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

最新推荐文章于 2026-03-26 09:54:31 发布
原创 最新推荐文章于 2026-03-26 09:54:31 发布 · 1k 阅读 · 3
标签
#GEE
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。

  1. 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。

  1. 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。

  1. 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
全国250米植被覆盖度(FVC)栅格数据集（2000-2024年）
02-13
植被覆盖度（FVC，Fractional Vegetation Cover） 是指地表植被（包括叶、枝、茎）的垂直投影面积占研究区总面积的比例，是衡量生态系统生长状态和植被健康的重要指标。植被覆盖度是生态学、地理学、气候学等多个学科领域的基础数据，广泛应用于生态监测、植被变化分析、气候模型输入等方面。本期我们分享的是2000–2024年中国250米分辨率逐月植被覆盖度（FVC）栅格数据集。数据来源于国家青藏高原科学数据中心，通过基于归一化植被指数（NDVI）像元二分模型生成，计算得到植被覆盖度，并根据土地利用数据去除湖泊、河流、冰川等无植被区域，得到最终的植被覆盖度产品。数据的空间分辨率为250米，数据格式为TIFF。数据来源：国家青藏高原科学数据中心数据范围：中国数据单位：[0，1]数据格式：栅格(TIF)格式数据坐标：GCS_WGS_1984时间分辨率：2022年– 2024年（逐月）空间分辨率：250米高吉喜, 史园莉, 张宏伟, 陈绪慧, 张文国, 申文明, 肖桐, 张玉环. (2022). 中国区域250米植被覆盖度数据集（2000-2024）. 国家青藏高原科学数据中心. https://doi.org/10.11888/Terre.tpdc.300330. https://cstr.cn/18406.11.Terre.tpdc.300330.Gao, J., Shi, Y., Zhang, H., Chen, X., Zhang, W., Shen, W., Xiao, T., Zhang, Y. (2022). China regional 250m fractional vegetation cover data set (2000-2024). National Tibetan Plateau / Third Pole Environment Data
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 3177
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。
GEE：计算FVC代码详解
2301_79330511的博客
08-13 1162
本文通过详细解释了在GEE平台上计算FVC的步骤，并提供了相应的源代码。通过使用GEE，我们可以轻松地处理大范围的遥感数据，并计算出特定区域的植被覆盖率。在这篇文章中，我们将详细介绍如何使用Google Earth Engine（GEE）平台来计算FVC（Fractional Vegetation Cover，植被覆盖率）。通过对以上步骤的解释和代码实现，相信您已经对GEE平台上计算FVC有了一定的了解。GEE是一个非常适合进行大范围遥感数据处理和分析的平台，因此使用GEE来计算FVC是一种常见的方法。
如何用Python+GDAL处理30米FVC植被数据？从下载到可视化的完整流程
最新发布
weixin_29198045的博客
03-26 84
本文详细介绍了如何使用Python和GDAL处理30米FVC植被数据，涵盖从数据下载、读取、分级处理到可视化的完整流程。通过GDAL、numpy和matplotlib等工具，开发者可以高效完成FVC数据的空间分析和时间序列变化检测，适用于生态监测和GIS研究。
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 4762
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 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 1083
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 9770
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笔记-植被覆盖度计算
热门推荐
qq_44589327的博客
07-19 1万+
1 植被覆盖度遥感监测 根据NDVINDVINDVI数据进行像元二分模型计算植被覆盖度 像元二分模型将像元的植被覆盖结构分为纯像元与混合像元两类，纯像元植被完全覆盖覆盖度为1，混合想要由植被与废止被构成，其NDVINDVINDVI是植被覆盖部分的NDVINDVINDVI值与非植被覆盖部分NDVINDVINDVI值的线性加权： NDVI=fv⋅NDVIv+(1−fv)⋅NDVI0 NDVI=f_v\cdot NDVI_v+(1-f_v)\cdot NDVI_0 NDVI=fv​⋅NDVIv​+(1−fv​)⋅
GEE：计算FVC（Fraction of Vegetation Cover）代码详解
养乐多的博客
04-14 6663
本文介绍了一种使用Google Earth Engine(GEE)平台进行遥感影像处理的方法，该方法可以将一幅遥感影像转换成植被覆盖度（Fraction of Vegetation Cover，FVC）影像，同时去除云和阴影干扰。结果如下图所示，
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
01-10 771
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。
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 3204
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。
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 8155
""" @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...
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
09-23 768
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（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 2366
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。
【GLASS FVC数据】利用Python批量下载GLASS的植被覆盖度（FVC）数据
captain_keating的博客
05-22 1602
Python批量下载GLASS的植被覆盖度（FVC、Fcov）以及al数据：GLASS产品包括2022年之前发布的数据：叶面积指数（LAI），反照率（Albedo）,发射率（BBE），光合有效辐射（PAR），长波辐射（LW），下行短波辐射（DSR），净辐射（NR），陆表温度（LST），光合有效辐射吸收比（FAPAR），植被覆盖率（FVC），潜热通量（ET），植被总初级生产力（GPP）;还有2023年增加数据：植被聚集指数，中国建筑物屋顶数据（CBRA），国际湿地城市数据，森林覆盖度（FFC），土壤湿地数据。
GEE21：基于MODIS数据获取逐年GPP、EVI和FVC数据
amyniez的博客，欢迎交流讨论
11-20 2953
基于MODIS数据获取植被逐年的GPP、EVI和植被覆盖度，植被覆盖度作为全球气候变化模型和描述生态系统的重要参数，通过有效获取植被进行光合作用面积的大小以及植被生长的茂盛程度，主要表现为地表植被的覆盖状态。
基于 GEE 计算植被覆盖度 FVC 数据
@HNUSTer的博客
02-11 2066
基于 GEE 计算植被覆盖度 FVC 数据。
FVC值的计算
gengzhx19的博客
06-30 1490
FVC值的计算
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