Google Earth Engine（GEE）——Python 干旱指标PDSI和植被指数NDVI之间的关系

散点图是可视化两个变量之间关系的好方法。在这里，PDSI（干旱指标）将绘制在 x 轴上，NDVI（植被生产力）绘制在 y 轴上。为此，两个变量必须存在于同一个 DataFrame 中。每行将是一个时间观测值，列将对应于 PDSI 和 NDVI 值。目前PDSI和NDVI在两个不同的DataFrame中，需要合并。

准备数据

在它们可以合并之前，每个变量必须减少到一个共同的时间观察单元来定义对应关系。有多种方法可以做到这一点，每种方法都会以不同的方式定义 PDSI 和 NDVI 之间的关系。在这里，我们的时间单位将是一个年度观测集，其中 NDVI 从 DOY 224 到 272 减少到年内最小值，PDSI 将是从 DOY 1 到 272 的平均值。我们建议前三个季度的平均干旱严重程度一年的最小夏季 NDVI 与给定年份的最低夏季 NDVI 相关。

1. 将 NDVI DataFrame 过滤到 DOY 224 和 272 之间发生的观测值。
2. 将 DOY 过滤子集减少到年内最小 NDVI。

  

   

    

     

    
    

     

      #选定范围
     
    
   

    

     

    
    

     

      ndvi_doy_range =
     
    
  
 

文章来源: blog.csdn.net，作者：此星光明2021年博客之星云计算Top3，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/qq_31988139/article/details/119939457