PIE-engine 教程 ——影像集合的使用map()映射函数（北京市NDVI计算）

此星光明

发布于 2024-02-02 00:25:23

34200

代码可运行

文章被收录于专栏：GEE数据专栏，GEE学习专栏，GEE错误集等专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏

运行总次数：0

代码可运行

我们本次将使用map（）函数来完成一个NDVI值得计算，这里我们以北京市为例，主要得目的就是通过map映射函数来完成对规定时间内影像NDVI值的计算，这里有几个函数需要先介绍：

centerObject(object,zoom)

设置地图以图形为中心显示。

方法参数：

- object(Image|Geometry|Feature|FeatureCollection)

影像对象或者矢量对象。

- zoom(Int)

地图显示缩放级别。

返回值：null

addLayer(image,style,name,visible)

在地图上添加图层，图层可以是Image，可以是FeatureCollection，返回图层唯一的ID

方法参数：

- image(Image|ImageCollection|Geometry|Feature|FeatureCollection)

要添加的图层对象，可以是影像或者矢量数据。

- style(String, optional)//这里的style函数我们可以提前设定一个字典，在字典中设定波段，最大和最小值以及我们要加载涂层的颜色platte

数据对象的渲染样式

- name(String, optional)

图层的名称。

- visible(Boolean, optional)

图层是否可见，默认 true。

返回值：String

filterBounds(geometry)

对影像集合进行指定空间范围过滤，然后返回过滤后的影像集合。

方法参数：

- imageCollection(ImageCollection)

ImageCollection实例。

- geometry(Geometry)

过滤空间范围。

返回值：ImageCollection

filterDate(start,end)

对影像集合进行指定日期范围过滤，然后返回过滤后的影像集合。

方法参数：

- imageCollection(ImageCollection)

ImageCollection实例。

- start(String)

开始日期。

- end(String)

结束日期。

返回值：ImageCollection

centerObject(object,zoom)

设置地图以图形为中心显示。

方法参数：

- object(Image|Geometry|Feature|FeatureCollection)

影像对象或者矢量对象。

- zoom(Int)

地图显示缩放级别。

返回值：null

在PIE中并没有像GEE中那种集成好的归一化植被指数的计算函数，所以这里我们只能通过函数计算表达式和map的方式来进行NDVI的计算

代码：

/**
 * @File    :   map-06-ImageCollection循环计算_使用map算子
 * @Time    :   2022/3/1
 * @Author  :   piesat
 * @Version :   1.0
 * @Contact :   400-890-0662
 * @License :   (C)Copyright 航天宏图信息技术股份有限公司
 * @Desc    :   取ImageCollection中的每个元素计算NDVI，采用map算子
 */

//加载北京市边界
var roi = pie.FeatureCollection("NGCC/CHINA_PROVINCE_BOUNDARY")
    .filter(pie.Filter.eq("name", "北京市"))
    .first()
    .geometry();
Map.centerObject(roi, 6);
Map.addLayer(roi, { color: "ff0000", fillColor: "00000000", width: 3 }, "北京市");

//按区域、时间筛选影像
var imgCol = pie.ImageCollection("LC08/01/T1")
    .filterBounds(roi)
    .filterDate("2019-8-01", "2019-8-30");
print("imgCol", imgCol);
Map.addLayer(imgCol.select(["B2", "B3", "B4"]).mosaic().clip(roi), { min: 0, max: 2500, bands: ["B4", "B3", "B2"] }, "imgCol", false);

//循环计算每景影像的NDVI植被指数
var imgCol_NDVI = imgCol.map(function (image) {
    var nir = image.select("B5");
    var red = image.select("B4");
    var NDVI = nir.subtract(red).divide(nir.add(red)).rename("NDVI");
    return image.addBands(NDVI);
});
print("imgCol_NDVI", imgCol_NDVI)

//NDVI绘制样式
var visParamNDVI = {
    min: -0.2,
    max: 0.8,
    palette: ['FFFFFF', 'CE7E45', 'DF923D', 'F1B555', 'FCD163', '99B718', '74A901',
        '66A000', '529400', '3E8601', '207401', '056201', '004C00', '023B01',
        '012E01', '011D01', '011301']
};

//加载北京市NDVI植被指数数据
var NDVI = imgCol_NDVI.select("NDVI").mosaic().clip(roi);
Map.addLayer(NDVI, visParamNDVI, "NDVI", true);