基于 Google Earth Engine 的 NDVI 交互式时序分析与可视化工具，支持长时间序列植被动态监测与空间趋势制图。

主要功能说明

• 数据预处理：自动获取 Landsat 8 表面反射率数据，并通过 QA 波段进行云和阴影像素的掩膜处理，提升数据质量。
• NDVI 计算：利用红光波段（SR_B4）与近红外波段（SR_B5）计算归一化植被指数。
• 趋势空间制图（Trend Map）：采用线性回归模型拟合每个像元在时间序列上的 NDVI 变化斜率，生成区域尺度的趋势分布图，直观展示绿化或退化区域。
• 交互式时序图表（UI 面板）：用户可在地图上任意点击选取位置，右侧界面将实时绘制该点的多年 NDVI 动态曲线，并叠加趋势拟合直线，便于局部精细化分析。

可通过界面右下角的控件对图像进行放大操作。该可视化结果适用于科研用途，且支持导出多种图像格式以满足不同需求。

多图层显示说明

系统默认加载以下多个图层，用户可自由切换查看：

• Selected Point：用于标识当前选中的地理位置，通常以红色标记呈现，方便定位分析点。
• NDVI Trend Slope：基于时间序列回归得出的每年 NDVI 变化速率图，反映植被长期变化趋势（单位：NDVI/年），常用线性回归或 Mann-Kendall 方法计算。
• NDVI Mean (Avg)：多年平均 NDVI 分布图，体现研究区整体植被覆盖水平；图中彩色渲染部分即为此图层内容。
• Boundary Outline：导入的研究区域边界轮廓，一般由 Shapefile 或 FeatureCollection 构建而成，在地图中以白色或黑色边框形式显示。

GEE JavaScript 代码实现

请将以下脚本直接粘贴至 Google Earth Engine Code Editor 中运行执行。

注意：需修改如下行中的路径为你账户下实际存在的矢量资产路径：
var table = ee.FeatureCollection("projects/maxhecheng/assets/TPBoundary_HF");

/**
* 基于 GEE 的 NDVI 交互式时序可视化与趋势分析工具
* 修改版：使用自定义 Asset 边界
*/
// --- 1. 参数设置 ---
var startDate = '2015-01-01';
var endDate = '2023-12-31';

// 【修改点 1】加载你的自定义 Asset 边界
// 请确保该路径在你的 Assets 选项卡中真实存在且有读取权限
var table = ee.FeatureCollection("projects/maxhecheng/assets/TPBoundary_HF");
var aoi = table.geometry();

// 让地图中心自动定位到你的边界
Map.centerObject(aoi);

// --- 2. 核心函数 (保持不变) ---

// 2.1 Landsat 8 去云与缩放因子校正函数
function preprocessL8(image) {
  var qa = image.select('QA_PIXEL');
  var mask = qa.bitwiseAnd(1 << 3).eq(0)
               .and(qa.bitwiseAnd(1 << 4).eq(0));
  var opticalBands = image.select('SR_B.').multiply(0.0000275).add(-0.2);
  return image.addBands(opticalBands, null, true).updateMask(mask);
}

// 2.2 计算 NDVI 函数
function addNDVI(image) {
  var ndvi = image.normalizedDifference(['SR_B5', 'SR_B4']).rename('NDVI');
  return image.addBands(ndvi).copyProperties(image, ['system:time_start']);
}

// --- 3. 数据加载与处理 ---
var l8Col = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2')
  // 【修改点 2】这里不再使用 Map.getBounds()，而是直接过滤你的 aoi 范围
  .filterBounds(aoi)
  .filterDate(startDate, endDate)
  .map(preprocessL8)
  .map(addNDVI);

// --- 4. 空间趋势分析 (Linear Regression) ---
var collectionForTrend = l8Col.map(function(image) {
  var date = image.date();
  var years = date.difference(ee.Date('1970-01-01'), 'year');

返回图像并添加年份波段（重命名为 't' 并转换为浮点型）：

return image.addBands(ee.Image(years).rename('t').float());

对时间序列集合进行趋势分析，选取 't' 和 'NDVI' 波段，使用线性拟合方法计算斜率：

var trend = collectionForTrend.select(['t', 'NDVI']).reduce(ee.Reducer.linearFit());

地图可视化设置

设定地图底图样式为混合模式（HYBRID），增强地形与影像的可读性。

Map.setOptions('HYBRID');

对 NDVI 均值结果进行区域裁剪，确保显示范围仅限于指定的研究区边界（aoi）：

var ndviMean = l8Col.select('NDVI').mean().clip(aoI);

配置 NDVI 可视化参数，设定数值范围与颜色梯度方案：

var ndviVis = {min: 0, max: 0.8, palette: ['white', 'yellow', 'green', 'darkgreen']};

添加研究区域边界轮廓图层（红色空心线），便于识别分析范围：

Map.addLayer(ee.Image().paint(table, 0, 2), {palette: 'red'}, 'Boundary Outline');

