这里我们首先画一个自己选择的研究区，用于方便计算NDWI，这里我们将青海湖区域作为我们的研究区，第二步我们就是要设定一个函数，用于在函数中执行循环遍历，这里包括去云和影像筛选过程，最后按照最大值合成，最后我们分别加载影像，计算影像水域的面积分别用到的就是我们提到的pixelArea()和reduceregion(),在这个过程中我们可以设定一个水域变化面积的函数，用来展示每一面水体的面积变化情况，期间我们还可以构建动态展示效果，加载影像的三年湖水的动画效果。
ChartImage(ySeries,xSeries,options)
即将弃用，请使用 ui.Chart.image.*替换。
通过统计的结果在控制台绘制图表，绘制的图表可以保存。
方法参数：
- ySeries(List)
计算结果Array对象
- xSeries(List)
横坐标标注Array对象
- options(Object)这里的函数可以有好多种，我们这里分别在之前设定好的类型当中分别用到了线性图和柱状图
用于描述统计图的Json对象
返回值：null
代码：
//加载我们的自己画的区域 var geometry = pie.Geometry.Polygon([ [ [ 99.58525333814976, 37.24714673441345 ], [ 100.77704556952716, 37.24714673441345 ], [ 100.77704556952716, 36.528174170711736 ], [ 99.58525333814976, 36.528174170711736 ], [ 99.58525333814976, 37.24714673441345 ] ] ], null); //将其所化的geometry转化为矢量 var roi = pie.FeatureCollection(pie.Feature(geometry)); //加载图层 Map.addLayer(roi, { color: "ff0000ff", fillColor: "00000000" }, "roi", false); //加载地图中心点 Map.centerObject(geometry, 9); //指定年份数据的NDWI指数提取 function processImage(year, roi) { var id = "LC08/01/T1"; var l8Col = pie.ImageCollection(id) .filterBounds(roi) //按范围过滤 .filterDate(year + "-04-01", year + "-10-01") //按时间过滤 .select(["B3", "B5", "BQA"]) //选择绿波段、红外波段和BQA波段 .map(function (image) { //map函数针对ImageCollection中的每个Image进行循环计算。 var b3 = image.select("B3"); var b5 = image.select("B5"); var ndwi = (b3.subtract(b5)).divide(b3.add(b5)); //ndwi计算，ndwi=(b3-b5)/(b3+b5) //QA去云 var qa = image.select("BQA"); var cloudMask = qa.bitwiseAnd(1 << 4).eq(0); //去云和提取水体 ndwi = ndwi.updateMask(cloudMask) .updateMask(ndwi.gt(0.3)); return ndwi.rename("NDWI");//对图层重命名，方便后面选择，不重命名的话，select时是“B3” }); //采用最大值直接融合，最后做一次裁剪 var yearImg = l8Col.select("NDWI").max().clip(roi);// return yearImg; //返回Image对象 } // 2017-2019年巢湖区域水体指数提取及显示 var img1 = processImage(2017, geometry); Map.addLayer(img1, { min: -1, max: 1, palette: "0000ff" }, "2017", false);//blue var img2 = processImage(2018, geometry); Map.addLayer(img2, { min: -1, max: 1, palette: "00ff00" }, "2018", false);//green var img3 = processImage(2019, geometry); Map.addLayer(img3, { min: -1, max: 1, palette: "ff0000" }, "2019", false);//red // 计算影像面积 function calcArea(yearImg, roi) { var areaImage = yearImg.pixelArea().multiply(yearImg.gt(0.3)); var water = areaImage.reduceRegion(pie.Reducer.sum(), roi, 30); return water; } // 青海湖水域2017-2019年面积变化多图表对比 //构建描述统计图的json对象 var line_options = { title: '青海湖水域2017-2019年面积变化', legend: ['水体面积'], xAxisName: "日期（年）", yAxisName: "水体面积（平方千米）", chartType: "line", yScale: 1 / 1000000 }; //构建计算结果Array对象 var areaValues = [ calcArea(img1, geometry), calcArea(img2, geometry), calcArea(img3, geometry) ]; //构建横坐标标注Array对象 var xSeries = [2017, 2018, 2019]; //打印结果 print("2017年", areaValues[0]); print("2018年", areaValues[1]); print("2019年", areaValues[2]); //构建动画数据 var layerNames = []; layerNames.push("2017" + ""); layerNames.push("2018" + ""); layerNames.push("2019" + ""); //显示动画效果，传入动画数据、循环时间、循环次数 Map.playLayersAnimation(layerNames, 2, 100); //加载显示折线统计图 ChartImage(areaValues, xSeries, line_options); //构建描述统计图的json对象 var column_options = { title: '青海湖水域2017-2019年面积变化', legend: ["水体面积"], yAxisName: "水体面积（平方千米）", xAxisName: "日期（年）", chartType: "column", yScale: 1 / 1000000 }; //加载显示柱状统计图 ChartImage(areaValues, xSeries, column_options);
结果：
