GEE代码实例教程详解：NDVI时间序列趋势分析

简介

在本篇博客中，我们将使用Google Earth Engine (GEE) 对MODIS NDVI数据进行时间序列趋势分析。通过分析2001年至2021年的NDVI数据，我们可以了解植被覆盖度随时间的变化趋势。

背景知识

MODIS数据集

MODIS（Moderate Resolution Imaging Spectroradiometer，中分辨率成像光谱辐射计）数据集是NASA提供的高分辨率遥感数据集，广泛应用于植被、水文和气候研究。

时间序列趋势分析

时间序列趋势分析是一种统计方法，用于检测数据集中的趋势变化，对于理解长期环境变化非常重要。

完整代码

// 定义研究区域的坐标点
var cor = [
  [44.12939360774617, 24.119400388422655],
  [64.87158110774617, 24.119400388422655],
  [64.87158110774617, 39.70103164846671],
  [44.12939360774617, 39.70103164846671],
  [44.12939360774617, 24.119400388422655]
];

// 创建多边形区域
var roi = ee.Geometry.Polygon(cor);

// 将地图中心设置为研究区域
Map.centerObject(roi);

// 加载MODIS NDVI数据集
var modis = ee.ImageCollection("MODIS/061/MOD13A2")
  .select('NDVI')
  .filterDate('2001', '2021');

// 定义函数以添加时间带作为单独的波段
function ndvi_time(img) {
  var time = img.metadata('system:time_start').divide(1e9);
  return img.addBands(time)
    .copyProperties(img, img.propertyNames());
}

// 应用函数以创建时间波段
var modis_time = modis.map(ndvi_time);

// 使用线性回归分析计算斜率
var linear_reg = modis_time.select('system:time_start', 'NDVI')
  .reduce(ee.Reducer.linearRegression())
  .select('coefficients');

// 添加线性回归图层
Map.addLayer(linear_reg.clip(roi), {palette: ['red', 'black', 'green']}, 'linear_regression', false);

// 使用敏感性斜率分析计算趋势
var sen_slope = modis_time.select('system:time_start', 'NDVI')
  .reduce(ee.Reducer.sensSlope())
  .select('slope');

// 添加敏感性斜率图层
Map.addLayer(sen_slope.clip(roi), {palette: ['red', 'black', 'green']}, 'sensitivity_slope', false);

// 导出敏感性斜率图像到Google Drive
Export.image.toDrive({
  image: sen_slope.clip(roi),
  description: 'sensitivity_slope',
  scale: 1000,
  region: roi,
  maxPixels: 1e13,
  crs: 'EPSG:4326'
});

// 使用曼-肯德尔趋势检验
var mannkendall = modis_time.select('NDVI')
  .reduce(ee.Reducer.kendallsCorrelation());

// 添加曼-肯德尔图层
Map.addLayer(mannkendall.select('NDVI_tau').clip(roi), {palette: ['red', 'black', 'green']}, 'mann_kendall', false);

// 使用FORMA趋势分析
var forma = modis_time.select('NDVI')
  .formaTrend();

// 添加FORMA趋势图层
Map.addLayer(forma.clip(roi), [], 'forma_trend', false);