浙江省森林区域植被生长分析¶
利用 Modis MCD12Q1 地物分类数据产品和 MODIS MOD13Q1 16天标准植被指数产品。通过对 2021 年 8 月植被指数最大值与近 3 年同期指数 8 月最大值的 3 年均值进行对比，实现对浙江省森林区域植被的空间监测。
初始化环境¶
import aie aie.Authenticate() aie.Initialize()
定义矢量区域¶
region = aie.FeatureCollection('China_Province') \ .filter(aie.Filter.eq('province', '浙江省')) \ .geometry() map = aie.Map( center=region.getCenter(), height=800, zoom=5 ) vis_params = { 'color': '#00FF00' } map.addLayer( region, vis_params, 'region', bounds=region.getBounds() ) map
获取森林区域掩膜¶
引用 Modis MCD12Q1 地物分类数据产品，其中 LC_Type1 中数值 1-5 为不同类型的森林植被，通过 aie.Image.lt 实现 2020 年森林植被覆盖地区提取。并将提取到的数据进行地图可视化显示。
LC_Dataset = aie.ImageCollection('MODIS_MCD12Q1_006') \ .filterDate('2020-05-01', '2020-05-31') imgs = LC_Dataset.select(['LC_Type1']).first().clip(region) forest = imgs.lt(aie.Image.constant(6)) # Modis MCD12Q1 1-5为不同类型的森林 vis_params = { 'bands': 'LC_Type1', 'min': 1, 'max': 17, 'palette': [ '#05450a', '#086a10', '#54a708', '#78d203', '#009900', '#c6b044', '#dcd159', '#dade48', '#fbff13', '#b6ff05', '#27ff87', '#c24f44', '#a5a5a5', '#ff6d4c', '#69fff8', '#f9ffa4', '#1c0dff' ] } forest_vis = { 'bands': 'LC_Type1', 'min': 0, 'max': 1, 'palette': [ '#ffffff', '#4fb104' ] } map.addLayer( imgs, vis_params, 'LC_data', bounds=region.getBounds() ) map.addLayer( forest, forest_vis, 'Forest', bounds=region.getBounds() ) map
植被生长对比¶
使用 MODIS MOD13Q1 16天标准植被指数产品，利用 aie.ImageCollection.max 获得 2018、2019、2020年、2021 年逐年 8 月 NDVI 最大值，并计算 2018-2020 年 3 年的均值（ aie.ImageCollection.mean ），对比 2021 年与过去3年同期均值的比较，应用 updateMask 函数进行森林地区掩膜，确定 2021 年浙江森林植被生长状态。并将最终成果进行地图可视化显示。
ndvi_vis = { 'bands': 'NDVI', 'min': 0, 'max': 8000, 'palette': [ '#FFFFFF', '#CE7E45', '#DF923D', '#F1B555', '#FCD163', '#99B718', '#74A901', '#66A000', '#529400', '#3E8601', '#207401', '#056201', '#004C00', '#023B01', '#012E01', '#011D01', '#011301' ] } ndvi_dif_vis = { 'min': -1000, 'max': 1000, 'palette': [ '#d7191c', '#ffffff', '#008000' ] } map.addLayer( ndvi_avg, ndvi_vis, 'NDVI', bounds=region.getBounds() ) map.addLayer( ndvi_dif_forest, ndvi_dif_vis, 'NDVI_dif_forest', bounds=region.getBounds()) map
备注：本案例中仅取2020年森林分类成果作为掩膜文件，仅作为做算子应用介绍，数据成果合理性不做保证。