将处理后的 NDVI 平均值图层加载至地图，图层默认不启用：

Map.addLayer(ndviMean, ndviVis, 'NDVI Mean (Avg)', false);

对趋势分析结果中的斜率部分进行可视化，并同样执行区域裁剪操作：

var slopeVis = {min: -0.05, max: 0.05, palette: ['red', 'white', 'green']};
Map.addLayer(trend.select('scale').clip(aoi), slopeVis, 'NDVI Trend Slope');

交互式用户界面构建

创建一个固定在地图右下角的面板，宽度设为 400px，用于展示分析结果和交互控件：

var panel = ui.Panel();
panel.style().set({width: '400px', position: 'bottom-right'});
Map.add(panel);

在面板中添加标题标签，设置字体大小与加粗样式：

var title = ui.Label({value: 'NDVI 时序分析工具', style: {fontSize: '20px', fontWeight: 'bold'}});
panel.add(title);

添加说明文字，提示用户可通过点击地图查看任意位置的 NDVI 变化情况：

panel.add(ui.Label('点击地图任意位置查看该点的 NDVI 变化趋势。'));

绑定地图点击事件，获取坐标点后动态生成时间序列图表：

Map.onClick(function(coords) {
  var point = ee.Geometry.Point(coords.lon, coords.lat);
  panel.widgets().set(2, ui.Label('正在计算图表...'));
  var dot = ui.Map.Layer(point, {color: 'red'}, 'Selected Point');
  Map.layers().set(3, dot);
  var chart = ui.Chart.image.series({
    imageCollection: l8Col.select('NDVI'),
    region: point,
    reducer: ee.Reducer.mean(),
    scale: 30
  }).setOptions({
    title: 'NDVI 变化 (2015-2023)',
    vAxis: {title: 'NDVI', viewWindow: {min: -0.2, max: 1}},
    lineWidth: 1,
    pointSize: 3,
    trendlines: { 0: {type: 'linear', color: 'red', visibleInLegend: true} }
  });
  panel.widgets().set(2, chart);
});

设置鼠标指针样式为十字光标，提升空间选择的直观性：

Map.style().set('cursor', 'crosshair');

核心算法解析

1. NDVI 计算公式

采用标准归一化植被指数公式进行计算：

NDVI = (NIR - Red) / (NIR + Red)

在 Landsat 8 Collection 2 数据集中，近红外波段对应

SR_B5

，红光波段对应

SR_B4

。代码通过

normalizedDifference

函数完成波段运算。

2. 云掩膜处理（去云策略）

利用

QA_PIXEL

方法对影像进行质量控制，有效剔除受云层影响的像素，提升时间序列数据的可靠性。

3. 趋势分析 (Trend Analysis)

本研究采用了两种趋势分析方法，用于揭示植被变化的时空特征：

空间趋势（Spatial Map）

通过计算每个像元的线性趋势斜率，生成空间分布图。

ee.Reducer.linearFit()

在该图中，“Scale”（斜率）值以颜色表示：

• 正值（绿色区域）：表明 NDVI 随时间上升，反映植被覆盖状况改善；
• 负值（红色区域）：表示 NDVI 下降，意味着植被出现退化现象。

此图层默认加载于地图视图中，可直观识别区域内植被变好或变差的空间格局。

图表趋势（Chart Trendline）

该功能基于最小二乘法对时间序列点数据进行线性拟合，并展示 R 值（决定系数），用以评估趋势线的拟合程度。

ui.Chart

用户可通过以下方式触发图表生成：

.setOptions({trendlines: ...})

4. 交互逻辑（UI）

系统设计了动态交互机制，提升数据探索体验：

Map.onClick

这是一个事件监听模块。当用户在地图上点击时，系统会捕获所选位置的地理坐标，并据此创建一个采样点。

ee.Geometry.Point

随后，系统将利用该点位信息从影像集合（ImageCollection）中提取对应的 NDVI 时间序列数据，并绘制趋势图表。

ui.Panel

图表结果显示在界面右下角的侧边栏容器中，避免遮挡底图，确保地图与数据分析同步可视。

使用说明

运行代码

点击代码编辑器顶部的 “Run” 按钮执行脚本。

查看地图结果

执行后，地图将自动加载两个图层，其中顶层显示的是 “NDVI Trend Slope” 分布情况。

• 绿色区域：表示研究期间内植被状况持续向好；
• 红色或白色区域：指示植被减少或基本无显著变化。

进行交互操作

完成运行后，鼠标指针将变为“十字丝”样式，表示已进入交互模式。

1. 在地图上选择任意感兴趣区域（如森林地带、城市边缘等）点击；
2. 系统将在右下角面板中自动生成对应点位的 NDVI 时间序列图；
3. 图中绿线代表实际观测到的 NDVI 波动情况；
4. 红线则表示整体的线性变化趋势。