目錄

1 代碼解析

2 完整代碼

3 運行結果

---

1 代碼解析

（1）定義研究區：

// 研究區的范圍需要自己提前上傳
var dataset = table;// 將研究區顯示在中心，后面的數字為縮放等級，范圍從1 - 24
Map.centerObject(dataset, 6);// 將圖層添加到地圖中
Map.addLayer(dataset);// 打印數據集信息
print(dataset);

（2）導入地表溫度數據：

本文采用的地表溫度數據為MOD11A2 V6.1地表溫度產品，其包含2000年至今全球的地表溫度數據，時間分辨率為8天，空間分辨率為1km。

// 定義 MODIS 地表溫度影像集
var modis = ee.ImageCollection('MODIS/061/MOD11A2');// 定義起始日期
var start = ee.Date('2019-01-01');// 定義日期范圍，從起始日期開始，持續 1 年
var dateRange = ee.DateRange(start, start.advance(1, 'year'));// 根據日期范圍篩選影像集
var mod11a2 = modis.filterDate(dateRange);// 從篩選后的影像集中選擇日間地表溫度波段
var modLSTday = mod11a2.select('LST_Day_1km');

（3）轉換溫度單位：

由于MOD11A2 V6.1地表溫度產品的單位為開爾文，所以需要將其轉化成攝氏度。

// 對 modLSTday 影像集里的每張影像進行處理
var modLSTc = modLSTday.map(function(img) {// 將影像乘以 0.02// 再減去 273.15，實現溫度從開爾文轉換為攝氏度// 最后復制原影像的 'system:time_start' 屬性return img.multiply(0.02).subtract(273.15).copyProperties(img, ['system:time_start']);
});

（4）數據可視化：

// 計算 modLSTc 影像集的均值，并將其裁剪到研究區范圍內
var clippedLSTc = modLSTc.mean().clip(dataset);// 將裁剪后的均值影像添加到地圖中
Map.addLayer(clippedLSTc,{// 影像顯示的最小值min: 0,// 影像顯示的最大值max: 35,// 影像顯示的顏色映射，從藍色到紅色palette: ['blue', 'limegreen', 'yellow', 'darkorange', 'red']},// 圖層名稱'Mean temperature, 2019'
);

（5）導出數據：

將數據導入到Google Drive中，若有進一步處理的需要可從Google Drive中下載。

// 導出裁剪后的影像到 Google Drive
Export.image.toDrive({// 要導出的影像image: clippedLSTc,// 導出影像的描述信息description: 'LST_2019',// Google Drive 中存儲影像的文件夾名稱folder: 'my_folder',// 導出影像的區域范圍region: dataset,// 影像的空間分辨率（單位：米）scale: 1000,// 影像的坐標參考系統crs: 'EPSG:4326',// 允許處理的最大像素數maxPixels: 1e10
});

2 完整代碼

// 研究區的范圍需要自己提前上傳
var dataset = table;// 將研究區顯示在中心，后面的數字為縮放等級，范圍從1 - 24
Map.centerObject(dataset, 6);// 將圖層添加到地圖中
Map.addLayer(dataset);// 打印數據集信息
print(dataset);// 定義 MODIS 地表溫度影像集
var modis = ee.ImageCollection('MODIS/061/MOD11A2');// 定義起始日期
var start = ee.Date('2019-01-01');// 定義日期范圍，從起始日期開始，持續 1 年
var dateRange = ee.DateRange(start, start.advance(1, 'year'));// 根據日期范圍篩選影像集
var mod11a2 = modis.filterDate(dateRange);// 從篩選后的影像集中選擇日間地表溫度波段
var modLSTday = mod11a2.select('LST_Day_1km');// 對 modLSTday 影像集里的每張影像進行處理
var modLSTc = modLSTday.map(function(img) {// 將影像乘以 0.02// 再減去 273.15，實現溫度從開爾文轉換為攝氏度// 最后復制原影像的 'system:time_start' 屬性return img.multiply(0.02).subtract(273.15).copyProperties(img, ['system:time_start']);
});// 計算 modLSTc 影像集的均值，并將其裁剪到研究區范圍內
var clippedLSTc = modLSTc.mean().clip(dataset);// 將裁剪后的均值影像添加到地圖中
Map.addLayer(clippedLSTc,{// 影像顯示的最小值min: 0,// 影像顯示的最大值max: 35,// 影像顯示的顏色映射，從藍色到紅色palette: ['blue', 'limegreen', 'yellow', 'darkorange', 'red']},// 圖層名稱'Mean temperature, 2019'
);// 導出裁剪后的影像到 Google Drive
Export.image.toDrive({// 要導出的影像image: clippedLSTc,// 導出影像的描述信息description: 'LST_2019',// Google Drive 中存儲影像的文件夾名稱folder: 'my_folder',// 導出影像的區域范圍region: dataset,// 影像的空間分辨率（單位：米）scale: 1000,// 影像的坐標參考系統crs: 'EPSG:4326',// 允許處理的最大像素數maxPixels: 1e13
});

3 運行結果