GEE 学习笔记 十六：哨兵2的NDWI指数计算

这一篇文章说一下使用哨兵2的影像计算NDWI，代码在之前基本上都讲过。这里主要加入了哨兵2的去云处理，方法是使用自带的QA波段，然后就是计算NDWI使用的是GEE封装好的函数。这篇算是关于指数计算的一个完结篇吧，更多指数计算方式在后续实际运用中遇到的话会不断加入。

// sentinel2 ndwi
//哨兵2去云处理
var s2_rmcloud = function(image) {
 var quality = image.select("QA60").unmask();
 return image.updateMask(quality.eq(0));
};


//在原影像中加入一个新的波段，命名为NDWI

var s2_ndwi = function(image) {
 return image.addBands(image.normalizedDifference(["B3", "B8"]).rename("NDWI"));
};

//sentinel2 and roi 过滤筛选哨兵2影像
var s2_col = ee.ImageCollection("COPERNICUS/S2");
var roi = ee.Geometry.Point([117.0703125,38.09133660751176]);


var s2_nocloud = s2_col.map(s2_rmcloud)
                       .filterBounds(roi)
                       .filterDate("2017-01-01", "2017-09-24");
var ndwi = s2_nocloud.map(s2_ndwi).select("NDWI").reduce(ee.Reducer.mean());


var visParam = {
 min: -0.5,
 max: 0.5,
 palette: ['00FFFF', '0000FF']
};
Map.addLayer(ndwi, visParam, "ndwi");
Map.centerObject(roi, 9);

//展示关心区域roi在1.1-9.23日之间的的NDWI值序列
var ndwi_list = s2_nocloud.filterDate("2017-01-01", "2017-09-23")
   .map(function(image) {
   var ndwi = image.normalizedDifference(['B3', 'B5']).rename('NDWI');
   return image.addBands(ndwi);
});
var chart1 = ui.Chart.image.series({
 imageCollection: ndwi_list.select('NDWI'),
 region: roi,
 reducer: ee.Reducer.mean(),
 scale: 30
}).setOptions({title: 'NDWI IMAGE SERIES'});
print(chart1);


var chart2 = ui.Chart.image.doySeries({
 imageCollection: ndwi_list.select('NDWI'),
 region:roi,
 regionReducer: ee.Reducer.mean(),
 scale:30
}).setOptions({title: "ROI NDWI EACH DAY SERIES"})
print(chart2)

结果：

NDWI值序列：