利用 Google Earth Engine 的 ui.SplitPanel 对比查看不同时间段的空气质量案例

最新推荐文章于 2025-11-25 16:36:59 发布

LhlbPerl

最新推荐文章于 2025-11-25 16:36:59 发布

阅读量167

点赞数

CC 4.0 BY-SA版权

文章标签： ui

本文链接：https://blog.youkuaiyun.com/LhlbPerl/article/details/133233697

GEE 专栏收录该内容

43 篇文章 ¥59.90 ¥99.00

订阅专栏

本文展示了如何运用Google Earth Engine的ui.SplitPanel功能，对比不同时间段的空气质量。通过创建地图窗口，加载两个不同时间段的空气质量图层，并使用SplitPanel将它们分隔在左右两边，实现直观的对比查看。用户可以调整分割条，以适应自己的分析需求。案例中以2022年和2023年的数据为例，但用户可根据实际需求调整时间和数据集参数。

Google Earth Engine（以下简称 GEE）是一个强大的云平台，用于分析和可视化地球观测数据。它提供了丰富的功能和工具，以帮助用户进行地理空间数据分析和可视化。在本案例中，我们将利用 GEE 的 ui.SplitPanel 功能，对比查看不同时间段的空气质量情况。

首先，我们需要导入必要的库和数据集。在 GEE 中，我们可以使用 “users” 前缀来引用用户自定义的数据集。这里，我们将使用一个包含空气质量数据的数据集。

// 导入必要的库
var ui = require('ui');

// 导入空气质量数据集
var airQualityDataset = ee.

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

LhlbPerl

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

订阅专栏

Google Earth Engine （GEE）——利用 ui.SplitPanel对比查看不同时期的空气质量案例

此星光明博客

01-28

546

在我们上一次利用人口和NO2数据，接下来，我们将进行测试，看看我们能否可视化 2020 年 COVID-19 封锁期间 NO2 浓度的变化。我们将比较 2020 年 3 月的二氧化氮浓度中值与 2019 年 3 月的中值。天气会显着影响空气污染物浓度（例如，风导致烟雾的远距离传输），因此 2020 年和 2019 年之间的差异可能是天气差异的产物。通过比较不同年份的同月，我们部分控制了季节性天气模式的影响，但并不完全。如果您想更彻底地控制天气影响，请参阅 Venter 等人。 (2020) 了解详情。在

Google Earth Engine APP——Collection Mosaic Editor加载2017年每一景影像的APP

此星光明博客

09-27

700

本APP中我们很以往的APP不同，我们同以往的直接在MAP上添加Panel的过程，现在我们要使用的一个过程就是要使用split地图，一个包含两个面板的小部件，它们之间有一个分隔线。分隔板可以被拖动，允许调整面板的大小。一个或两个面板可以是ui.Map对象。默认情况下，布局以50/50的比例初始化。面板上的宽度和最大/最小宽度样式控制水平方向的分割尺寸。同样地，在垂直方向上使用height和max/minHeight。

参与评论您还未登录，请先登录后发表或查看评论

GEE实战 | 窗口拆分(split panel)可视化

小鱼干的博客

08-26

1255

GEE实战 | split panel可视 Split panel适合在可视化时同时对比效果，而且可以通过拖动，改变两边图像显示范围，可谓高大上可视化以及分析结果的利器。先看效果：左边是高分辨率土地分类图，右边是重采样后的，可以拖动中间的部件来改变显示范围，同时两边的按钮可以选择显示不同的图片。不多说，直接JavaScript放代码。 var test_c3_30 = ee.Image("users/daviddoyle1/test_c3_30"), var test_c3 = ee.I

Google Earth Engine（GEE）——利用sentinel-2数据

此星光明博客

07-10

2029

本次用到的函数：ui.Chart.image.series(imageCollection, region, reducer, scale, xProperty) 从一个ImageCollection生成一个图表。绘制一个区域内每个波段在不同图像中的衍生值。通常是一个时间序列。X轴。图像，用xProperty值标记。Y-轴。波段值。系列。波段名称。返回一个图表。参数。 imageCollection（图像集合）。一个包含数据的ImageCollection，将被包含在图表中。region (Feature

Google Earth Engine：LandTrendr (Landsat Collection 2)全更新使用（代码调用+UI交互）

此星光明博客

07-12

105

本文介绍了使用Landsat Collection 2进行连续变化监测的分析方法，包含代码实现和可视化界面两部分。代码部分通过Google Earth Engine平台运行LandTrendr算法，设置参数包括时间范围、光谱指数、变化检测阈值等，最终生成变化幅度和检测年份的可视化图层，并将结果导出至Google Drive。可视化界面部分展示了基于LandTrendr的土地覆盖变化结果，结合Landsat影像进行分析。整个方法实现了从数据处理到结果展示的完整流程，适用于森林覆盖等环境变化监测。

