使用Google Earth Engine下载年份的NDBI GEE

最新推荐文章于 2024-04-08 21:00:00 发布
最新推荐文章于 2024-04-08 21:00:00 发布
阅读量725 收藏
点赞数
文章标签： 数据库 前端
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/LhlbPerl/article/details/132993036
版权
GEE 专栏收录该内容
43 篇文章 ¥59.90 ¥99.00
订阅专栏
本文介绍了如何使用Google Earth Engine（GEE）下载特定年份的NDBI数据。通过定义感兴趣区域，选择Landsat 8数据集，计算NDBI指数，然后导出为GeoTIFF格式保存到Google Drive。步骤包括创建脚本、设定ROI、选择数据集、计算NDBI和导出数据。示例代码提供了详细的指导。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Google Earth Engine（GEE）是一个强大的云平台，它提供了一套丰富的地理空间数据处理工具和功能。在GEE中，可以轻松地下载和处理各种遥感数据，包括土地利用、植被指数等。本文将介绍如何使用GEE下载特定年份的NDBI（Normalized Difference Built-up Index）数据，并提供相应的源代码示例。

NDBI是一种常用的遥感指数，用于识别和评估城市建筑物的分布和变化。它基于可见光和近红外波段的反射率差异，可以有效地区分建筑物和其他地表覆盖类型。使用GEE，可以方便地计算NDBI指数并下载相应的数据。

以下是使用GEE下载特定年份NDBI数据的步骤和示例代码：

  1. 打开Google Earth Engine Code Editor（https://code.earthengine.google.com/ ↗）。

  2. 创建一个新的脚本，并命名为“Download_NDBI”。

  3. 在脚本中，首先需要定义感兴趣区域（ROI）。可以使用GEE提供的几何图形对象、坐标点或矩形框来定义ROI。下面是一个以矩形框为例的代码示例，将其替换为自己感兴趣区域的几何图形或坐标点：


                

                
                
        

    

  


        

            

                

                

                了解本专栏
                
                
                  
                订阅专栏 解锁全文
                 
            

        


    



                



	

		

			

				
					
Google Earth Engine（GEE）——下载2020-2021年的NDBI

				
			

			

				

					此星光明博客
				

				

					09-17
					
					981
					
				

			

		

		

			
				
如果对象的时间戳落在日历字段的给定范围内，则返回一个通过的过滤器。月、年中的日、月中的日和周中的日是以1为基础的。否则，新的频段将以数字后缀重新命名（foo到foo_1，除非foo_1存在，然后foo_2，除非它存在，等等）。返回一张包含从第一张输入图片中复制的所有条带和从第二张输入图片中选择的条带的图片，可以选择覆盖第一张图片中相同名称的条带。这里我们多用了一个返回函数，用于返回给矢量的index和每一个矢量的名字，其它的没有什么太大的变化。field（字符串，默认为 "年中的一天"）。

			
		

	



                

            
              



	

		

			

				
					
GEE案例——利用归一化建筑物指数NDBI提取1990-2020年长时序森林损毁面积

				
			

			

				

					此星光明博客
				

				

					12-18
					
					3165
					
				

			

		

		

			
				
归一化建筑物指数（Normalized Difference Built-up Index，NDBI）是一种用于评估城市建筑物分布和城市化程度的指数。它基于不同波段的反射率差异，通过红色波段（通常是可见光波段）和近红外波段的反射率来计算。NDBI的计算公式为：其中，SWIR代表短波红外波段的反射率，NIR代表近红外波段的反射率。计算得到的NDBI值范围通常在-1到1之间，数值越高表示建筑物密度越高。NDBI主要用于遥感图像分析和城市研究领域，可以帮助识别和提取城市区域中的建筑物信息。

			
		

	



              


  
              

                


	

		

			

				
					
GEE利用哨兵2号计算NDBI（空洞用前后时段影像补空值）

				
			

			

				

					2301_77508239的博客
				

				

					02-28
					
					1465
					
				

			

		

		

			
				
filter(ee.Filter.date('2019-07-01', '2019-08-31'))//修改数据时间范围。crs:'EPSG:4326',  //坐标系。//在有效像素下添加时间信息，便于后续利用。var days = 30 //前后时段长。scale: 10, //分辨率。// 方法 3 自己手动加减乘除。//生成列表，迭代下载。

