使用Google Earth Engine计算NDVI并导出结果并通过用户界面进行批量导出

最新推荐文章于 2025-04-01 20:05:23 发布
最新推荐文章于 2025-04-01 20:05:23 发布
阅读量624 收藏
点赞数
CC 4.0 BY-SA版权
文章标签： ui
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/133247808
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）计算MODIS MOD09GA产品的NDVI，详细阐述了导入数据、计算NDVI、添加属性到图像集合以及创建用户界面实现批量导出到Google Drive的过程。

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

Google Earth Engine（GEE）是一个强大的云计算平台，用于分析和可视化地理空间数据。其中的MODIS数据集提供了全球覆盖的地表观测数据，如植被指数（NDVI）。本文将介绍如何使用GEE计算MODIS影像的NDVI，并将结果导出，并通过用户界面（UI）实现批量导出。

首先，我们需要在Google Earth Engine中导入MODIS的MOD09GA产品。MOD09GA是MODIS的地表反射率产品，包含了红外（Near-Infrared）和红色（Red）波段的数据。

以下是导入MOD09GA数据集的代码：

var dataset = ee.ImageCollection('MODIS/006/MOD09GA')
了解本专栏 订阅专栏 解锁全文
Google Earth Engine（GEE）——MODIS/061/MOD09GA影像计算NDVI并导出结果并UI可视化批量导出（含错误提示）
此星光明博客
09-01 2900
设置一个较大的瓦片比例（例如2或4），使用较小的瓦片，并可能使计算在默认情况下耗尽内存。CRS变换值的列表。如果没有指定，则使用图像的第一个波段的投影。减速器的输入数必须与输入图像的波段数相同，或者它必须有一个输入，并对每个波段进行重复。如果多边形在给定的比例下包含太多的像素，计算并使用一个更大的比例，这样可以使操作成功。对一个集合中的对象的给定属性进行聚合，计算出一个所选属性的所有值的列表。默认为图像的第一个波段的范围。要从集合的每个元素中使用的属性。以米为单位的投影的名义比例。返回还原器的输出的字典。.
Google Earth Engine（GEE) 代码详解：批量计算_年 NDVI 并导出（附 Landsat 8 数据处理全流程）
国科大硕士在读，分享Python/GEE/Matlab/R专业代码实践，涵盖数据分析、算法开发与应用技巧等，以代码会友。
05-14 632
本文介绍了基于Landsat8卫星数据，批量计算2013-2020年研究区NDVI（归一化植被指数）的完整流程。代码实现了去云处理、数据合成、可视化及批量导出为GeoTIFF格式，适用于植被动态监测和生态环境评估等场景。核心步骤包括加载研究区边界、去云与辐射定标、NDVI计算、年份循环与数据处理、可视化设置、重采样与导出设置。文章还提供了代码优化与扩展建议，如增加地形校正、使用服务器端代码提高效率等。适合遥感初学者、生态/农业研究者和GEE入门开发者。通过本文，读者可以掌握Landsat8数据预处理，
MODIS计算NDVI注意事项
sinat_35763722的博客
08-27 1万+
声明：本文为博主个人学习笔记，部分知识来源于网络，只做交流，不可商用。 数据源：modis的MOD9A1产品，分辨率500m，合成周期为8天 NDVI（归一化植被指数）计算​公式： NDVI=​(NIR-R)/(NIR+R)，其中NIR为近红外波段，R为红光波段，分别对应MODIS第2和第1波段。 NDBI（归一化建筑指数）​计算公式： NDBI=​(M IR - N IR ) /(M ...
GEE基于MODIS影像计算区域逐月kNDVI并批量导出
Owen__z的博客
04-01 288
【代码】GEE基于MODIS影像计算区域逐月kNDVI并批量导出。
GEE(google earth engine )读取NDVI数据集(MODIS/061/MOD13Q1)，获得NDVI图和NDVI时间序列变化图，并导出。
weixin_67362258的博客
03-28 2224
GEE读取MODIS16天NDVI数据集并画出NDVI时序变化图。
GEE计算一张影像ndvi并显示ndvi图像
weixin_43887139的博客
11-13 2744
