gee多年平均降水栅格

Question

利用gee计算特定区域的多年平均降水量栅格图，最好是5年，且能在图上显示

Answer 1

上午好☀️☀️☀️️
本答案参考通义千问

要使用Google Earth Engine (GEE) 计算特定区域的多年平均降水量栅格图（例如5年的平均），并在地图上显示，可以按照以下步骤进行。我们将以CHIRPS降水数据集为例，这是一个常用的全球降水数据集。

---

✅ 1. 目标说明

• 目的：计算指定区域（如某个国家或流域）的5年平均降水量，并生成一个栅格图像。
• 工具：Google Earth Engine (GEE)
• 数据源：CHIRPS (Climate Hazards Group Infrared Precipitation with Station data)
• 输出：一个包含5年平均降水量的栅格图像，并在地图上可视化。

---

✅ 2. 关键步骤详解

步骤一：加载CHIRPS数据集

var dataset = ee.ImageCollection("UCSB/CHIRPS/PENTAD");

注意：PENTAD 是每5天的数据，适合用于中长期分析（比如5年）。

步骤二：定义时间范围

var startYear = 2018;
var endYear = 2023; // 5年

// 将年份转换为日期
var startDate = ee.Date.fromYMD(startYear, 1, 1);
var endDate = ee.Date.fromYMD(endYear, 12, 31);

重点：确保时间范围覆盖完整的5年数据。

步骤三：过滤时间范围内的数据

var filtered = dataset.filterDate(startDate, endDate);

步骤四：计算年度总和

var annualSums = filtered.map(function(image) {
  var year = image.date().get('year');
  return image.select('precipitation').multiply(100).rename('precipitation'); // 转换单位（mm）
});

说明：CHIRPS数据通常以毫米为单位，乘以100是为了更清晰地显示（可选）。

步骤五：按年聚合数据

var yearlySum = annualSums.reduce(ee.Reducer.sum());

重点：使用 reduce(ee.Reducer.sum()) 来汇总每年的降水数据。

步骤六：计算5年平均值

var meanImage = yearlySum.divide(5); // 5年平均

---

✅ 3. 选择感兴趣区域（ROI）

你可以通过绘制多边形、导入GeoJSON文件或使用已知的地理边界来定义ROI。

var roi = ee.FeatureCollection("FAO/GAUL/2015/level2").filterMetadata('ADM0_NAME', 'equals', 'China');

重点：FAO/GAUL 是一个常用的世界国家边界数据集，可用于定义区域。

---

✅ 4. 裁剪图像到ROI

var clipped = meanImage.clip(roi);

重点：这一步将图像限制在你感兴趣的区域内，避免不必要的计算。

---

✅ 5. 可视化图像

Map.centerObject(roi, 4);
Map.addLayer(clipped, {min: 0, max: 200, palette: ['blue', 'green', 'yellow', 'red']}, '5-Year Average Precipitation');

重点：palette 可根据需要调整颜色，表示不同降水量等级。

---

✅ 6. 导出图像（可选）

如果你想将结果导出为GeoTIFF文件，可以使用如下代码：

Export.image.toDrive({
  image: clipped,
  description: '5_year_avg_precipitation',
  folder: 'GEE_Exports',
  fileNamePrefix: 'chirps_5_year_avg',
  region: roi.geometry(),
  scale: 5000,
  crs: 'EPSG:4326',
  maxPixels: 1e10
});

重点：确保 region 和 scale 参数与你的需求匹配。

---

✅ 7. 完整代码示例

// 加载数据集
var dataset = ee.ImageCollection("UCSB/CHIRPS/PENTAD");

// 定义时间范围
var startYear = 2018;
var endYear = 2023;
var startDate = ee.Date.fromYMD(startYear, 1, 1);
var endDate = ee.Date.fromYMD(endYear, 12, 31);

// 过滤数据
var filtered = dataset.filterDate(startDate, endDate);

// 按年求和
var annualSums = filtered.map(function(image) {
  var year = image.date().get('year');
  return image.select('precipitation').multiply(100).rename('precipitation');
});

// 年度总和
var yearlySum = annualSums.reduce(ee.Reducer.sum());

// 计算5年平均
var meanImage = yearlySum.divide(5);

// 定义ROI（以中国为例）
var roi = ee.FeatureCollection("FAO/GAUL/2015/level2").filterMetadata('ADM0_NAME', 'equals', 'China');

// 裁剪图像
var clipped = meanImage.clip(roi);

// 可视化
Map.centerObject(roi, 4);
Map.addLayer(clipped, {min: 0, max: 200, palette: ['blue', 'green', 'yellow', 'red']}, '5-Year Avg Precipitation');

// 导出（可选）
Export.image.toDrive({
  image: clipped,
  description: '5_year_avg_precipitation',
  folder: 'GEE_Exports',
  fileNamePrefix: 'chirps_5_year_avg',
  region: roi.geometry(),
  scale: 5000,
  crs: 'EPSG:4326',
  maxPixels: 1e10
});

---

✅ 8. 注意事项

• 数据分辨率：CHIRPS数据的空间分辨率为0.05°（约5.6公里），适合区域级分析。
• 时间粒度：PENTAD（5天）数据更适合长期趋势分析。
• ROI精度：建议使用高精度的边界数据（如FAO/GAUL）以提高准确性。
• 导出设置：确保 maxPixels 设置足够大，否则可能因像素数过多而失败。

---

✅ 9. 总结

| 步骤 | 内容 | |------|------| | 1 | 加载CHIRPS数据集 | | 2 | 定义时间范围 | | 3 | 过滤数据 | | 4 | 按年求和 | | 5 | 计算5年平均 | | 6 | 定义ROI并裁剪 | | 7 | 可视化结果 | | 8 | 导出图像（可选） |

---

如果你有具体区域（如某个省或市），也可以提供坐标或GeoJSON文件，我可以帮你修改代码以适应你的需求。