GIS遥感数据处理应用-优快云博客

原创 GEE | 1975-2030年建筑面积变化分析

GHSL 数据集提供了全球建筑面积分布信息，空间分辨率为 100 米，时间范围覆盖 1975 至 2030 年，以 5 年为间隔进行空间和时间插值或外推。本研究基于该数据集计算了研究区各年份的建筑面积，绘制了年际变化折线图，并导出了相应的年度栅格数据。

2025-03-10 14:49:03 141

原创 GEE | 2000-2024年区域地表昼夜温差分析

地表昼夜温差是指地表在一天之内白天和夜晚的温度差异，这种温差的变化对农业、生态系统以及人类健康都有重要影响。本次我们利用GEE平台，基于MODIS数据集，计算了2000-2024年某区域的地表昼夜温差，并生成了相应的月度和年度平均值折线图。参考文献：干旱区典型绿洲地表温度昼夜变化特征研究——以于田绿洲为例。

2025-03-08 16:35:13 132

原创 GEE | 1958-2023年区域水分亏缺量变化趋势

在大尺度研究中，区域水分亏缺通常被定义为系统或区域的水分供需差额。基于区域水量平衡原理，将降水量（P）与潜在蒸散发量（PET）之差定义为区域水文循环过程中的水分亏缺量（D），计算公式为：D = P - PET。其中，D、P、PET的单位均为毫米（mm）。采用TerraClimate数据集的降水和潜在蒸散发数据，我们计算了1958-2023年研究区的水分亏缺量，并绘制了降水、蒸散和水分亏缺的年际变化趋势。

2025-03-05 09:47:14 129

原创 GEE | 基于Landsat的1984-2024年归一化燃烧指数NBR分析

归一化燃烧指数（Normalized Burn Ratio, NBR）是通过近红外（NIR）和短波红外（SWIR）波段的反射率计算得出的。NBR的值范围在-1到1之间，通常用于评估火灾前后的植被变化。火灾后，NBR值会显著下降，随着时间的推移，植被恢复，NBR值会逐渐回升。今天和大家分享的是1984-2024年归一化燃烧指数NBR，需要的同学仅需要更改研究区即可。基于Landsat NBR年数据，print每年的NBR均值并导出栅格数据。

2025-03-03 10:09:19 173

原创 GEE | 多源蒸散发ET年数据对比分析

今天我们将基于GEE平台，对FLDAS、MODIS、PML和TerraClimate数据集的蒸散发（ET）数据进行对比分析。各位同学可以根据自己的需求，更改研究区和数据集！

2025-03-01 09:37:35 157

原创 GEE | 多源数据集年降水量对比分析

本次我们对ERA5、FLDAS、CHIRPS和TerraClimate数据集的年均降水量进行了分析。大家只需根据自己的研究区域和时间段进行相应调整，即可获取所需的数据。希望这对大家的研究有所帮助！

2025-02-28 09:48:20 127

原创 GEE | 基于Landsat数据的1984-2024年燃烧面积指数BAI分析

燃烧面积指数 (Burn Area Index, BAI) 是一种遥感指标，用于定量识别火灾影响区域。它基于 Landsat 红光 (Red) 和近红外光 (Near-IR) 波段的反射率，计算每个像素与火灾后地表（如木炭）的光谱相似度。BAI 对植被燃烧后的木炭残留具有极强的响应能力，能够显著反映火灾后区域的变化。BAI 值越高，说明该区域受火灾影响的程度越大，适用于火灾监测与评估。基于Landsat数据合成和可视化研究区域内每年的 BAI 值，制作年际变化折线图，同时导出每年的栅格数据。

2025-02-27 16:45:26 188

原创 GEE | 基于Landsat与Sentinel数据的归一化水体指数NDWI计算与水体提取

归一化水体指数（NDWI）是遥感影像分析中常用的指数，主要用于识别和提取水体。NDWI通过比较可见光波段（绿波段）与近红外波段（NIR）的反射率差异，突出水体与非水体区域的区别。水体在近红外波段的反射率较低，而在绿波段的反射率较高，因此NDWI能够有效地识别水域。该指数在水体监测、水资源管理以及环境变化研究中有着广泛应用。朋友们好，本次我们基于Landsat和Sentinel数据，去云计算NDWI，并导出水体提取结果的栅格数据。您只需要导入研究区table，更改时间段运行。

