Google Earth Engine（GEE）——Python干旱严重程度案例分析

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

1. 将网格化的帕尔默干旱严重程度指数 (PDSI) 数据加载为ee.ImageCollection.
2. 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