geemap学习笔记028：Landsat8计算时间序列NDVI并导出-编程知识

geemap学习笔记028：Landsat8计算时间序列NDVI并导出

前言

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。

1 导入库并显示地图

import ee
import geemap
import datetime
import pandas as pd
import os
ee.Initialize()

2 定义时间范围

# 定义日期范围
start_date = '2018-01-01'
end_date = '2019-01-01'
date_range = pd.date_range(start_date, end_date, freq='MS')  #按月生成的时间范围
date_range  #查看日期

3 定义NDVI函数

def NDVI(image): #定义NDVI函数nir = image.select("SR_B5")red = image.select("SR_B4")ndvi = image.expression("float(SR_B5 - SR_B4)/(SR_B5 + SR_B4)",{"SR_B5": nir,"SR_B4": red}).rename('NDVI_V2')return ndvi

4 加载数据并循环计算NDVI

# 创建一个空列表，用于存储结果图像
result_images = []
# 定义区域
roi = ee.FeatureCollection("projects/xiaoliuk/assets/shape/yantai_qu") #获取assets研究区FeatureCollection
# 循环处理每月数据
for i in range(len(date_range)-1):#获取开始日期和结束日期start_month = date_range[i].strftime('%Y-%m-%d')end_month = date_range[i+1].strftime('%Y-%m-%d')# 获取影像集合dataset = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2') \.filterDate(start_month, end_month) \.filter(ee.Filter.lt('CLOUD_COVER', 80)) \.filterBounds(roi)  #筛选LC08数据时间和经过roi的影像,云量可以自己设定# 获取中位数影像median_image = dataset.median()# 计算 NDVI# ndvi = median_image.normalizedDifference(['SR_B5', 'SR_B4']) #也可以直接计算NDVIndvi = NDVI(median_image)# 将结果图像添加到列表中result_images.append(ndvi)

5

visParam = {'min': -0.2,'max': 0.8,'palette' : ['#d73027','#f46d43','#fdae61','#fee08b','#d9ef8b','#a6d96a','#66bd63','#1a9850',
]}  #可视化参数# 在地图上显示结果
Map = geemap.Map()
Map.centerObject(roi, zoom=10)
Map.addLayer(result_images[0].clip(roi), visParam, 'NDVI') #选择第一个月份的结果并裁剪roi展示
Map

计算结果

6 与GEE计算的32天的NDVI值进行比较

NDVI_32days = ee.ImageCollection("LANDSAT/LC08/C01/T1_32DAY_NDVI")\.filterDate('2020-01-01', '2020-02-01')\.select('NDVI')   #这是GEE计算的32天的NDVI值，可以进行比较
NDVI_32daysMap.addLayer(NDVI_32days.map(lambda image: image.clip(roi)), visParam, 'NDVI_32')
Map

可以看出两种结果差别并不是很大

7 循环加载单景影像

for i in range(len(result_images)):  #循环加载单景影像image_roi = result_images[i].clip(roi) #每月的裁剪影像file_name = date_range[i].strftime('%Y-%m')  #没每景影像的名字Map.addLayer(image_roi, visParam, file_name) #将其添加到地图中
Map

8 导出影像

out_tif = os.path.join(r"../03_result/") #结果保存路径for i in range(len(result_images)-2):  #循环加载单景影像image_roi = result_images[i].clip(roi)  #每月裁剪的ndvi影像file_name = date_range[i].strftime('%Y-%m') file_path = os.path.join(out_tif, file_name + '.tif')geemap.download_ee_image(image=image_roi,filename=file_path,region=roi.geometry(),crs="EPSG:4326",scale=30,) #导出影像