
  • endYear = ee.Date.fromYMD(year, 12, 31)：生成该年 12 月 31 日的日期对象，因processTimePeriod中filterDate为左闭右开，此处无需调整日期（12 月 31 日为结束日期，会包含 12 月全月数据）。
  • year.toString()：将年份（数字）转换为字符串，作为时间段名称（如 2010→"2010"）。
  • if (annualResult) results.push(annualResult)：仅当有有效数据时，才将结果加入results数组，避免存储空值。

• 月度数据处理逻辑：

  • startMonth = ee.Date.fromYMD(year, month, 1)：生成该月 1 日的日期对象（如 2010 年 2 月→"2010-02-01"）。
  • endMonth = startMonth.advance(1, 'month').advance(-1, 'day')：计算该月最后一天的日期，逻辑为 "当前月 1 日 + 1 个月 - 1 天"（如 2010 年 2 月 1 日 + 1 个月 = 3 月 1 日，再 - 1 天 = 2 月 28 日），避免手动判断月份天数（尤其解决 2 月、30 天 / 31 天月份的问题）。
  • month < 10 ? "0" + month : month：月份补零处理（如 1 月→"01"，12 月→"12"），使月度名称格式统一（如 "2010_01" 而非 "2010_1"），便于后续文件排序和识别。

• 函数执行 ：var processingResults = processData()调用主函数，启动整个数据处理流程，执行后会在 GEE 控制台 "任务" 面板中生成 13 个导出任务（1 个年度 + 12 个月度），需手动点击 "运行" 并授权 Google Drive 访问，才能完成数据导出。

九、运行结果

运行结果的所有图层
研究区2010年植被覆盖度平均值计算结果可视化
研究区2010年01月植被覆盖度平均值计算结果可视化
研究区2010年04月植被覆盖度平均值计算结果可视化
研究区2010年07月植被覆盖度平均值计算结果可视化
研究区2010年10月植被覆盖度平均值计算结果可视化
点击RUN即可下载数据

若觉得代码对您的研究 / 项目有帮助，欢迎点击打赏支持！需要完整代码的朋友，打赏后可在后台私信（复制文章标题发给我），我会尽快发您完整可运行代码，感谢支持！