GEE代码实例教程详解：地表温度长时间序列分析

简介

在本篇博客中，我们将使用Google Earth Engine (GEE) 对地表温度 (LST) 进行长时间序列分析。通过结合Landsat 4-9的数据，我们将探索1982年至2024年间地表温度的变化趋势。

背景知识

Landsat数据集

Landsat数据集提供了多时相、多光谱的地表观测数据，是遥感领域中应用最广泛的数据集之一。

地表温度 (LST)

地表温度是描述地表热状况的重要参数，对于研究城市热岛效应、植被分布、地表能量平衡等具有重要意义。

完整代码

// 定义研究区域的坐标点
var cor = [[51.02815260405151, 35.50852818710441],[51.69282545561401, 35.50852818710441],[51.69282545561401, 35.8988380759623],[51.02815260405151, 35.8988380759623],[51.02815260405151, 35.50852818710441]
];// 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);// 定义Landsat数据集集合
var lan4 = ee.ImageCollection("LANDSAT/LT04/C02/T1_L2")// ... 其他筛选条件 ...var lan5 = ee.ImageCollection("LANDSAT/LT05/C02/T1_L2")// ... 其他筛选条件 ...// ... Landsat 7 SLC正常和偏移后的数据 ...var lan8 = ee.ImageCollection("LANDSAT/LC08/C02/T1_L2")// ... 其他筛选条件 ...var lan9 = ee.ImageCollection("LANDSAT/LC09/C02/T1_L2")// ... 其他筛选条件 ...// 合并所有Landsat数据集并排序
var collection = lan4.merge(lan5).merge(lan7_slcon).merge(lan7_slcoff).merge(lan8).merge(lan9).sort('system:time_start').filter(ee.Filter.lt('CLOUD_COVER', 45));// 转换LST单位到开尔文和摄氏度
var lst_col = collection.map(function(img) {var kel = img.multiply(0.00341802).add(149).rename('LST_Kel');var cel = kel.subtract(273.15).rename('LST_Cel');return kel.addBands(cel).copyProperties(img, img.propertyNames());
});// 打印LST时间序列图表（开尔文和摄氏度）
print(ui.Chart.image.series({imageCollection: lst_col.select('LST_Kel'),region: roi,reducer: ee.Reducer.mean(),scale: 100,xProperty: 'system:time_start'})
);print(ui.Chart.image.series({imageCollection: lst_col.select('LST_Cel'),region: roi,reducer: ee.Reducer.mean(),scale: 100,xProperty: 'system:time_start'})
);// 导出2019-2020年的LST图像到Google Drive
Export.image.toDrive({image: lst_col.select('LST_Cel').filterDate('2019', '2020').toBands().clip(roi),description: 'lst_cel',scale: 100,region: roi,maxPixels: 1e13,crs: 'EPSG:4326',folder: 'landsat'
});