Google Earth Engine(GEE)——清华全球不透水层数据中国区域逐年下载
发布时间
阅读量:
阅读量
本研究收集了全球范围内不同年份的地表疏松面积变化数据集,并采用了分辨率高达30米的空间分辨率进行建模分析。通过对监督分类方法与时间一致性检验技术手段进行综合运用以区分地表状态的变化特征,在研究区域内将地表疏松区域定义为其像素中超过50%的部分。研究发现,在特定时间段内地表疏松区域的变化可以通过相应的像素值计算得出具体数值范围在34至1之间,并且这些变化过程的具体数值分布具有良好的时相连续性。例如,在第十年期间对应的位置其对应的数字编码超过29单位就可以明确判断出该区域处于疏松状态这一特征属性信息并可据此生成相关的时间序列图谱展示这一现象的发生规律与空间分布特征
Resolution
30 meters
Bands Table
| Name | Description | Min* | Max* |
|---|---|---|---|
| change_year_index | Year of the transition from from pervious to impervious. From 34 (year: 1985) to 1 (year: 2018) | 1 | 34 |
- = Values are estimated
Class Table: change_year_index
| Value | Color | Color Value | Description |
|---|---|---|---|
| 1 | #014352 | 2018 | |
| 2 | #1A492C | 2017 | |
| 3 | #071EC4 | 2016 | |
| 4 | #B5CA36 | 2015 | |
| 5 | #729EAC | 2014 | |
| 6 | #8EA5DE | 2013 | |
| 7 | #818991 | 2012 | |
| 8 | #62A3C3 | 2011 | |
| 9 | #CCF4FE | 2010 | |
| 10 | #74F0B9 | 2009 | |
| 11 | #32BC55 | 2008 | |
| 12 | #C72144 | 2007 | |
| 13 | #56613B | 2006 | |
| 14 | #C14683 | 2005 | |
| 15 | #C31C25 | 2004 | |
| 16 | #5F6253 | 2003 | |
| 17 | #11BF85 | 2002 | |
| 18 | #A61B26 | 2001 | |
| 19 | #99FBC5 | 2000 | |
| 20 | #188AAA | 1999 | |
| 21 | #C2D7F1 | 1998 | |
| 22 | #B7D9D8 | 1997 | |
| 23 | #856F96 | 1996 | |
| 24 | #109C6B | 1995 | |
| 25 | #2DE3F4 | 1994 | |
| 26 | #9A777D | 1993 | |
| 27 | #151796 | 1992 | |
| 28 | #C033D8 | 1991 | |
| 29 | #510037 | 1990 | |
| 30 | #640C21 | 1989 | |
| 31 | #31A191 | 1988 | |
| 32 | #223AB0 | 1987 | |
| 33 | #B692AC | 1986 | |
| 34 | #2DE3F4 | 1985 |
代码:
//加载矢量边界
var table = ee.FeatureCollection("users/bqt2000204051/CHINA").geometry();
//加载矢量到地图上
Map.addLayer(table);
//可视化参数
var visParam = {
min: 0,
max: 34,
palette: 'FFFFFF, CE7E45, DF923D, F1B555, FCD163, 99B718, 74A901, 66A000, 529400,' +
'3E8601, 207401, 056201, 004C00, 023B01, 012E01, 011D01, 011301'
};
//建立时间序列用于遍历
var years = ee.List.sequence(1985, 2018).reverse();
print(years)
years.evaluate(function(y)
{
y.map(function(y) {
var year = ee.Number(y)
var image = ee.Image('Tsinghua/FROM-GLC/GAIA/v10').select("change_year_index").eq(y).clip(table);
//打印和加载每一年的影像
print(y+"year_image",image)
//加载每一年的影像
Map.addLayer(image, visParam,y+"year_image");
//影像下载
Export.image.toDrive({
image: image,
description: y+"year影像下载",
folder: '影像',
region:table,
scale: 30,
maxPixels:1e13
});
})
});
我们对时间序列分析进行了优化工作,并对时间序列数据进行逆序处理。由于数据集中的时间序列段呈现逆序特征,在此应用中引入了两个自定义函数
该函数用于生成一个数字序列,默认从start值开始一直到end值(包括end值),其步长为step参数,默认情况下如果未指定end,则会从start + step * count开始计算。需要注意的是,在这种情况下必须至少指定其中一个参数:end或者count才能正常运行
请提供必要的参数配置,请注意以下各参数设置:
起始位置(Number类型)
终止位置(可选的Number类型)
步长(默认值为1的Number类型)
数量(可选的Integer类型)
该函数将返回一个结果列表
reverse()
颠倒列表中元素的顺序。
参数。
this:list (列表)
返回。列表



全部评论 (0)
还没有任何评论哟~