2025-02-25 10:11:45 351

原创 GEE | Sentinel-2月度影像合成与可视化导出

本次我们基于Sentinel-2数据合成每个月的影像，并进行可视化与导出，需要的朋友只需调整研究区和时间段运行即可。

2025-02-24 11:44:04 163

原创 GEE | 基于Landsat的1984-2024年归一化水体指数NDWI分析

归一化水体指数（NDWI）是遥感领域中用于监测植被冠层液态水含量的有效指数，通常通过近红外（NIR）波段与短波红外（SWIR）波段的比值来计算。NDWI的值范围从-1.0到1.0，其中值越接近1.0，表示水体的存在越明显。该指数在水体监测、植被健康状况评估等领域具有广泛应用。基于Landsat数据生成NDWI年复合图像，并导出每年的栅格数据，同时绘制年际变化的折线图，需要的同学仅需要更改研究区和时间段。

2025-02-23 17:35:49 332

原创 MATLAB | 设置滑动窗口计算栅格数据的CV变异系数

变异系数（CV）是衡量数据稳定性的重要指标，表示数据的波动程度，计算方式是标准差与均值的比值。在栅格数据分析中，较低的变异系数意味着数据变化较小、稳定性较高，而较高的变异系数则表明数据波动较大、稳定性较低。本次我们采用滑动窗口方法来计算每个时间段内栅格数据的变异系数。通过这种方法，我们可以识别出在不同时间段内变化较大或稳定的区域。同时，此代码还能提取每个滑动窗口栅格数据变异性的最小值、最大值和平均值。

2025-02-21 09:34:19 280

原创 GEE | 基于ASTER影像提取矿物指数

ASTER数据包含14个波段，分别为3个可见光近红外波段（VNIR，0.520.86μm，空间分辨率15m）、6个短波红外波段（SWIR，1.602.43μm，空间分辨率30m）和5个热红外波段（TIR，8.125~11.65μm，空间分辨率90m）。朋友们好，本次我们使用GEE对ASTER影像进行处理，通过影像校正并计算多个矿物指数（如高岭土、铝钙石、石英等），从而实现对地表矿物的提取与分析。1. 高岭土指数 (Kaolinite Index)2. 铝钙石指数 (Alunite Index)

2025-02-20 21:52:45 417 1

原创 GEE | 2024年全球10米土地利用数据

Dynamic World V1 是 Google 与世界资源研究所联合推出的全球10米分辨率近实时（NRT）土地覆盖/土地利用（LULC）数据集，覆盖时间范围为 2015 年 6 月 27 日至今，基于 Sentinel-2 L1C 数据生成，更新频率为 2-5 天（视纬度而定）。数据采用 S2 云概率、云位移指数（CDI）和方向距离变换（DDT）等方法去除云和云影，提供九类土地覆盖的分类概率及最高概率类别的标签信息（label 波段）。

2025-02-19 17:22:27 701 1

原创 GEE | 1950-2024年全球0.1°气候数据 (气温/降水/土壤水分/蒸发/风速等）

ERA5-Land是由欧洲中期天气预报中心（ECMWF）提供的高分辨率气候重分析数据集，相较于ERA5，ERA5-Land在空间分辨率上进行了提升，提供了更加精细的陆地气候变量数据。该数据集利用重分析技术，将全球观测数据与模型数据结合，基于物理定律生成全球一致的时空数据，涵盖了从1950年至今的多个气候变量。ERA5-Land数据的空间分辨率约为11132米，时空分辨率为月度平均，适用于大范围的气候分析和环境监测。在气温数据中，我们将温度单位从开尔文转换为摄氏度，因此减去了273.15。

2025-02-17 16:30:09 982

原创 GEE | 基于Landsat的植被指数NDVI/EVI/LAI分析

植被指数是生态监测和植被健康评估的重要工具，以下是三种常用指数及其公式：归一化植被指数 (NDVI)、增强型植被指数 (EVI)、以及叶面积指数 (LAI)。其中，NIR 为近红外波段（B5），RED 为红波段（B4），BLUE 为蓝波段（B2）。其中，NIR 为近红外波段（B5），RED 为红波段（B4）。NDVI 值的范围是从 -1 到 1，值越高，代表植被覆盖越密集，生长状况越好。NDVI 是最常用的植被指数，通过近红外波段（B5）和红波段（B4）的反射率差异来衡量植被生长状况。

