使用Google Earth Engine在线计算NDVI和FVC并批量下载

最新推荐文章于 2025-04-11 20:17:12 发布

VwajAlgorithm

最新推荐文章于 2025-04-11 20:17:12 发布

阅读量953

点赞数

CC 4.0 BY-SA版权

文章标签： GEE

本文链接：https://blog.youkuaiyun.com/VwajAlgorithm/article/details/133179474

GEE 专栏收录该内容

82 篇文章 ¥59.90 ¥99.00

订阅专栏

本文详细介绍了如何使用Google Earth Engine（GEE）平台在线计算归一化植被指数（NDVI）和覆盖度（FVC），并提供批量下载结果的步骤。内容包括登录GEE，新建脚本，导入Landsat 8图像数据，计算NDVI和FVC，以及导出结果到Google Drive。

Google Earth Engine（GEE）是一个强大的云平台，用于在云端分析和处理地理空间数据。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。

登录Google Earth Engine

首先，您需要访问Google Earth Engine网站（https://earthengine.google.com/ ↗）并使用您的Google账号登录。如果您没有Google账号，您需要先创建一个。

新建脚本

登录后，点击页面左上方的"代码编辑器"按钮进入代码编辑器。在代码编辑器中，您可以编写和运行JavaScript代码。

导入图像数据

在代码编辑器中，首先导入需要的图像数据。假设我们要计算NDVI和FVC的图像是Landsat 8遥感影像。以下是导入Landsat 8图像数据的示例代码：

var imageCollection = 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

VwajAlgorithm

关注关注

0
点赞
踩
3

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 MODIS MOD09A1 数据计算逐月 FVC 并获取逐月的直方图分布和影像下载 GEE

VwajAlgorithm的博客

09-21

998

Google Earth Engine（GEE）是一个强大的云端平台，提供了丰富的遥感数据集和分析工具，可以用于地球科学研究、环境监测等领域。本文将介绍如何使用 Google Earth Engine 计算 MOD09A1 数据集中的植被覆盖度（Fractional Vegetation Cover，FVC），并生成逐月的直方图分布，并演示如何下载相关的影像。通过上述代码，我们成功计算了 MOD09A1 数据集中植被覆盖度（FVC）的逐月直方图分布，并将逐月的 FVC 影像下载到本地。

Google Earth Engine（GEE）——如何批量下载影像？（涵盖javascript和python中所有最全的批量影像下载方案）

此星光明博客

05-02

2270

ee.batch模块也给你控制任务的能力--允许你自动导出。我们使用扩展程序，通过下面的链接进行进行安装即可，安装完成后就当你批量下载的过程中就会出现runall的按钮，这里和方案2是一样的，都需要配合方案1一起使用.方案2是我们需要在控制台中进行代码输入，主要是通过一点代码来实现自动运行所有需要下载的影像，在控制台中进行批量下载，其实代码1+代码2共同使用。这里值得注意的是无论我们在管理等待还是停止任务的时候，我们都必须先进行列表任务的获取，也就是上面的第一行代码，随后根据需求来分别进行分析。

参与评论您还未登录，请先登录后发表或查看评论

Google Earth Engine（GEE）——使用GEE平台实现全球森林生物量的估算（MODIS数据为例）

此星光明博客

01-30

3098

本文提出了一个处理链，利用谷歌地球引擎（GEE）云平台的能力，从15年的MODIS数据中推导出全球叶面积指数（LAI）、光合有效辐射吸收分数（FAPAR）、植被覆盖分数（FVC）和冠层含水量（CWC）地图。这项工作的一个主要特点是实施了一个检索链，利用全球和气候数据记录（CDR）的MODIS表面反射率和LAI/FAPAR数据集的GEE能力，允许以前所未有的及时性对生物物理变量进行全球估算。TRY中越来越多的可用植物性状数据（包含数千条记录）缓解了对辐射传输模型中一些输入参数的更现实的表述的需要。

