全球高精度土地利用数据服务 全国作物类型空间分布数据服务 二级分类土地利用数据30m 高精度植被类型分布数据 全国城市功能区划分布数据 全国DEM高程数据服务 全国耕地数据空间分布服务 全国林地分类数据空间分布服务 全国草地类型分类数据空间分布服务 全国水体数据空间分布服务 全国建设用地数据空间分布服务 全国未利用地数据空间分布服务 地形、地貌、土壤理化性质数据服务 全国坡度坡向数据服务 一级分类土地利用数据30m
全国降水量空间分布数据集 全国气温空间分布数据集 太阳辐射量空间分布数据集 全国气象站点观测数据集 全国平均风速空间分布数据集 全国平均水汽压空间分布数据集 全国蒸散量空间分布数据集 全国日照时数空间分布数据集 全国相对湿度空间分布数据集 全国地表温度空间分布数据集 全国气候区划空间分布数据集 全国气象站点空间分布数据集 全国土壤湿度空间分布数据集 全国水文站点地表径流量空间分布数据集
土壤类型空间分布数据服务 土壤质地空间分布数据服务 土壤有机质空间分布数据服务 土壤酸碱度空间分布数据服务 土壤氮磷钾空间分布数据服务 土壤深度空间分布数据服务 土壤侵蚀强度空间分布数据服务 土壤含水量空间分布数据服务 土壤重金属含量空间分布数据服务 中国土壤阳离子交换量空间分布数据 中国土壤容重含量空间分布数据
全国夜间灯光指数数据服务 全国GDP公里格网数据服务 全国人口密度数据服务 全国poi感兴趣点空间分布数据 全国医院空间分布数据服务 全国学校空间分布数据服务 全国居民点空间分布数据 全国旅游景区空间分布数据 全国机场空间分布数据 全国地铁线路站点空间分布数据 人口调查空间分布数据服务 社会经济统计年鉴数据 中国各省市统计年鉴 中国县级统计年鉴数据 农田分类面积统计数据服务 农作物长势遥感监测数据服务 医疗资源统计数据服务 教育资源统计数据服务 行政区划空间分布数据服务
Landsat陆地资源卫星影像 高分二号遥感影像数据 高分一号遥感影像数据 Sentinel2哨兵2卫星影像 SPOT系列卫星遥感影像数据 WorldView卫星遥感影像数据 资源三号卫星遥感影像数据 GeoEye卫星遥感影像数据 NOAA/AVHRR卫星遥感影像 MODIS卫星遥感影像 环境小卫星 Rapideye快鸟卫星影像
高精度归一化植被指数NDVI空间分布数据 高精度净初级生产力NPP空间分布数据 LAI叶面积指数空间分布数据 全国地表温度LST空间分布数据 全国生态系统服务空间数据集 全国湿地沼泽分类空间分布数据集 全国陆地生态系统类型空间分布数据集 全国农田生产潜力数据集 全国GPP初级生产力数据 全国农田熟制空间分布数据集 中国植被区划数据 中国草地资源数据 全国月度NDVI归一化植被指数空间分布数据 月度净初级生产力NPP空间分布数据 全国年度NDVI归一化植被指数空间分布数据 年度净初级生产力NPP空间分布数据 增强型植被指数EVI空间分布数据 RVI比值植被指数空间分布数据
2019年8月1日至9月15日,湖北平均雨量为近53年来同期最少,仅69.4毫米。尤其是中东部地区降水异常偏少,一个半月里大多数地方的累计降水量均不足70毫米,其中洪湖、英山降水仅4毫米。鄂西东部一直到鄂东地区的降水量均比常年同期偏少6成~9成,黄冈、武汉、黄石、咸宁等地偏少8成以上。8月以来,湖北中东部地区始终没有出现有效降水,加上今年高温天气持续时间长,进一步加剧土壤水分蒸发,导致该省中东部地区的气象干旱持续发展加重。
来源:
我们接下来就用GEE结合气象数据来做一个简单的数据分析,看看目前湖北干旱程度到底如何?
一、寻找合适的数据源
这里用到的主要是气象数据,我这里使用的是NOAA的CFSV2这个6小时的气象数据:CFSV2: NCEP Climate Forecast System Version 2, 6-Hourly Products(https://developers.google.com/earth-engine/datasets/catalog/NOAA_CFSV2_FOR6H),主要用到的波段是降雨量波段和气温波段。
二、加载处理数据
处理降雨数据和气温数据有些不太一样,降雨数据需要计算在时间段内的降雨总量,而气温我们寻找的是最高气温。气温计算比较简单我就不做代码展示,这里我简单展示一下如何计算降雨总量。
//imgCol就是影像集合,其中pre为降雨量波段
var preImgCol = imgCol.select("pre");
//使用join将影像集合合并为每日数据
var join = ee.Join.saveAll("matches");
var filter = ee.Filter.equals({
leftField: "date",
rightField: "date"
});
var joinImgs = join.apply(preImgCol.distinct("date"), preImgCol, filter);
var preImgs = joinImgs.map(function(image) {
var _imgList = ee.List(image.get("matches"));
var _tempCol = ee.ImageCollection.fromImages(_imgList);
//由于是6小时,所以时间需要计算6*60*60
var _dayImg = _tempCol.sum().clip(roi).multiply(6 * 60 * 60);
var _date = image.get("date");
_dayImg = _dayImg.set("system:time_start", ee.Date.parse("yyyy-MM-dd", _date).millis());
return _dayImg;
});
preImgs = ee.ImageCollection(preImgs);
三、分析展示结果
下面展示的是2019年8月1日到2019年9月15日湖北全省每日最高温度和降雨变化情况
每日最高温度,单位摄氏度
每日降雨量
总体状况
通过上面图表可以了解到这一个半月湖北一直是高温少雨的情况。接下来可以看一下空间分布图,可以明显看到在湖北东部,高温少雨干旱比较严重。
(1)最高温度分布图:
(2)降雨总量分布图
进一步我们统计一下各个市的状况:
(1)降雨量
(2)气温
四、对比历史数据
其中蓝色线是实际的情况,红色线是拟合的趋势线,使用的是GEE中linearFit()来做线下回归计算得到的结果,相关代码如下:
var dataList = yearImgs.reduceColumns(ee.Reducer.toList(2), ["year", "tem"])
.get("list");
dataList = ee.List(dataList);
var result = dataList.reduce(ee.Reducer.linearFit());
print("linear fit result", result);
var offset = ee.Number(ee.Dictionary(result).get("offset"));
var scale = ee.Number(ee.Dictionary(result).get("scale"));
//计算预测数据
dataList = dataList.map(function(data) {
data = ee.List(data);
var predict = ee.Number(data.get(0)).multiply(scale).add(offset);
data = data.add(predict);
return data;
});
(1)对比40多年同时期的降雨数据
其中趋势拟合结果如下,非常明显可以看到降雨量总体趋势是在下降,也就是降雨量越来越少。
(2)最高气温
其中趋势拟合结果如下,气温总体趋势是在上升,最高气温是越来越高,天气越来越热。
上面所有的是总体情况对比,下面是各个主要的市对比历史情况。
这几个主要的市也是目前干旱最严重的地方,从对比数据结果就可以看出降雨量同比下降了8成左右,同历史相比也下降了8成左右。
五、在进一步分析一下
这个分析有点牵强,不过还是将分析结果直接贴出来,是关于湖北省雨季总的降雨量的一个统计分析,时间切割点在大坝修筑前后,可以看到总体降雨量少了将近100mm,具体为啥会这样我也不知道原因。
来源请引用:地理遥感生态网科学数据注册与出版系统