当前位置：首页 > news >正文

教程：按年份导出中国县级 NDVI（月均值 CSV）

news 2025/8/29 9:25:43

教程：按年份导出中国县级 NDVI（月均值 CSV）

// -------------------- 1. 载入中国县级边界 --------------------
var china_county = ee.FeatureCollection("projects/ee-tilmacatanla/assets/boundry/china_county");
// china_county 是 FeatureCollection，包含中国所有县的几何和属性（gb、name等）
// 后续会对每个县计算 NDVI 均值

// -------------------- 2. 年份与月份列表 --------------------
var years = ee.List.sequence(2000, 2025); // 生成 2000~2025 的年份列表
var months = ee.List.sequence(1, 12);    // 生成 1~12 月份列表

// -------------------- 3. 耕地掩膜 --------------------
var landcover = ee.Image("COPERNICUS/Landcover/100m/Proba-V-C3/Global/2018").select('discrete_classification'); // 选取土地分类波段
var mask_crop = landcover.eq(40); // 只保留耕地（值为40），其他区域掩膜

// -------------------- 4. 循环处理每一年 --------------------
years.getInfo().forEach(function(y){var year = ee.Number(y); // 转为 ee.Number，以便在 Earth Engine 中使用

  // ---------------- 每年每月计算 NDVI ----------------var monthlyList = months.map(function(m){var startDate = ee.Date.fromYMD(year, m, 1);      // 月初var endDate   = startDate.advance(1, 'month');    // 下月月初

    var modisCol = ee.ImageCollection("MODIS/061/MOD13Q1").filterDate(startDate, endDate) // 筛选当月数据.select('NDVI');                // 选择 NDVI 波段

    // 如果无数据，用占位影像 -9999var ndviImage = ee.Algorithms.If(modisCol.size().gt(0),            // 如果有数据modisCol.mean().divide(10000),    // 计算月平均并归一化到0-1ee.Image.constant(-9999).rename('NDVI') // 无数据，用常数占位);

    ndviImage = ee.Image(ndviImage).updateMask(mask_crop); // 仅保留耕地 NDVI

    // ---------------- 按县计算 NDVI 均值 ----------------var countyNDVI = ndviImage.reduceRegions({collection: china_county,       // 每个县计算reducer: ee.Reducer.mean(),     // 求平均 NDVIscale: 250,                     // 分辨率 250mcrs: 'EPSG:4326',               // 坐标参考系tileScale: 4                    // 避免大区域计算溢出}).map(function(f){return f.set('year', year)      // 添加年份属性.set('month', m)        // 添加月份属性.set('NDVI', f.get('mean')) // reduceRegions 默认生成 mean 字段.set('Name', f.get('name'))// 添加县名.set('GB', f.get('gb'));   // 添加区划代码});

    return countyNDVI; // 返回当前月份每个县的 NDVI FeatureCollection});

  // flatten 成单个 FeatureCollection（12 个月合并）var fcYear = ee.FeatureCollection(monthlyList).flatten();

  // ---------------- 导出 CSV ----------------Export.table.toDrive({collection: fcYear,                          // 待导出的 FeatureCollectiondescription: 'China_County_NDVI_' + year.getInfo(), // 导出任务描述folder: 'China_NDVI_2000_2025',             // Google Drive 文件夹fileNamePrefix: 'China_County_NDVI_' + year.getInfo(), // 文件名前缀fileFormat: 'CSV',                           // CSV 格式selectors: ['GB','Name','year','month','NDVI'] // CSV 列顺序});

  // 控制台提示，方便监控进度print('准备导出年份:', year);
});

🔹 功能总结

年份循环：2000–2025，每年生成一个 CSV
月份循环：每年 12 个月，计算每月平均 NDVI
耕地掩膜：只统计耕地 NDVI
县级统计：使用 reduceRegions 按县求均值
无数据处理：MODIS 无数据月份用 -9999 占位
导出 CSV：每年一个文件，每行包含 1 个县 1 个月的数据

🔹 使用注意事项

导出任务是异步的：运行脚本后需在 “Tasks” 手动点击 Run
早期年份 MODIS 数据可能缺失：NDVI 为 -9999
scale 和 tileScale：大范围计算时需调节，避免溢出
输出文件夹：China_NDVI_2000_2025 需提前在 Drive 创建

明白了，你想把这篇教程最后一步“使用 Open Earth Engine 批量运行导出任务”补充完整。我来帮你整理成清晰的步骤说明，适合直接放在教程里。

Open Earth Engine 批量运行导出任务（补充说明）

在前面示例中，我们通过 GEE 脚本生成了多年的月均值 Sentinel-2 导出任务（例如 2019–2022 年，每月 1 个影像，总共 48 个任务）。如果手动点击每个任务的 RUN，不仅繁琐，而且容易出错。使用 Open Earth Engine 插件可以一键批量启动。

1. 确认插件已安装并加载

打开 Chrome 浏览器 → 点击右上角“三点” → 设置 → 扩展程序。
打开 Chrome 网上应用店 → 搜索 Open Earth Engine → 点击 添加至 Chrome。
安装后浏览器右上角会显示插件图标。

2. 配置插件权限

点击插件图标 → 管理扩展程序
确保：
- 允许访问文件 URL
- 在所有网站上运行
重启浏览器，并重新打开 GEE 控制台。

如果权限不足，Tasks 面板顶部不会显示“RUN ALL”按钮。

3. 批量启动任务

在 GEE 脚本运行后，确认 Tasks 面板生成所有导出任务（如 S2_L2A_2019_1、S2_L2A_2019_2 …）。
点击 Tasks 面板顶部的 RUN ALL 按钮。
插件会自动为每个任务启动导出，依次将结果发送到 Google Drive 指定文件夹。

4. 导出结果查看

打开 Google Drive → 找到脚本中设置的文件夹（如 Sentinel2_L2A）
每个月的月均值影像文件按命名规则保存，例如：
```
S2_L2A_2019_1.tif
S2_L2A_2019_2.tif
…
S2_L2A_2022_12.tif
```
文件可直接用于 ArcGIS、ENVI 等遥感分析软件。