2025-02-15 16:03:15 714

原创 Python | 基于栅格数据绘制空间分布、频率分布和剖面图

在这些图中，空间分布图能帮助我们清晰地看到数据在不同地区的分布情况，直观揭示各地的数据差异；频率分布图展示了数据的整体分布模式，让我们了解数据值的高低及其分布范围；而剖面图则通过展示某条线上的数据变化，帮助我们理解数据在特定方向上的变化趋势。今天，我们将结合自己的研究内容，绘制类似的图片，给大家提供参考。代码已经尽量简化，容易理解。大家只需更改以下几个部分即可：16行栅格数据的输入路径、26行栅格数据的有效值范围、53行图标题、69和79行图例刻度、74行图例标题、83行剖面图刻度和130行图片输出路径。

2025-02-14 12:00:35 359

原创 Python | 基于栅格数据绘制空间分布图

该代码的流程包括读取栅格数据、去除异常值、基于数据的地理范围生成经纬度网格，并使用Cartopy在平面投影下绘制全球范围的地图，添加海岸线和经纬度刻度。接着，通过contourf函数绘制等值线图，展示数据的空间分布，并采用'RdYlGn'颜色映射来呈现数据的值变化。同学们可以根据自身需求更改栅格数据的路径、有效值范围、图标题和图例等设置。

2025-02-13 13:56:52 165

原创 GEE | 计算ERA5数据的每日风速

ERA5是由欧洲中期天气预报中心（ECMWF）生成的第五代全球气候再分析数据集，具有高分辨率和全球覆盖的优势，广泛应用于气候研究和环境科学领域。ERA5 Daily数据集提供了日均值、日最小值或最大值的主要气象参数，包括：2米气温、2米露点温度、总降水量、平均海平面气压、地表气压以及10米高度的东西向风分量（u）和南北向风分量（v）。利用GEE平台，计算并分析每日风速。各位同学可以根据自己的研究需求更改研究区、时间段。

2025-02-12 10:06:50 431

原创 GEE | 2000-2023年LANDSCAN全球1Km人口数据

与传统人口普查仅关注居住地不同，LandScan 提供全天（24小时平均）的人口分布模型，捕捉人口在一天内活动的空间范围。该数据基于地理空间科学、遥感技术和机器学习算法，通过多变量的区域模型，将行政边界内的人口普查数据高分辨率分解至像素级。LandScan Global 每年更新一次，覆盖全球范围，具有极高的空间分辨率和可靠性，适用于自然灾害、突发事件和其他多尺度地理分析。此外，为满足更高精度需求，美国范围内还推出了 LandScan USA，其模型包括人口的昼夜变化。

2025-02-10 19:29:25 314

原创 GEE | 基于MODIS数据的作物缺水指数CWSI

CWSI（Crop Water Stress Index，作物缺水指数）是基于能量平衡原理计算的，用于衡量植被覆盖区域土壤的干旱程度。CWSI值的计算公式为：CWSI = 1 - ET / PET，其中ET代表实际蒸散量（mm），PET为潜在蒸散量（mm）。CWSI的取值范围在0到1之间，值越接近1表示土壤干旱程度越严重，而值越接近0则表明土壤较为湿润。基于MCD12Q1数据集识别研究区域内的作物区域，采用MOD16A2GF的ET和PET，计算每年夏季的作物CWSI，输出年度变化折线图和栅格数据。

2025-02-09 13:43:18 188

原创 GEE | 1901-2022年全球0.5°标准化降水蒸散指数SPEI数据集

SPEIbase（全球标准化降水-蒸散指数数据库）提供了全球尺度上干旱状况的长期可靠信息，空间分辨率为0.5度，时间分辨率为月度，可支持从1至48个月的多时间尺度分析。标准化降水-蒸散指数（SPEI）通过标准化变量量化当前气候平衡相对于长期平衡的偏差，确保了时空上的可比性。以SPEI_01_month为例，print月度SPEI变化并导出栅格数据。

2025-02-08 11:30:09 418

原创 MATLAB | 基于Theil-Sen斜率和Mann-Kendall检验的栅格数据趋势分析

最近看到一些博主分享关于 Sen+MK 检验的代码，对于新手来说可能有点复杂。我们还准备了几个关于趋势检验的空间分布图，供大家参考。在研究中，我们常结合 Theil-Sen 斜率估计（Sen's Slope）和 Mann-Kendall (MK) 检验对栅格数据进行趋势分析。1. 将得到三个栅格数据，图中分别是MK检验、SEN趋势和MK显著区域。ABC是MATLAB输出的栅格，我们需要把D做出来。只需要更改栅格数据的输入输出路径、年份和栅格的有效值。3. 更改矢量的样式。

