这个案例是我空间对地观测与全球变化课程的课程汇报，包括GEE简介、研究背景、数据与方法以及最后的结论。由于是PPT，所以就以贴图为主。记录一下实现过程，主要流程包括数据集加载、影像区域裁剪、时间过滤和NDVI计算。
1.GEE简介
2.研究背景
3.可用数据
4.方法
核心JS代码如下。
var table = ee.FeatureCollection("users/zhaoxuhui/city");
var yulin = table.filter(ee.Filter.eq('市', '榆林市'));
var start_date = ee.Date.fromYMD(2016, 7, 1);
var end_date = ee.Date.fromYMD(2016, 9, 30);
// NOAA CDR AVHRR NDVI, Version 5
var dataset_name = 'NOAA/CDR/AVHRR/NDVI/V5';
var band_name = 'NDVI';
var min_val = -1000.0;
var max_val = 8000.0;
var ground_scale = 5550;
// 用于可视化NDVI筛选
var dataset = ee.ImageCollection(dataset_name)
.filter(ee.Filter.date(start_date, end_date));
var ndvi = dataset.select(band_name);
var ndvi_clip = ndvi.max().clip(yulin);
// 可视化参数
var ndviVis = {
min: min_val,
max: max_val,
palette: ['ffffff', 'ce7e45', 'fcd163', 'c6ca02', '22cc04', '99b718', '207401','012e01']};
// 添加图层
Map.centerObject(yulin, 8);
Map.addLayer(ndvi_clip, ndviVis, 'NDVI');
// 绘制并展示NDVI折线图
var chart = ui.Chart.image.series({
imageCollection: dataset.select(band_name),
region: yulin,
reducer: ee.Reducer.max(),
scale: ground_scale
}).setOptions({title: 'NDVI over time'});
print(chart);
5.结论
上图中的动图如下，动图有3兆多，展示了榆林地区从1981年到2019年的NDVI变化情况。如果加载时间太长的话，可以点击这里尝试下载原图。
本文作者原创,未经许可不得转载,谢谢配合