Google Earth Engine——Landsat基于单张影像的循环批量下载

此星光明博客

12-23

1257

之前的文章中有提到过，影像的批量下载，但是是基于研究区的，而且是有时间限制的，所以，无法实现单张影像的循环下载，那么我们今天通过一个点或者一个小区域的矢量集合来实现单张影像的下载。首先我们选择我们要加载的影像：这里用T1系列的影像要好于T2影像，因为数量较多，T2影像多很多时候和年份都是空值，这里罗列了下面我们常用的地表反射率影像 //landsat 5:LANDSAT/LTO5/C01/T1 SR /landsat 7: LANDSAT/LE07/C01/T1 SR //landsat 8:LAND

Google Earth Engine（GEE）——MODIS/061/MOD09A1数据计算逐月FVC并获取逐月的直方图分布和影像下载

此星光明博客

03-30

3076

我发现大家现在衣来伸手饭来张口的习惯太厉害了，有粉丝尽然问如何进行MODIS影像计算FVC，我之前已经有博客谢过了逐月的ndvi计算和FVC计算，只不过使用的是Landsat数据，最有我还是不忍心写了这篇博客，大家又可以白嫖了，不过希望大家以后能自己动手实现代码的改编，否则是无法提升自己的GEE应用能力的。上次的代码链接如下：在代码开始之前，我们首先要熟悉你要使用的数据中影像波段，这样才能计算植被指数进而计算植被覆盖和归一化并导出影像：//MOD09地表反射率产品都已针对气溶胶和大气影像进行了校正。

Google Earth Engine（GEE）-如何在线计算NDVI（归一化植被指数）和FVC（植被覆盖度）并批量下载.pdf

11-04

Google Earth Engine（GEE）——如何在线计算NDVI（归一化植被指数）和FVC（植被覆盖度）并批量下载。归一化植被指数（Normalized Difference Vegetation Index，NDVI）是遥感中常用的植被指数之一，用于表征地表...

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）——如何在线计算NDVI（归一化植被指数）和FVC（植被覆盖度）并批量下载

此星光明博客

12-14

9600

刚开始我们就是要定义一些函数，去云函数，我们的矢量边界，因为要用到长时序的下载，那我们得用Landsat5/7/8三者的结合，如果要用modis数据那么就另当别论。数据准备和函数准备 //定义我们的研究区或者我们上传的矢量边界 var hh= ee.FeatureCollection("users/bqt2000204051/BRXL_BIANJIE") //Landsat5/7/8 SR数据去云 function rmCloud(image) { var cloudShad...

Google Earth Engine（GEE）——Landsat8影像逐月NDVI_FVC计算内含直方图和下载——以北京市为例

此星光明博客

03-16

4671

本文通过逐年逐月遍历影像，计算NDVI影像计算和FVC计算，并且统计其逐月的直方图和下载，但是本文为了减少GEE网页崩溃，所以直接就用一年的影像进行了实验。本文中用到的函数两个： ee.Image(args) An object to represent an Earth Engine image. This constructor accepts a variety of arguments: - A string: an EarthEngine asset id, - A string an

Google Earth Engine（GEE）——欧洲区域LST、TPW和FVC、B10数据展示和下载

此星光明博客

03-05

1231

注：这个数据集中只有单景影像可以尝试代码： /* Author: Sofia Ermida (sofia.ermida@ipma.pt; @ermida_sofia) This code is free and open. By using this code and any data derived with it, you agree to cite the following reference in any publications derived from them: Ermida,

Python遥感图像处理应用篇(九)：使用NDVI指数数据批量计算植被覆盖度FVC

soderayer的博客

05-05

7791

""" @soderayer date:20220428 to read NDVI files testfile Landsat8 collection2 level2 NDVI data calculate the confidence interval to csv data info table： Attribute Value Long Name Normalized Difference Vegetation Index Short Name LC8NDVI, LE7NDVI, L...

