Google Earth Engine(GEE)——Python干旱严重程度案例分析
【摘要】
在本节中,我们将把干旱严重程度的时间序列视为日历热图和条形图。
导入数据
将网格化的帕尔默干旱严重程度指数 (PDSI) 数据加载为ee.ImageCollection.
将 EPA 3 级生态区边界加载为ee.FeatureCollection并对其进行过滤以仅包括内华达山脉区域,该区域定义了感兴趣的区域 (AOI)。 #加...
在本节中,我们将把干旱严重程度的时间序列视为日历热图和条形图。
导入数据
- 将网格化的帕尔默干旱严重程度指数 (PDSI) 数据加载为
ee.ImageCollection
. - 将 EPA 3 级生态区边界加载为
ee.FeatureCollection
并对其进行过滤以仅包括内华达山脉区域,该区域定义了感兴趣的区域 (AOI)。#加载影像筛选波段,加载感兴趣的区域然后进行矢量边界筛选 pdsi = ee.ImageCollection('GRIDMET/DROUGHT').select('pdsi') aoi = ee.FeatureCollection('EPA/Ecoregions/2013/L3').filter( ee.Filter.eq('na_l3name', 'Sierra Nevada')).geometry()
注意:aoi
本教程中将使用上面定义的内容。在您自己的应用程序中,针对您自己感兴趣的领域重新定义它。
reduce数据
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/119938844
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)