GEE学习笔记八十二：湖北旱情分析（2019年8月-9月）-白红宇

GEE学习笔记八十二：湖北旱情分析（2019年8月-9月）

阅读量：4072 次

发布时间：2019-05-25

本文共 2550 字，大约阅读时间需要 8 分钟。

这个内容本来在前两周就已经写完了，只不过由于家里突发各种事情，先是老人过世，接着就是媳妇和儿子同时生病住院，各种事情忙了两周多的时间，今天就将这篇内容补充发布出来。

学习GEE不光是学习使用这一个工具，最重要的是将它运用到我们的工作生活中，利用它来验证我们遇到的各种问题，通过实践练习来加深我们对我们所学习知识的认识。在9月份我看到一篇新闻报道，原文如下：

2019年8月1日至9月15日，湖北平均雨量为近53年来同期最少，仅69.4毫米。尤其是中东部地区降水异常偏少，一个半月里大多数地方的累计降水量均不足70毫米，其中洪湖、英山降水仅4毫米。鄂西东部一直到鄂东地区的降水量均比常年同期偏少6成～9成，黄冈、武汉、黄石、咸宁等地偏少8成以上。8月以来，湖北中东部地区始终没有出现有效降水，加上今年高温天气持续时间长，进一步加剧土壤水分蒸发，导致该省中东部地区的气象干旱持续发展加重。

来源：

我们接下来就用GEE结合气象数据来做一个简单的数据分析，看看目前湖北干旱程度到底如何？

一、寻找合适的数据源

这里用到的主要是气象数据，我这里使用的是NOAA的CFSV2这个6小时的气象数据：CFSV2: NCEP Climate Forecast System Version 2, 6-Hourly Products（），主要用到的波段是降雨量波段和气温波段。

二、加载处理数据

处理降雨数据和气温数据有些不太一样，降雨数据需要计算在时间段内的降雨总量，而气温我们寻找的是最高气温。气温计算比较简单我就不做代码展示，这里我简单展示一下如何计算降雨总量。

//imgCol就是影像集合，其中pre为降雨量波段var preImgCol = imgCol.select("pre");//使用join将影像集合合并为每日数据var join = ee.Join.saveAll("matches");var filter = ee.Filter.equals({  leftField: "date",  rightField: "date"});var joinImgs = join.apply(preImgCol.distinct("date"), preImgCol, filter);var preImgs = joinImgs.map(function(image) {  var _imgList = ee.List(image.get("matches"));  var _tempCol = ee.ImageCollection.fromImages(_imgList);  //由于是6小时，所以时间需要计算6*60*60  var _dayImg = _tempCol.sum().clip(roi).multiply(6 * 60 * 60);  var _date = image.get("date");  _dayImg = _dayImg.set("system:time_start", ee.Date.parse("yyyy-MM-dd", _date).millis());  return _dayImg;});preImgs = ee.ImageCollection(preImgs);

三、分析展示结果

下面展示的是2019年8月1日到2019年9月15日湖北全省每日最高温度和降雨变化情况

每日最高温度，单位摄氏度

每日降雨量

总体状况

通过上面图表可以了解到这一个半月湖北一直是高温少雨的情况。接下来可以看一下空间分布图，可以明显看到在湖北东部，高温少雨干旱比较严重。

（1）最高温度分布图：

（2）降雨总量分布图

进一步我们统计一下各个市的状况：

（1）降雨量

（2）气温

四、对比历史数据

其中蓝色线是实际的情况，红色线是拟合的趋势线，使用的是GEE中linearFit()来做线下回归计算得到的结果，相关代码如下：

var dataList = yearImgs.reduceColumns(ee.Reducer.toList(2), ["year", "tem"])                       .get("list");dataList = ee.List(dataList);var result = dataList.reduce(ee.Reducer.linearFit());print("linear fit result", result);var offset = ee.Number(ee.Dictionary(result).get("offset"));var scale = ee.Number(ee.Dictionary(result).get("scale"));//计算预测数据dataList = dataList.map(function(data) {  data = ee.List(data);  var predict = ee.Number(data.get(0)).multiply(scale).add(offset);  data = data.add(predict);  return data;});

（1）对比40多年同时期的降雨数据