2025-02-07 13:07:31 894 1

原创 GEE | 2000年至今MODIS蒸散发ET变化分析 (日/月/季节/年)

一、说明MOD16A2.061是基于Penman-Monteith方程的8天复合蒸散量产品，空间分辨率为500米，时间范围自2001年起至今。基于GEE对ET进行时间变化分析，包括日、月、季节和年，并导出对应的栅格数据。各位同学可以根据需求更改研究区、时间段和分辨率，当然也可以分析其他产品数据。二、日变化特征三、月尺度四、季节尺度春：3-5月，夏：6-8月，秋：9-11月，冬：12-次年2月五、生长季代码中设置为了4-9月，可以根据研究区的生长季时间修改。六、年度变化

2025-02-06 12:49:17 328

原创 GEE | 1958年至今全球0.04°干燥度指数AI (PET/PR)

TerraClimate 数据集提供了全球范围内的气候与水分平衡数据，数据结合了 WorldClim 的高分辨率气候均值与 CRU Ts4.0 和 JRA55 的时变气候数据，采用气候辅助插值法生成，空间分辨率为 4638.3 米（约 0.04°），时间分辨率为月。干燥度指数（Aridity Index, AI）是衡量一个地区水分状况的指标，常用于描述降水量和潜在蒸散发之间的比例关系。AI=PET/PR。其中，PET 代表潜在蒸散发，PR 代表降水量，AI 值较大表示该地区干旱程度较高。

2025-02-05 18:27:17 463

原创 2000-2023年全球0.05° GOSIF GPP数据集（附Python代码）

GOSIF GPP 是基于 OCO-2 卫星的太阳诱导叶绿素荧光（SIF）数据生成的全球总初级生产力（GPP）估算数据集，覆盖 2000 至 2023 年，具有 0.05° 的空间分辨率以及 8 天、月和年的时间分辨率。我们根据该数据集的比例因子和异常值编写了Python代码，大家可以从官网下载数据并使用此代码。请注意，不同时间分辨率下的比例因子有所不同，使用时需根据具体分辨率进行相应的修改。

2025-02-04 19:28:37 282

原创 MATLAB | 基于长时间序列栅格数据的Mann-Kendall与Pettitt突变检验分析

各位同学好，今天我们将分享在水文气象等领域中常用的两种突变检验方法——Mann-Kendall（MK）检验和Pettitt检验。由于时间关系，今天我们不详细介绍具体的公式和推导过程，感兴趣的同学可以参考相关文献，如。3. Pettitt突变检验。

2025-02-03 18:32:51 443

原创 GEE | 计算Sentinel-2的改进型土壤调整植被指数MSAVI

改进型土壤调整植被指数（MSAVI）是一种针对植被覆盖区域土壤背景干扰问题提出的指数。传统的植被指数如NDVI在植被稀疏或土壤裸露较多的区域容易受到土壤反射率的影响，而MSAVI通过引入土壤调节因子有效减少了土壤噪声。今天和大家分享的是 “改进型土壤调整植被指数MSAVI”，它能够更准确地反映植被生长状态，且广泛应用于植被覆盖监测、生态环境评估等领域。其中NIR代表近红外波段，RED代表红光波段。

2025-02-02 14:44:08 370

原创 GEE | 多源遥感蒸散发ET的月变化特征

本次我们采用了多种遥感数据集计算蒸散发（ET）的月变化趋势，涉及的数据集包括FLDAS、GLDAS、MODIS、TerraClimate、SMAP以及基于PML模型的ET数据。由于时间限制，具体的数据集说明将不再详细介绍，数据的时间跨度、时空分辨率以及比例因子等参数均已在代码中体现，有兴趣的同学可以自行运行代码进行进一步探索。

2025-02-02 02:42:25 240

原创 GEE | 植被总初级生产力GPP的时间变化特征

同学们好，这期我们分享的是植被总初级生产力GPP的日、月、生长季和年变化趋势代码。我们选用的数据集是MODIS/061/MOD17A2HGF，该产品时间跨度为2000-至今，空间分辨率500米，时间分辨率8天。其中我们把生长季时间设置为了5-9月份，各位同学可以根据自己的需求更改数据集、波段及合成方式。

