我有自己的区域projects/ee-szitong923/assets/SETP_Boundary

你可以将自己的区域 `projects/ee-szitong923/assets/SETP_Boundary` 应用于地球引擎分析中。这是一个存储在 Google Earth Engine (GEE) 资产管理器中的矢量文件（通常是 GeoJSON 或 Shapefile 格式），表示特定的研究区域或兴趣区（AOI）。下面是如何将该资产加载并应用到数据分析中的详细介绍。 --- ### 加载自定义区域并应用于分析 #### 步骤 1：加载你的资产 首先，你需要通过其路径引用这个资产。假设它是一个 FeatureCollection 类型的数据，可以使用以下代码将其加载： ```javascript // 加载你自己的 AOI 区域 var studyArea = ee.FeatureCollection("projects/ee-szitong923/assets/SETP_Boundary"); Map.addLayer(studyArea, {}, "Study Area"); // 添加图层以便查看 Map.centerObject(studyArea); // 自动聚焦到研究区域 ``` 这一步会将你的 `SETP_Boundary` 显示在地图上，并设置为当前视图的中心。 --- #### 步骤 2：过滤数据集以匹配你的区域 接下来，我们可以基于此区域筛选遥感影像、气象数据等其他类型的 GEE 数据库资源。例如，如果你想对区域内所有 MODIS 地表温度产品进行时间序列分析，则可以用如下脚本实现： ```javascript // 获取 MODIS LST 日间产品 var modisLst = ee.ImageCollection('MODIS/061/MOD11A1') .filterBounds(studyArea) // 只保留与studyArea相交的部分 .select('LST_Day_1km') // 选择日间的地表温度波段 .map(function(img){ return img.clip(studyArea); // 剪裁每张图片至边界内 }); print(modisLst.limit(5)); // 打印前五项检查结果是否正常 ``` 在这里我们做了两件事情： - 使用了 `.filterBounds()` 来保证只选取覆盖研究区域的影像； - 对每幅影像进行了地理范围上的剪切操作(`img.clip()`) ，确保后续计算集中在指定范围内完成。 --- #### 步骤 3：执行空间统计及导出成果 最后，通常还需要对该区域内的一些指标做汇总或是逐像元的时间序列提取等工作。比如求每个月的地均温均值并将它们保存下来： ```javascript // 定义一个函数来按月聚合平均气温 function monthlyMean(collect){ var months = ee.List.sequence(1,12); def montlhyMeans = months.map(function(mo){ var start = ee.Date.fromYMD(2001, mo, 1); var end = start.advance(1,'month'); return collect.filterDate(start,end) .mean() .set('month',mo.toString()); }); return ee.ImageCollection(monthlyMeans.flatten()); } var avgMonthlyTemp = monthlyMean(modisLst); Export.image.toDrive({ image: avgMontlhyTemp.select(0), description:'Avg_Month_Temp', folder:"Earth_Engine", region:studyArea.geometry(), scale:1000, maxPixels:1e13 }); ``` 在这个例子中，我们将原始每日数据按照月份分组取平均值得到了一个新的 Image Collection 。然后再次运用 Export 工具将最终生成的结果下载成 TIF 文件存放到谷歌云盘里供离线查阅。 ---