GEE训练教程——在Google Earth Engine中获取、处理和可视化径流数据

此星光明博客

03-02

265

/ 将国家边界添加到地图首先，我们定义了一个几何图形（geometry），表示我们感兴趣的区域。接着，我们从FAO的GAUL数据集中获取国家边界，并将其添加到地图上。通过这段代码，我们展示了如何在Google Earth Engine中获取、处理和可视化径流数据。利用GEE的强大功能，我们可以轻松分析环境变化，为研究和决策提供支持。希望这篇博客能够帮助你更好地理解如何使用GEE进行径流分析！

利用 Google Earth Engine 探索江宁区 2010 - 2020 年 EVI 时空变化

lestatlu的博客

04-28

1752

增强型植被指数（Enhanced Vegetation Index，EVI）是一种用于量化植被生长状态和覆盖程度的重要指标，它在监测植被动态、生态环境评估以及气候变化研究等领域发挥着关键作用。Google Earth Engine（GEE）作为一个强大的地理空间分析平台，提供了丰富的遥感数据资源和高效的数据处理能力，能够帮助我们轻松地对长时间序列的 EVI 数据进行分析和可视化。本文将详细介绍如何使用 GEE 对南京市江宁区 2010 - 2020 年的 EVI 数据进行处理和分析，以揭示该地区植被在这十年

GEE APP：从 Google Earth Engine (GEE) 中获取不同卫星数据（Sentinel-2 和 Landsat 系列），计算 NDVI，并将结果可视化

此星光明博客

05-01

167

这段代码的主要功能是从 Google Earth Engine (GEE) 中获取不同卫星数据（Sentinel-2 和 Landsat 系列），计算 NDVI，并将结果可视化。用户可以通过交互式界面选择不同时间段的 NDVI 数据，并查看相关的国家边界和图例信息。这为环境监测和土地利用变化研究提供了有力的工具。

【地理信息系统】基于Google Earth Engine的UI组件与Widgets开发：交互式地图应用设计与实现

06-23

再者演示了日期滑块（DateSlider）的功能，通过选择时间范围来展示不同时间段的卫星影像合成图；最后说明了下拉选择框（Select）的应用，实现了根据选择项改变地图中心位置的功能。; 适合人群：对Google Earth ...

【遥感影像分析】基于Google Earth Engine的Sentinel-2时序影像动态可视化系统设计与实现

09-16

通过筛选指定时间段内的Sentinel-2卫星影像集合（COPERNICUS/S2_HARMONIZED），并结合云评分数据集（CLOUD_SCORE_PLUS）过滤高云量影像，构建高质量影像序列。利用JavaScript代码实现了交互式地图点击响应功能：用户...

【地理信息科学】基于Google Earth Engine的行政区划影像数据查询系统：多源遥感数据集成与交互式可视化分析平台设计

09-01

内容概要：本文档为一个基于Google Earth Engine（GEE）平台的地理空间数据探索工具的JavaScript代码实现，旨在通过国家与行政区划（District）级别的地理边界，查询、可视化和下载多主题遥感影像及环境数据集。...

Gemini 3 Pro深度解析：谷歌的“All in”时刻，AI霸权争夺战迎来终局？

攻城狮7号的博客

11-21

4022

2025年11月，谷歌深夜“突袭”，正式发布新一代旗舰大模型Gemini 3 Pro。它在几乎所有关键基准测试中，都以碾压之势超越了包括GPT-5.1和Claude Sonnet 4.5在内的所有对手。本文将深入剖析，Gemini 3 Pro不仅是一次模型的常规升级，更是一次谷歌围绕其AI生态的“系统级更新”。从颠覆性的“生成式UI”和“Vibe Coding”，到“智能体优先”的Antigravity开发平台，谷歌正试图重新定义AI时代的交互与开发范式。

【HarmonyOS 6】在UI控件上滑动也会触发onClick点击事件？

路漫漫亦无涯

11-24

HarmonyOS 6开发中遇到滑动触发onClick事件的问题，原因是滑动后抬起手指会触发默认点击事件。从API12开始，onClick新增distanceThreshold参数可设置移动阈值，当手指移动超过该阈值时点击识别失败。解决方案是在onClick中添加distanceThreshold参数并设置为1vp，这样轻微滑动就不会误触发点击事件。本文通过示例代码演示了问题复现和解决方法，提醒开发者注意API新特性的使用。

开源Unity小框架：高效单例与模块化设计

foolbirdM的博客

11-24

632

本指南面向首次接触的开发者，结合示例与图示，帮助快速理解和上手。适合小型游戏、GameJam开发，减少样板代码，快速搭建项目原先。

某大厂游戏客户端开发面试凉经

技术博客共同进步

11-23

229

周末面了某大厂游戏客户端开发，面试官周日被拉过来面试，听他语气很有种半死不活的感觉…晚上回来补一下答案。

C异步编程模型

2509_93945676的博客

11-25

127

当程序执行到await时，如果任务还没完成，它会暂时返回，让当前线程去干别的事，等任务完成了再自动恢复执行。说到异步编程，本质上就是让程序在等待耗时操作（比如文件读写、网络请求或数据库查询）时，不阻塞主线程，而是把控制权交还给系统，等操作完成后再回来继续执行。好在.NET 4.5引入了基于任务的异步模式（TAP），配合async和await关键字，让异步代码写起来跟同步差不多直观，大大降低了门槛。不过要注意，异步不代表多线程——await的时候可能用的是I/O完成端口，根本不占线程，这才是高效的关键。

