GEE学习笔记(19): 植被指数的三种计算方式expression,normalizedDifference,手动计算

评论
668 views

目录:

1. 数据说明

  • 利用哨兵2数据计算武汉市2019年的平均EVI(增强植被指数)，NDWI（水体指数）,NDBI（建筑指数）

  • 分别展示expression、normalizedDifference、手动计算三种不同方式计算植被植被指数的用法

2. 结果展示

NDBI EVI NDWI
NDBI EVI NDWI

3. 详细代码

var roi = ee.FeatureCollection("users/comingboy1118/China/CH_shi");

var roi = roi.filter(ee.Filter.eq("市","武汉市"))

Map.addLayer(roi,{"color":'red',},"roi")

Map.centerObject(roi, 8)

var s2_rmcloud = function(image) {

var quality = image.select("QA60").unmask();

return image.updateMask(quality.eq(0));

};

var image = ee.ImageCollection("COPERNICUS/S2")

.filterBounds(roi)

.filterDate('2019-01-01','2019-12-31')

.map(s2_rmcloud)

.map(function(image){

// 方法 1 利用 expression 表达式

var evi= image.expression(

'2.5*(NIR-RED)/(NIR+6*RED-7.5*BLUE+10000)',{

NIR:image.select('B8'),

RED:image.select('B4'),

BLUE:image.select('B2'),

}).float().rename('EVI');

// 方法 2 利用 normalizedDifference 归一化函数

var ndwi = image.normalizedDifference(['B3','B8']).float().rename('NDWI');

// 方法 3 自己手动加减乘除

var ndbi = image.select('B11').subtract(image.select('B8')).divide(image.select('B11').add(image.select('B8')))

.float().rename('NDBI');

return ee.Image.cat([evi,ndwi,ndbi]).clip(roi);

})

.median();

var visParams = {min: -0.2, max: 0.8, palette: ['blue', 'white','green']};

Map.addLayer(image.select("EVI"), visParams, "EVI");//越绿代表植被越多

var visParams = {min: -0.2, max: 0.8, palette: ['green', 'white','blue']};

Map.addLayer(image.select("NDWI"), visParams, "NDWI");//越蓝代表水越多

var visParams = {min: -0.5, max: 0.5, palette: ['blue', 'white','red']};

Map.addLayer(image.select("NDBI"), visParams, "NDBI");//越红代表建筑越多