var roi = ee.FeatureCollection("users/FXS/xiangshan"); //导入指定区域的矢量文件 var image=ee.ImageCollection("LANDSAT/LC08/C01/T1_SR") .filterDate("2020-10-10","2020-11-10") //筛选出指定时间内的影像 .filterBounds(roi)
geemap学习笔记028：Landsat8计算时间序列NDVI并导出
主要是关于代码方面的内容，包括但不限于Python、MATLAB、ENVI、ArcGIS
12-18 1818
本节则是以Landsat8影像数据为例，进行NDVI时间序列计算，并将得到的时间序列NDVI进行展示并导出。
GEE：提取多个点的时间序列数据，保存为csv格式（以NDVI为例）
养乐多的博客
11-23 6908
本文第一个代码记录了提取一个点的LAI值时间序列的代码，并且记录了以csv格式保存结果到本地的方法。第二个代码记录了将一个点的时间序列以折线图的形式打印在控制台中。
【遥感与地理信息系统】基于Google Earth Engine的NDVI计算与分析：干旱季节植被指数变化监测及数据可视化了文档的主要内容
最新发布
05-19
内容概要：该文档展示了如何利用Google Earth Engine (GEE) 脚本进行NDVI（归一化植被指数）的计算、分类和可视化。首先定义了研究区域为"projects/januarw33/assets/Kec_Kbm"，并创建了一个云层掩膜函数maskS2...
使用Google Earth Engine在线计算NDVI和FVC并批量下载
VwajAlgorithm的博客
09-22 810
它提供了丰富的卫星和地理数据集，以及一套强大的分析工具，可以用于从遥感数据中提取有用的信息。在本文中，我们将介绍如何使用Google Earth Engine平台在线计算归一化植被指数（NDVI）和覆盖度（FVC），并批量下载结果。在代码编辑器中，首先导入需要的图像数据。完成NDVI和FVC的计算后，我们可以将结果批量下载到本地。函数将大于0.5的像素设置为1，其余像素设置为0，并将结果重命名为FVC。接下来，我们将使用导入的图像数据计算NDVI。函数遍历列表中的每个图像，并为每个图像生成一个唯一的名称。
ENVI预处理GF-1号WFV1遥感数据提取NDVI指数
所有专家都曾始于新手
06-24 7142
使用ENVI处理GF-1号遥感数据提取NDVI指数
利用GEE获取区域NDVI
pengbr的博客
10-15 2222
利用GEE谷歌大数据遥感平台获取某区域一定时间段的NVDI数据
GEE：如何进行对MOD09GA数据集进行水体/云掩膜并计算NDVI将其导出至云盘？
炒茄子的博客
05-14 3000
这里的水体掩膜和云掩膜与一般的数据集不太一样，这里的QC波段是针对每一个波段影像都有4位二进制数进行标识，所以是对每一个波段进行mask的求取再将所有mask求一个类似的或运算。在我们的函数里，QA是一个32位的整数，也就是说它是由32个二进制数位组成的，每一个波段都有4位的数据质量标识，这4位被放在QA中的某一位置。在上述二进制整数中，每4位表示一个波段的质量部分，那么假定我们关心的是最左侧的0010部分(这就是我们称之为数据质量的部分)。这里为了保证精度，对影像进行了云掩膜和水体掩膜。
Google Earth Engine（GEE）——提取指定矢量集合中的NDVI值并附时间属性
此星光明博客
05-31 1735
本教程的主要目的是实现影像转化为数组，然后我们需要直到其转化为的数组的轴，然后根据轴的信息进行切片，切片后完成时间属性的标准转化，这里一定要对影像结果提取完成后再对矢量集合进行操作，最后就可以提取指定的属性信息。阵列排序对于获得自定义质量的马赛克非常有用，这涉及到根据不同波段的值reduce图像波段的子集。下面的例子按NDVI排序，然后得到集合中NDVI值最高的观测值子集的值：与线性建模的例子一样，使用arraySlice()沿波段轴将感兴趣的波段与排序索引（NDVI）分开。
MODIS反射率产品MOD09GA、MYD09GA的下载与使用
qq_33542342的博客
10-31 2万+
MODIS反射率产品MOD09GA、MYD09GA的下载与使用MODIS反射率数据产品简介数据下载功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchar...
利用GEE（Google Earth Engine）在线处理NDVI、EVI、SAVI、NDMI等指数归一化教程！
此星光明博客
07-02 2万+