影刀RPA实战：3分钟自动上架小红书云帆商品，效率提升800%！[特殊字符]

最新发布

RPA专家，自动化流程机器人，定制代写，指导教学。

11-25

215

还在手动填商品信息？图片上传点到手抽筋？别急！今天我用影刀RPA+AI黑科技，带你一键搞定小红书商品上架，从此告别复制粘贴！💡。

ArkTS 关键字速查笔记

m0_75236543的博客

11-22

890

ArkTS 在 TypeScript 语法之上，针对鸿蒙生态与高性能场景做了。本笔记把官方文档与社区实践中最常用的关键字按场景分组，方便你随查随用。

Doubao-Seed-Code 深度体验测评：国内首个支持视觉理解的编程模型，能替代 Claude Code 吗？

master_hunter的博客

11-24

744

国产编程模型Doubao-Seed-Code实现了突破性进展，能够直接根据UI设计稿生成代码，大幅提升开发效率。该模型支持256K长上下文和视觉理解能力，可处理复杂编程场景，并已在多项权威评测中表现优异。实际测试显示，它能准确还原设计稿细节，合理规划项目结构，并具备安全意识和工程思维，生成可直接运行的代码。相比Claude等国外模型，Doubao-Seed-Code成本更低，在前端开发等场景中展现出显著优势，为国产编程模型树立了新标杆。

NDVI数据Google Earth engine

01-23

### 处理和获取NDVI数据的方法 #### 加载并筛选NDVI数据集为了加载特定区域内的MODIS NDVI数据，可以利用`ee.ImageCollection`类来访问存储于Google Earth Engine中的MODIS/061/MOD13Q1数据集[^1]。 ```javascript var dataset = ee.ImageCollection('MODIS/061/MOD13Q1') .filterDate('2020-01-01', '2020-12-31'); ``` 此代码片段定义了一个图像集合变量`dataset`，它包含了指定日期范围内的所有可用影像。通过调用`.filterDate()`方法可进一步限定所需的数据时间段。 #### 提取NDVI波段信息一旦获得了所需的影像集合之后，则可以通过选择名为“NDVI”的波段来进行后续操作： ```javascript var ndvi = dataset.select('NDVI'); ``` 这一步骤创建了一个新的ImageCollection对象ndvi，其中仅保留了原始数据集中有关植被指数的信息。 #### 可视化显示NDVI地图为了让用户能够直观地查看到所选地区的NDVI分布情况，在客户端界面展示一张彩色渲染后的图片是非常有帮助的做法之一。下面这段脚本实现了这一功能，并设置了合理的色彩映射方案以便更好地理解不同数值区间的意义所在[^3]。 ```javascript Map.setCenter(116.4074, 39.9042, 8); // 设置中心位置为中国北京市区 Map.addLayer(ndvi.mean(), {min: -2000, max: 10000, palette: ['blue', 'white', 'green']}, 'Mean NDVI'); ``` 这里设定了三个颜色参数分别对应低、中、高三种级别的NDVI值域；同时指定了该层名称为"Mean NDVI"方便识别。 #### 绘制NDVI随时间变化趋势图除了静态的地图外，还可以基于选定地点的历史记录制作动态折线统计图表以反映长时间尺度下的植被生长状况变动规律。为此需要先确定感兴趣的目标地理位置坐标点作为采样依据，再借助内置函数计算出各时刻对应的平均NDVI强度，最后按照一定格式整理成适合绘图使用的结构体形式传递给前端组件完成最终呈现工作。 ```javascript // 定义一个代表目标地理坐标的几何形状实例 var point = ee.Geometry.Point([116.4074, 39.9042]); // 获取该处历年的月均NDVI序列 var chart = ui.Chart.image.series({ imageCollection: ndvi, region: point.buffer(50), reducer: ee.Reducer.mean(), scale: 250 }).setOptions({ title: 'Monthly Mean NDVI Over Time', vAxis: {title: 'NDVI'}, hAxis: {title: 'Date'} }); print(chart); ``` 上述命令构建了一张描述过去一年内每个月份在北京天安门广场附近地区观测得到的平均NDVI水平随着时间推移而发生改变的趋势曲线图。 #### 导出处理过的NDVI数据至本地文件系统当完成了所有的数据分析任务以后，如果希望将成果保存下来供离线查阅的话，那么就可以考虑采用Export工具包所提供的服务接口实现这一点。具体来说就是把经过滤波平滑等预处理步骤后形成的高质量栅格型态的结果转换成为GeoTIFF格式的标准空间数据产品，并将其上传至个人谷歌云盘账户之中等待下载[^2]。 ```javascript Export.image.toDrive({ image: ndvi.first().clip(point.buffer(50)), description: 'export_ndvi_image', folder: 'gee_exports', fileNamePrefix: 'ndvi_example', scale: 250, }); ``` 以上即是在Google Earth Engine平台之上针对MODIS卫星遥感影像资料执行一系列典型的操作流程介绍，包括但不限于加载源文件、提取特征量级、可视化表达以及结果输出等方面的内容。