GEE提取感兴趣区的时间序列

案例一:提取一个点的FPAR时间序列

// define a region of interst as a buffer around a point
var study = ee.Geometry.Point(116.667,43.53).buffer(1000);
// show region of interst
Map.centerObject(study,4);
Map.addLayer(study,{},'study');
// load MODIS image
var image = ee.ImageCollection('MODIS/006/MOD15A2H')
    .filterDate('2002-01-01', '2010-12-31')
    .filterBounds(study)
    .select('Fpar_500m');
// create the chart
var chart = ui.Chart.image.series({
  imageCollection: image, 
  region: study, 
  reducer: ee.Reducer.mean(),
  scale: 1000
});
// print the chart
print(chart);

案例二:提取数个点的GPP

// define a region of interst as a buffer around a point
var YY = ee.Feature( ee.Geometry.Point(112.93, 29.53).buffer(1000), {label: 'YY'});
var AQ = ee.Feature( ee.Geometry.Point(116.98, 30.48).buffer(1000), {label: 'AQ'});
var study = new ee.FeatureCollection([YY,AQ]);
// show region of interste
Map.centerObject(study,4);
Map.addLayer(study,{},'study');
// load MODIS data 
var collection = ee.ImageCollection('MODIS/006/MOD17A2H')
    .filterDate('2002-01-01', '2010-12-31')
    .filterBounds(study)
    .map(calculat);
// calculate     
function calculat(image) { 
           var cal = image.expression(
          'band*0.1',                //formula 
         {
           band: image.select('Gpp'),   
          });
          return ee.Image(cal.copyProperties(image)).set('system:time_start', image.get('system:time_start'));   
          }
// create the time series chart
var chart = ui.Chart.image.seriesByRegion({
  imageCollection: collection, 
  regions: study, 
  reducer: ee.Reducer.mean(),
  scale: 1000,
  seriesProperty:'label'})
  .setOptions({
    title:'GPP over time in flux station',
    vAxis:{title:'GPP'},
    lineWidth:1,
    });
// print the chart
print(chart);
单击右上角即可进入下载页面

参考资料

GEE知乎专栏
GEE学习资料
提取时间序列数据

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,033评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,725评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,473评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,846评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,848评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,691评论 1 282
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,053评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,700评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,856评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,676评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,787评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,430评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,034评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,990评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,218评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,174评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,526评论 2 343