1.首先进行“去云”函数的准备 //landsat5、7 EVI指数计算 // SR数据去云 function rmCloud(image) { var cloudShadowBitMask = (1 << 3); var cloudsBitMask = (1 << 5); var qa = image.select("pixel_qa"); var mask = qa.bitwiseAnd(cloudShadowBitMask).eq(0)
GEE python高阶——如何使用geemap和eemont包基于MODIS影像计算GNDVI,NBR,NDWI指数并可视化（山西省太原市为例）
此星光明博客
03-12 2429
GNDVI (Green Normalized Difference Vegetation Index)是一种用于评估植被覆盖状况的指数。它是通过测量红光波段和近红外波段之间的比值来计算的。GNDVI的公式如下：其中，NIR代表近红外波段的反射值，Green代表绿色波段的反射值。GNDVI的值范围在-1到1之间。数值越高，表示植被覆盖越多。因为植物叶绿素对近红外波长的反射较强，而对绿色波长的吸收较高，所以植被覆盖越多，GNDVI的值越高。
GEE实战 | 计算NDVI & NDWI
热门推荐
小鱼干的博客
09-01 3万+
GEE实战 | 计算NDVI & NDWINDVINDVI数据库计算NDVINDWINDWI数据库计算NDWI NDVI NDVI数据库   GEE自身提供了相当多的NDVI资源可以直接导入使用。   以Landsat 8 8天周期NDVI产品为例，导入及可视化代码如下： var dataset = ee.ImageCollection('LANDSAT/LC08/C01/T1_8DAY_NDVI') .filterDate('2017-01-01', '20
Google Earth Engine（GEE）——用两种方法计算NDWI水域面积提取（Landsat 8）
此星光明博客
09-15 3547
使用 Landsat 8 使用指标 NDWI 使用两种方法计算水域面积 ，这次我们随便选择了陕西附近的一个部分作为我们的研究区，我们所需用到的函数：ee.Image(args)
如何使用GEE（Google Earth Engine）来计算NDVI（归一化差值植被指数）？
12-17
Google Earth Engine (GEE) 是一个强大的在线数据处理和分析平台，用于地理空间数据分析。计算归一化差值植被指数 (NDVI) 主要是通过以下步骤： 1. **获取遥感数据**：首先需要从GEE的数据库中选择合适的卫星图像数据，通常使用的是红光和近红外光波段的数据。例如，你可以选择MODIS或Sentinel-2等卫星数据产品。 ```javascript var red = ee.ImageCollection('MODIS/006/MOD09GA'); var nir = ee.ImageCollection('MODIS/006/MYD09GA'); ``` 2. **下载并合并数据**：对每个时间点获取对应的红光和近红外影像，并将它们合并到一起。 ```javascript var dateFilter = ee.DateRange(start, end); var imageCollection = red.merge(nir).filterDate(dateFilter); ``` 3. **计算NDVI**：利用公式 `(nir - red) / (nir + red)` 计算NDVI。注意，GEE需要预处理数据（如转换到合适范围），确保红色和近红外波段都在正常范围内。 ```javascript var ndvi = imageCollection.map(function(image) { return image.select('B5').subtract(image.select('B4')).divide( image.select('B5').add(image.select('B4')) ).rename('NDVI'); }); ``` 4. **统计和可视化结果**：最后，你可以计算平均NDVI、制作时间序列图，或者按区域导出数据进行进一步分析。 ```javascript var meanNdvi = ndvi.mean(); map.centerObject(meanNdvi.geometry(), 10); map.addLayer(meanNdvi, {'min': -1, 'max': 1}, 'NDVI Mean'); ```
评论 1
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