Google Earth Engine——MODSI EVI指数数据的时间序列拟合一个一阶谐波模型（线性回归）的案例分析

这个脚本的目的是对MODSI EVI数据的时间序列拟合一个一阶谐波模型。线性回归还原器被用来估计谐波项和数据的长期趋势。
 

  

   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      var c = ee.ImageCollection('MODIS/006/MOD13A1').select('EVI');
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      // 一个函数，根据从图像元数据中提取的场景开始时间计算自变量（即一阶傅里叶模型加线性模型）。
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      // 线性回归还原器（下文）希望看到带有所有自变量和所有因变量值的图像。 在这种情况下，所有的自变量都是纯粹从图像元数据中提取的，因此在不同的像素上是恒定的 在不同的像素中是恒定的。
     
    
   

    

     

    
    

     

      function addIndependentVariables(image) {
     
    
   

    

     

    
    

     
  // 从影像中获取开始的系统时间
     
    
   

    

     

    
    

     
  var date = ee.Date(image.get('system:time_start'));
     
    
   

    

     

    
    

     
  var phase = date.getFraction('year').multiply(2 * Math.PI);
     
    
   

    

     

    
    

     
  var sin = phase.sin();
     
    
   

    

     

    
    

     
  var cos = phase.cos();
     
    
   

    

     

    
    

     
  var time = date.difference(ee.Date('2000-01-01'), 'year');
     
    
   

    

     

    
    

     
  // 将四个自变量组装成图像波段，是双精度型。
     
    
   

    

     

    
    

     
  var independent = ee.Image([sin, cos, time, 1]).double();
     
    
   

    

     

    
    

     
  // 将输入图像中的 "EVI "作为最后一个波段。
     
    
   

    

     

    
    

     
  return independent.addBands(image);
     
    
   

    

     

    
    

     

      }
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      // 进行线性回归，返回一个数组值的图像，然后将其扩展为一个四段式图像 以方便以后使用。
     
    
   

    

     

    
    

     

      var regression = c.map(addIndep
     
    
  
 

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/120707335