Google Earth Engine实现地区年度最大NDVI值的影像合成

本期分享如何Google Earth Engine实现地区年度最大NDVI值的影像合成，相比于传统方法，GEE方法简单、高效且对电脑硬件要求较低！

1 教程介绍

首先，这个简单的教程是根据官方的一个案例“搬运”而来（我们不生产知识，只是知识的搬运工）。

之所以需要这么做的动机是：

由于Landsat卫星存在重访周期，所以对于某一地区而言，所获取的影像间存在一定的“phenology 差异”。为了最大程度的降低该差异对分析结果的影响，有时候可以尝试在大致相同的物候阶段设置合成物中的像素值，例如，植物达到最大绿色程度的时间（当叶子开着并具有光合活性时）。例如，如果我们在对比不同年份的地区植被覆盖率的时候，每年的影像成百上千，而且也无法保证每年所选取的影像都是相同时间，而这将会影响时间序列分析的结果准确性。

2 传统方法实现

(1) USGS下载影像，比如广州，轨道号122044，下载一年的Landsat8的影像保守估计，不知道多久（没试过，太离谱了）。

(2) 使用ENVI或者其它影像处理软件，进行NDVI计算，由于影像数量极多，所以这个工作量也不少。

(3) 利用波段计算器进行最大值合成，生成广州市全年的，逐像素位置的最大NDVI结果。

实际上，这个过程的工作量是海量的，而且，生成了全年最大值的NDVI后，也只能得到最大值的NDVI结果，无法获取每个像素位置上该最大NDVI所属影像的其它波段信息。

2 GEE实现

(1) GEE的工作台地址：

https://code.earthengine.google.com

(2) 导入对应的Landsat影像和广州shp：

检索Landsat 8影像

导入影像

自行上传已经处理好的shp

上传后，点击import

代码窗口自动填充以上语句

(3) 然后敲入以下几行代码：

代码语言：javascript复制

//定义addNDVI函数，该函数的输入是image，然后对image执行NDVI计算，并将结果命名为ndvi
//并将生成的ndvi添加到原有的image中
var addNDVI = function(image) {
  var ndvi = image.normalizedDifference(['B5', 'B4']).rename('NDVI');
  return image.addBands(ndvi);
};
//选择2019年的lc8影像
var lc82019 = l8.filterDate('2019-01-01', '2019-12-31');
//将筛选出来的2019年的影像均执行NDVI计算并添加该结果至原影像
var withNDVI = lc82019.map(addNDVI);
//利用qualityMosaic()函数执行NDVI最大值筛选，并用gz的边界进行裁剪
var greenest = withNDVI.qualityMosaic('NDVI').clip(gz);
//对筛选出来的像素，执行NDVI计算（由于筛选出来的是包含所有波段
//所以可以直接输出全波段影像而不仅仅是NDVI）
//接下来显示NDVI最大值合成的结果，可以有2个方案：
var bestndvi = greenest.select('NDVI').rename('bestNDVI');
//或者重新计算一次
//var bestndvi = greenest.normalizedDifference(['B5', 'B4']).rename('bestNDVI');
//添加生成的最优NDVI到图层窗口
Map.addLayer(bestndvi,{palette: ['black', 'blue', 'yellow']},'bestndvi')

(4) 结果：整个过程平均2s一个

2014年：