Google Earth Engine 实操：MODIS NDVI 数据批量下载与处理全流程解析

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。

04-11

1350

/ 替换为你的研究区shp文件路径功能：这行代码的作用是定义研究区域。是 Google Earth Engine（GEE）中用于表示地理空间特征集合的对象，这里通过指定一个资产路径（）来加载一个地理特征集合。geometry()方法则是从这个特征集合中提取出其几何形状，也就是研究区域的边界。你需要将这个路径替换为你自己的研究区的 Shapefile 文件在 GEE 中的资产路径。// 在导出之前将NDVI值乘以0.0001。

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

3003

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。.

GEE：如何批量处理并下载指定时间范围的月尺度NDVI数据集(MOD09GA为例)

炒茄子的博客

06-08

2926

运行上述代码，通过显示在图层上的各个行政区划，将鼠标状态切换到Inspector，点击指定区域获取该位置的行政区划要素的属性信息。这里仅说明如何查找GAUL数据集的各个行政区划的属性信息，特别是行政区划的名称.时间有限，很多代码的相关讨论并没有进行。如有问题，私聊或者评论.

FVC值的计算

gengzhx19的博客

06-30

1376

FVC值的计算

GLASS数据的批量下载（以植被覆盖度FVC为例）

qq_41828818的博客

03-26

7209

最近在搞植被覆盖度，所以又和学长学到一个FVC（植被覆盖度）数据下载的方法。虽然，学长已经记录过了，但是…我记性不好，有些细节，还是自己来记录吧…哈哈哈哈啊哈哈哈…在此感谢学长… 1.首先，GLASS数据的下载网址——美国马里兰大学 2.选择第一个产品 3.打开就是年份的文件 4.由于此数据是MODIS数据为基础的，想要下载自己的区域，就要选择轨道号什么的，那么就麻烦了。那么就有了大神的代码了…此为…学长的代码博客——批量下载GLASS代码博客 5.那么比如我选择的区域以及时间，跑出来的代码是 6.将这

GEE 教程：计算LST和FVC（NDVI）可视化加载并下载到谷歌云盘

此星光明博客

09-23

700

LST（Land Surface Temperature）是指地表温度，是指地球表面上地物或地面的温度。地表温度是地球能量平衡研究中的重要参数之一，对于气象学、水文学、生态学、农业等领域的研究具有重要意义。地表温度受许多因素的影响，包括太阳辐射、大气辐射、植被覆盖、土壤类型等。地表温度的测量可以通过遥感技术来实现。常用的遥感技术包括热红外辐射遥感和微波辐射遥感。热红外辐射遥感通过测量地球表面的热红外辐射来推测地表温度。地表温度越高，辐射的热红外辐射强度越大。

Google Earth Engine——如何实现裁剪后研究区影像的批量下载（以NDVI为例）

此星光明博客

03-19

1011

GEE云平台（Google Earth Engine）是一个强大的云平台，提供了丰富的地理数据和计算资源，用于进行地理数据分析和处理。在GEE平台上，可以实现对研究区影像的单景影像（以NDVI为例）的批量下载。下面是具体的过程：1. 登录GEE云平台并初始化首先，需要登录GEE云平台（https://earthengine.google.com/）并初始化一个新的脚本。在脚本中，可以选择所需的编程语言（如JavaScript）以及相关的API。2. 定义研究区。

Google Earth Engine （GEE）——同一区域对比LST和FVC（含union进行合并）案例分析

此星光明博客

01-10

742

我们计算城市和农村区域的缓冲区分别计算，我们将使用为此目的开发的地球引擎模块来计算地表温度。本文用函数union来将单独的矢量集合，通过融合矢量边界，这样就可以合并在一起。这里使用的是矢量集合中的合并，并返回一个特征集合。maxError将给定集合中的所有几何图形合并为一个集合，并返回一个包含单个特征的集合，该特征的 ID 仅为“union_result”和一个几何图形。

