AI Earth ——开发者模式案例4：浙江省森林区域植被生长分析

本文主要是介绍AI Earth ——开发者模式案例4：浙江省森林区域植被生长分析，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

浙江省森林区域植被生长分析¶

利用 Modis MCD12Q1 地物分类数据产品和 MODIS MOD13Q1 16天标准植被指数产品。通过对 2021 年 8 月植被指数最大值与近 3 年同期指数 8 月最大值的 3 年均值进行对比，实现对浙江省森林区域植被的空间监测。

初始化环境¶

import aieaie.Authenticate()
aie.Initialize()

定义矢量区域¶

region = aie.FeatureCollection('China_Province') \.filter(aie.Filter.eq('province', '浙江省')) \.geometry()map = aie.Map(center=region.getCenter(),height=800,zoom=5
)vis_params = {'color': '#00FF00'
}
map.addLayer(region,vis_params,'region',bounds=region.getBounds()
)
map

获取森林区域掩膜¶

引用 Modis MCD12Q1 地物分类数据产品，其中 LC_Type1 中数值 1-5 为不同类型的森林植被，通过 aie.Image.lt 实现 2020 年森林植被覆盖地区提取。并将提取到的数据进行地图可视化显示。

LC_Dataset = aie.ImageCollection('MODIS_MCD12Q1_006') \.filterDate('2020-05-01', '2020-05-31')
imgs = LC_Dataset.select(['LC_Type1']).first().clip(region)forest = imgs.lt(aie.Image.constant(6))   # Modis MCD12Q1 1-5为不同类型的森林vis_params = {'bands': 'LC_Type1','min': 1,'max': 17,'palette': [ '#05450a', '#086a10', '#54a708', '#78d203', '#009900', '#c6b044', '#dcd159', '#dade48', '#fbff13', '#b6ff05', '#27ff87', '#c24f44', '#a5a5a5', '#ff6d4c', '#69fff8', '#f9ffa4', '#1c0dff']
}forest_vis = {'bands': 'LC_Type1','min': 0,'max': 1,'palette': [ '#ffffff', '#4fb104']
}map.addLayer(imgs,vis_params,'LC_data',bounds=region.getBounds()
)map.addLayer(forest,forest_vis,'Forest',bounds=region.getBounds()
)
map

植被生长对比¶

使用 MODIS MOD13Q1 16天标准植被指数产品，利用 aie.ImageCollection.max 获得 2018、2019、2020年、2021 年逐年 8 月 NDVI 最大值，并计算 2018-2020 年 3 年的均值（ aie.ImageCollection.mean ），对比 2021 年与过去3年同期均值的比较，应用 updateMask 函数进行森林地区掩膜，确定 2021 年浙江森林植被生长状态。并将最终成果进行地图可视化显示。

ndvi_vis  = {'bands': 'NDVI','min': 0,'max': 8000,'palette': [ '#FFFFFF', '#CE7E45', '#DF923D', '#F1B555', '#FCD163', '#99B718','#74A901', '#66A000', '#529400', '#3E8601', '#207401', '#056201','#004C00', '#023B01', '#012E01', '#011D01', '#011301']
}ndvi_dif_vis = {'min': -1000,'max': 1000,'palette': ['#d7191c', '#ffffff', '#008000']
}map.addLayer( ndvi_avg, ndvi_vis,  'NDVI', bounds=region.getBounds() )map.addLayer( ndvi_dif_forest, ndvi_dif_vis, 'NDVI_dif_forest',  bounds=region.getBounds())map

备注：本案例中仅取2020年森林分类成果作为掩膜文件，仅作为做算子应用介绍，数据成果合理性不做保证。