2025-01-31 18:22:41 311

原创 GEE | 1975-2030年全球100米人口数据集

这个数据集是由欧洲委员会联合研究中心（JRC）发布的GHSL: Global Population Surfaces 1975-2030，它提供了全球各地人口分布的详细时空信息。数据集的空间分辨率为100米，能够精准地描绘每个网格单元的居民人口。时间跨度从1975年到2030年，包括每五年一次的历史人口数据（如1975、1980、1985……2020年）以及未来的预测数据。

2025-01-30 15:57:31 363

原创 GEE | 1985-2022年全球30米土地覆盖数据

GLC_FCS30D数据集提供了1985至2022年间全球30米分辨率的土地覆盖变化数据，采用Landsat影像和Google Earth Engine平台的连续变化检测方法，涵盖35个土地覆盖子类，数据更新频率为2000年前每五年一次，2000年后每年一次。各位同学，我们对gee-community上的数据和代码(https://gee-community-catalog.org/projects/glc_fcs/)进行了更改，同学们可以在代码基础上修改研究区和时间并导出。

2025-01-29 17:16:26 374

原创 GEE | 提取随机样本点的数据，以CHIRPS降水为例

从CHIRPS 数据集中提取时间段的降水数据，随机生成点并获取它们的值和经纬度，最后导出CSV和各点的SHP文件，坐标系为WGS 1984。各位同学可以结合自己需求更改研究区、时间段、数据集波段及合成方式。

2025-01-28 10:45:30 228

原创 CHM | 1961-2022年逐日降水数据（附R代码）

CHM_PRE数据集是中国大陆高时空分辨率的逐日降水数据集，覆盖1961年至2022年（持续更新），空间分辨率提供0.5°×0.5°、0.25°×0.25°和0.1°×0.1°三种选择。基于2839个站点的逐日观测数据，利用日气候场与降水比例场算法生成，并结合月降水约束和地形特征修正进行调整，适用于干旱监测、洪水预报和水文建模等研究。数据格式为NC，我们写了R代码，将其转为栅格并导出到每年的文件夹中。

2025-01-27 18:15:18 355

原创 GEE | Sentinel-2影像监督分类、精度评估并导出

对COPERNICUS/S2_SR进行时间和云量筛选，然后利用中位值合成数据。定义样本区域并提取训练数据，划分为训练集和测试集。通过CART分类器对训练数据进行训练，并对影像进行分类，最后通过混淆矩阵评估分类结果，包括Kappa系数等指标。定义不同土地利用类型的样本（水体、建设用地、植被、道路和荒地），并将其合并形成训练集，从而确保样本的空间代表性和统计平衡。

2025-01-26 17:30:35 234

原创 GEE | NASA全球30米高程和坡度数据

NASADEM 是 NASA 和 USGS 提供的全球数字高程模型（DEM），由 2000 年航天飞机雷达地形任务（SRTM）数据重处理生成，并结合了 ASTER GDEM、ICESat GLAS 和 PRISM 等数据的改进版本。其空间分辨率为 30 米（1 角秒），覆盖范围为全球 60°N 至 56°S，通过校准地面控制点提升了地理定位精度，同时修复了数据空洞，参考基准为 WGS84/EGM96。合成研究区的高程和坡度并导出栅格。

2025-01-25 10:12:04 299

原创 GEE | ERA5不同土壤层水分和温度变化

合成不同土壤层的年度水分和温度，并绘制折线图。1. ERA5不同土壤层。

2025-01-24 13:54:02 266

原创 GEE+Python | NDVI、LST和植被干旱指数TVDI

我们先通过GEE合成年度和月度NDVI与LST，再基于博主"remote sensing"分享的“同时，该博主还提供了ndvi和lst的示例数据，以下是我们用其代码和示例数据跑出来的效果，代码很给力，各位同学可以关注一下该博主。我们要计算每个时间段的TVDI，需要NDVI和LST对应，因此需要更改博主代码中的ndvi_files和lst_files部分。我们基于全球的MOD13A3和MOD11A2产品合成并导出了年度和月度NDVI与LST。由于数据量较多，我们设置为了多波段导出，此R代码可以提取每个波段。

2025-01-23 10:20:04 489

Python osgeo gdal 3.11软件包分享

空空如也