			
		

	





	

		

			

				
					
Google Earth Engine（GEE）——利用归一化建筑指数NDBI（不透水层）提取建筑物

					
热门推荐

				
			

			

				

					此星光明博客
				

				

					12-28
					
					1万+
					
				

			

		

		

			
				
问题：

有粉丝问到，如何进行建筑物的提取，其实这里有两个方法，一个是有一个数据集可以直接获取建筑物的轮廓，具体内容可以看我之前的文章：

(2条消息) Google Earth Engine ——高分辨率 50 厘米卫星图像的建筑物轮廓数据集_此星光明的博客-优快云博客



归一化建筑指数：

NDBI是查勇等在杨山提出的仿归一化植被指数基础上提出的, 它可以较为准确地反映建筑用地信息, 数值越大表明建筑用地比例越高, 建筑密度越高。计算公式如下:



式中，RNIR、RMIR分别为图像的近红...

			
		

	



		

			
		



	

		

			

				
					
Google Earth Engine（GEE）计算NDVI、EVI、NDBI等指数并相关性分析

				
			

			

				

					guaicaicexu的博客
				

				

					06-29
					
					9544
					
				

			

		

		

			
				
今天来分享如何在GEE中利用landsat影像计算上述指数，并进行相关性分析。相关性分析用Pearson相关系数表示

			
		

	





	

		

			

				
					
Google Earth Engine（GEE）-通过NDBI计算雪山覆盖去除雪山阴影.pdf

				
			

			

				

					11-08
				

			

		

		

			
				
本次使用的数据时LandsatTOA数据 LANDSAT/LT05/C01/T1_TOA然后进行波段运算，之后进行雪山的展示。我们用单位的阈值去过滤掉雪山对整个影像的影像，这是单独提取的一种方式。首先，可以从计算 SNOW_COVER 开始。一种...

			
		

	





	

		

			

				
					
利用GEE（Google Earth Engine）在线处理NDVI、EVI、SAVI、NDMI等指数归一化教程（详细代码）

				
			

			

				

					07-20
				

			

		

		

			
				
如何利用GEE（Google Earth Engine）在线处理NDVI、EVI、SAVI、NDMI等指数进行归一化处理教程，我们需要进行GEE的一些基本学习，具体的专栏大家可以前去我的博客主页学习：涵盖了GEE基础、高阶和应用程序开发以及...

			
		

	





	

		

			

				
					
Google Earth Engine（GEE）-利用归一化建筑指数NDBI（不透水层）提取建筑物.pdf

				
			

			

				

					07-27
				

			

		

		

			
				
如何利用GEE（Google Earth Engine）利用归一化建筑指数NDBI（不透水层）提取建筑物，我们需要进行GEE的一些基本学习，具体的专栏大家可以前去我的博客主页学习：涵盖了GEE基础、高阶和应用程序开发以及JavaScript和...

			
		

	





	

		

			

				
					
GEE：指数计算（NDVI、NBR、EVI、NDMI、NDSI、TC、NDFI、EBBI、VCI、BSI、NDBI、GRAY）

				
			

			

				

					养乐多的博客
				

				

					04-08
					
					1万+
					
				

			

		

		

			
				
本文记录了，使用 Landsat 光学波段计算指数的方法和代码，包括NDVI、NBR、EVI、NDMI、NDSI、TC变化（绿度、亮度、湿度）、NDFI、EBBI、VCI等指数。

			
		

	





	

		

			

				
					
IDL程序实现NDBI归一化建成区指数计算

				
			

			

				

					01-10
				

			

		

		

			
				
IDL程序实现NDBI归一化建成区指数计算;
envi5.3
主要使用ENVI_DOIT,'math_doit'

			
		

	





	

		

			

				
					
Google Earth Engine（GEE）——如何处理阈值筛选后的结果没发生变化，以青藏高原NDBI为例

				
			

			

				

					此星光明博客
				

				

					10-12
					
					1434
					
				

			

		

		

			
				
我应用了分类功能，但当我导出图像时，数值仍然在-0.39到0.97之间。我想把NDSI图像重新分类为二进制地图（雪=1，无雪=0）。你在做分类，但没有把结果保存在任何变量中。这个教程中首先是计算了NDBI，并且进行了影像。

