基于GEE实现NDVI的theil-sen分析

### 基于 Google Earth Engine (GEE) 的 NDVI Theil-Sen 趋势分析方法 Theil-Sen 方法是一种稳健的趋势估计技术，适用于时间序列数据分析。它通过计算每一对观测值之间的斜率并取中位数来确定整体趋势[^1]。这种方法能够有效减少异常值的影响。 以下是实现基于 GEE 平台的 NDVI 数据 Theil-Sen 趋势分析的具体方法和代码示例： #### 1. 加载 NDVI 时间序列数据 如果已有本地存储的 TIF 文件，则可以通过 `ee.ImageCollection.load` 或上传到资产的方式加载数据集；或者可以直接利用 GEE 中现有的 MODIS、Landsat 等卫星影像集合提取 NDVI 数据[^2]。 ```javascript // 定义研究区域（AOI） var aoi = ee.Geometry.Rectangle([70, 15, 140, 55]); // 示例范围为中国地区 // 使用 Landsat 8 影像作为输入数据源 var collection = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA') .filterBounds(aoi) .filterDate('2013-01-01', '2022-12-31'); // 计算 NDVI function addNDVI(image) { var ndvi = image.normalizedDifference(['B5', 'B4']).rename('NDVI'); return image.addBands(ndvi); } var withNDVI = collection.map(addNDVI).select('NDVI'); ``` #### 2. 构建年份列表并与图像匹配 为了应用 Sen 斜率算法，需创建对应的时间戳数组，并将其映射至每一幅影像上。 ```javascript // 获取年份数组 var years = ee.List.sequence(2000, 2022); // 将年份附加到每张影像上 var yearlyImages = ee.ImageCollection.fromImages( years.map(function(year){ var start = ee.Date.fromYMD(ee.Number.parse(year), 1, 1); var end = start.advance(1, 'year'); var annualImage = withNDVI.filterDate(start, end) .mean() .set('year', year); // 设置属性 return annualImage; }) ); ``` #### 3. 应用 Theil-Sen Slope 和 Mann-Kendall 检验 使用内置函数执行 Theil-Sen 分析以及 Mann-Kendall 统计测试以评估显著性水平。 ```javascript // 导入工具包用于 MK 测试 var mk = require('users/gena/packages:mk'); // 执行 Theil-Sen Trend Analysis var senSlope = mk.sensSlope(yearlyImages.select('NDVI'), 'year').clip(aoi); // 显示结果图层 Map.centerObject(aoi, 6); Map.addLayer(senSlope.updateMask(senSlope.gt(-0.001)), {min:-0.01,max:0.01}, 'Trend Magnitude'); // 添加 Mann Kendall Test 图层 var pValue = mk.mannKendallPvalue(yearlyImages.select('NDVI'), 'year').clip(aoi); Map.addLayer(pValue.updateMask(pValue.lte(0.05)), {min:0,max:0.05,palette:['blue']}, 'Significance Level'); ``` 上述脚本实现了完整的流程：从原始遥感数据处理得到年度均值 NDVI 到最终完成趋势检测与可视化输出。 --- ###