计算NDVI和FVC

最新发布

07-02

### 计算归一化植被指数 (NDVI) 和植被覆盖度 (FVC) #### 归一化植被指数（NDVI）的计算归一化植被指数（NDVI）是遥感数据分析中用于评估植被健康状况和密度的重要指标。其计算公式为： $$ \text{NDVI} = \frac{\text{NIR} - \text{Red}}{\text{NIR} + \text{Red}} $$ 其中，**NIR** 代表近红外波段反射率，**Red** 代表红光波段反射率。在 Landsat 数据中，NIR 通常对应第4波段，而 Red 对应第3波段。在 Google Earth Engine（GEE）平台中，可以通过以下代码实现 NDVI 的计算： ```javascript var calculateNDVI = function(image) { var ndvi = image.normalizedDifference(['B4', 'B3']).rename('NDVI'); return image.addBands(ndvi); }; var landsatCollection = ee.ImageCollection("LANDSAT/LC08/C02/T1_L2") .map(calculateNDVI); ``` 此方法基于 Landsat 系列卫星影像数据进行 NDVI 的动态计算，并将其作为新的波段添加到影像中[^3]。 #### 植被覆盖度（FVC）的计算植被覆盖度（FVC）是描述地表植被水平密度的关键参数，常用于农业、林业和生态学研究。FVC 的计算通常采用基于植被指数的混合模型，公式如下： $$ \text{FVC} = \frac{\text{NDVI} - \text{NDVI}_{\text{min}}}{\text{NDVI}_{\text{max}} - \text{NDVI}_{\text{min}}} $$ 其中，$\text{NDVI}_{\text{min}}$ 和 $\text{NDVI}_{\text{max}}$ 分别表示裸土和全覆盖植被的 NDVI 值。传统方法由于缺乏纯像元导致估算误差较大，因此建议使用高分辨率的逐像素 Vv（全覆盖植被 NDVI）和 Vs（裸土 NDVI）图进行 FVC 估算。这些数据可通过 MultiVI 算法生成，具有较高的空间精度和稳定性[^1]。在 ENVI 软件中，FVC 的计算步骤包括： - 使用 Band Math 工具输入公式 `(b1 - b2) / (b3 - b2)`，其中 `b1` 表示 NDVI 图层，`b2` 表示最小 NDVI 图层，`b3` 表示最大 NDVI 图层。 - 根据实际需求调整结果范围，确保 FVC 取值在 [0, 1] 区间内。 - 对 FVC 图像进行调色处理，以直观展示不同级别的植被覆盖情况。在 GEE 平台中，FVC 的计算可以结合 NDVI 数据集与预定义的 Vv 和 Vs 参数，通过以下代码实现： ```javascript var calculateFVC = function(image) { var fvc = image.select('NDVI') .subtract(ee.Image(0.2)) // 示例中的 NDVI_min .divide(ee.Image(0.8).subtract(ee.Image(0.2))) // NDVI_max - NDVI_min .rename('FVC'); return image.addBands(fvc); }; var ndviWithFVC = landsatCollection.map(calculateFVC); ``` 此方法假设 $\text{NDVI}_{\text{min}} = 0.2$，$\text{NDVI}_{\text{max}} = 0.8$，可根据具体研究区域的实际情况进行调整[^2]。 #### 结果可视化与分析在完成 NDVI 和 FVC 的计算后，可对两者进行叠加分析或单独可视化。例如，在 GEE 中，可以使用伪彩色渲染方式对 NDVI 和 FVC 进行联合可视化： ```javascript var combinedParams = { min: -1, max: 1, bands: ['NDVI', 'FVC', 'NDVI'], palette: ['blue', 'white', 'green'] }; Map.addLayer(combined, combinedParams, 'NDVI & FVC Combined'); ``` 此外，还可以利用直方图统计工具分析 FVC 的分布特征： ```javascript var chart = ui.Chart.image.histogram({ image: fvcImage, region: studyArea, scale: 30, maxPixels: 1e16 }); print(chart); ``` 此类分析有助于揭示植被覆盖变化的空间异质性及潜在驱动因素。 ---