			
		

	





	

		

			

				
					
使用Google Earth Engine通过土地分类获取影像前后变化的土地利用变化信息

				
			

			

				

					IxtProgramming的博客
				

				

					09-23
					
					273
					
				

			

		

		

			
				
完成土地分类后，我们可以将不同时间的土地分类影像进行比较，以获取土地利用的变化信息。完成土地分类后，我们可以比较不同时间的土地分类影像，以获取土地利用的变化信息。从导入影像数据到进行土地分类，再到比较不同时间的分类影像，我们可以获得土地利用变化的详细信息，并进行进一步的分析和可视化。从导入影像数据到进行土地分类，再到比较不同时间的分类影像，我们可以获得土地利用变化的详细信息，并进行进一步的分析和可视化。在本文中，我们将介绍如何使用GEE来获取土地利用变化的信息，通过比较不同时间的土地分类影像。

			
		

	





	

		

			

				
					
如何下载最新的NDVI数据？需要翻墙，安装MRT，如何处理下载的NDVI数据？

				
			

			

				

					qq_45241385的博客
				

				

					12-25
					
					6774
					
				

			

		

		

			
				
如何下载最新的NDVI数据？安装MRT？如何处理下载的NDVI数据？

			
		

	





	

		

			

				
					
Google Earth Engine学习笔记——介绍和入门

				
			

			

				

					qq_24583573的博客
				

				

					07-29
					
					1632
					
				

			

		

		

			
				
Google Earth Engine上包含的数据集超过 200 个公共的数据集，超过500万张影像，每天的数据量增加大约 4000张影像，容量超过 5PB。下面参考Google Earth Engine API帮助文档中的实例代码（学实例代码是最容易入门的），演示使用Google Earth Engine加载LandSet影像，并根据裁剪范围下载到本地。最近接触Google Earth Engine，觉得很好玩， 也很有应用前景，最关键Google Earth Engine是免费的地理计算云平台。

			
		

	





	

		

			

				
					
python小工具集_Python小工具集合

				
			

			

				

					weixin_39915500的博客
				

				

					12-02
					
					590
					
				

			

		

		

			
				
4f851ad814c6d77a5ea338252f34e16df81fbc00475357e205787e8d10137e6b94235dc4639a50ca6ec05b7b2bbcb2e16c07371f7119181318ed5e3106a82bb82c968ad33f2e1f9a08ea0cf226c91b6892027bb11f343ebee913d4ba2839772d6db8bb35...

			
		

	





	

		

			

				
					
【RS&GIS数据资源】2000-2022年中国30米年最大NDVI数据集

				
			

			

				

					Lee大哲博客
				

				

					04-08
					
					1934
					
				

			

		

		

			
				
本数据集基于Google Earth Engine云计算平台，利用全年所有Landsat5/7/8/9遥感数据，通过系列数据预处理和数据平滑等方法，得到2000-2020年每个像元一年中的NDVI最大值。该数据集空间分辨率为30m，时间分辨率为年。

			
		

	





	

		

			

				
					
Google Earth Engine（GEE） ——全球风暴潮重建（GSSR）数据库

				
			

			

				

					此星光明博客
				

				

					04-18
					
					612
					
				

			

		

		

			
				
作者使用五种具有不同空间和时间分辨率的不同大气再分析产品来生成不同再分析所涵盖时期的浪涌信息。导致最佳验证结果的再分析被标记为“最佳重建”（请注意，在某些位置，数据不适用于所有再分析，因为验潮仪和再分析所涵盖的时期没有重叠）。您可以在此处阅读全文。不同站点的各个验潮仪和再分析产品的合并合并每日最大浪涌值已合并到主特征集合中，同时仍保留不同的再分析产品。另一件需要注意的事情是，CSV 似乎已与索引列一起导出，这不是很有用，尤其是因为它缺少标题，因此在重命名和摄取之前，索引列已从所有 CSV 中删除。

			
		

	





	

		

			

				
					
Google Earth Engine（GEE）——全球地表水和地下水盐度测量（1980-2019）

				
			

			

				

					此星光明博客
				

				

					02-21
					
					1193
					
				

			

		

		

			
				
尽管与许多其他水质参数相比，盐度的监测相对普遍，但在全球范围内，还没有对地表水和地下水成分的现有数据集进行汇编和协调。在此，我们提出了一个新的全球盐度数据库，该数据库由1980-2019年期间地表水（河流、湖泊/水库）和地下水位置的电导率（EC）监测数据汇编而成。这个数据库可以为水资源盐度水平的元分析提供新的机会，也可以为解决与历史和未来盐化模式和影响有关的数据和模型驱动的问题提供新的机会。每个类别都有两个相关的csv格式的数据文件，一个包含完整的盐度数据，另一个是目前完整的盐度数据集的摘要文件。

			
		

	





	

		

			

				
					
gee中对ndbi指数结果进行面积统计并制作时间序列表反映面积变化趋势

					
最新发布

				
			

			

				

					03-24
				

			

		

		

			
				
### 计算 NDBI 指数并生成时间序列图表

在 Google Earth Engine (GEE) 中，可以利用遥感影像数据来计算归一化差异建筑指数（Normalized Difference Built-up Index, NDBI）。通过提取特定区域内的像元值，并基于这些值统计面积变化情况，最终生成时间序列图表。

以下是实现这一目标的具体方法：

#### 1. 加载 Landsat 数据集
Landsat 是一种常用的卫星图像源，适用于长时间跨度的地表监测。可以选择 Landsat 8 的表面反射率产品作为输入数据[^1]。

```javascript
var dataset = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2');
```

#### 2. 定义研究区范围
定义一个地理边界对象（`ee.Geometry`），用于限定分析的区域范围。可以通过导入 Shapefile 或手动绘制多边形完成此操作[^2]。

```javascript
// 假设已有一个名为 'studyArea' 的几何体变量表示感兴趣地区域
Map.centerObject(studyArea);
```

#### 3. 编写函数计算 NDBI
NDBI 使用短波红外(SWIR) 和近红外(NIR) 波段按照如下公式计算：
\[ \text{NDBI} = \frac{\text{(SWIR - NIR)}}{\text{(SWIR + NIR)}} \]

对于 Landsat 8 来说，SWIR 对应 Band 6 （B6），而 NIR 则对应 Band 5 （B5）[^3]。

```javascript
function addNDBI(image){
    var ndbi = image.normalizedDifference(['B6', 'B5']).rename('NDBI');
    return image.addBands(ndbi);
}
```

#### 4. 过滤和映射影像集合
筛选符合条件的时间区间以及空间覆盖条件下的所有可用场景；接着应用上述自定义变换逻辑到整个系列上。

```javascript
var filtered = dataset.filterBounds(studyArea)
                     .filterDate('2015-01-01','2023-12-31')
                     .map(addNDBI);
```

#### 5. 统计每张图片中的建成区总面积
设定阈值区分高密度建筑物和其他土地覆被类别。通常情况下，当像素级 NDBI 超过某个临界点时认为该位置存在较高程度的人工构筑物活动迹象[^4]。

```javascript
function calculateBuiltUpArea(img){
    var builtupMask = img.select('NDBI').gt(0); // 阈值设置为正数部分代表可能的城市扩张地带
    var areaImage = builtupMask.multiply(ee.Image.pixelArea());
    
    var stats = areaImage.reduceRegion({
        reducer: ee.Reducer.sum(),
        geometry: studyArea,
        scale: 30, // Landsat分辨率单位米/像元
        maxPixels: 1e9
      });
      
    return img.set({'built_up_area':stats.get('ndbi')});
}

filtered = filtered.map(calculateBuiltUpArea);
```

#### 6. 创建折线图显示历史演变过程
最后一步是从处理后的影像集中抽取相关属性字段构建可视化表达形式——即随日期变动的趋势曲线图。

```javascript
var chart = ui.Chart.image.seriesByRegion({
    imageCollection: filtered.select('NDBI'),
    regions: studyArea,
    reducer: ee.Reducer.mean(), 
    scale: 30,
    bandName:'NDBI',
    xProperty:'date'
});

print(chart);
```

以上脚本片段展示了如何借助 GEE 平台执行从原始光学传感资料获取直至成果呈现全过程的技术路线概述[^5]。

---

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值