Nghiên cứu ứng dụng công nghệ địa không gian trong quản lý tài nguyên rừng tại khu vực Vườn Quốc gia Nam Ka Đinh, nước Cộng hòa Dân chủ Nhân dân Lào - 23




STT

Tọa độ

X

Y

58

749.245

1.836.427

59

760.867

1.811.492

60

723.713

1.815.323

61

763.133

1.817.111

62

760.474

1.815.992

63

760.036

1.808.983

64

760.528

1.818.174

65

720.877

1.814.194

66

750.170

1.835.295

67

747.055

1.833.953

68

764.425

1.809.212

69

748.606

1.834.386

70

761.364

1.817.111

71

738.745

1.793.443

72

747.321

1.830.329

73

758.447

1.818.616

74

752.213

1.802.063

75

751.651

1.802.445

76

743.730

1.832.676

Có thể bạn quan tâm!

Xem toàn bộ 193 trang tài liệu này.

Nghiên cứu ứng dụng công nghệ địa không gian trong quản lý tài nguyên rừng tại khu vực Vườn Quốc gia Nam Ka Đinh, nước Cộng hòa Dân chủ Nhân dân Lào - 23




STT

Tọa độ

X

Y

77

752.234

1.802.773

78

767.603

1.811.894

79

759.670

1.813.197

80

746.687

1.830.145


Phụ biểu 8.

var table = ee.FeatureCollection("users/NamKading/NamKading"), table2 = ee.FeatureCollection("users/NamKading/Study_area");


var tools = require('users/fitoprincipe/geetools:tools'); var Don_vi_hanh_chinh = table2;

var rung = table


// Chọn thời gian quan tâm:


var startdate = '2016-01-01'; var enddate = '2019-12-31';


var start1 = '2016-01-29'; var end1 = '2016-01-31';


var start2 = '2019-12-29'; var end2 = '2019-12-31'


function maskS2clouds(image) { var qa = image.select('QA60');

// Bits 10 and 11 are clouds and cirrus, respectively. var cloudBitMask = 1 << 10;

var cirrusBitMask = 1 << 11;

// Both flags should be set to zero, indicating clear conditions. var mask = qa.bitwiseAnd(cloudBitMask).eq(0).and(

qa.bitwiseAnd(cirrusBitMask).eq(0));

// Return the masked and scaled data, without the QA bands. return image.updateMask(mask).divide(10000)


.select("B.*")

.copyProperties(image, ["system:time_start"]);

}

// Select the Sentinel-2 collection-image (ID: COPERNICUS/S2_SR)- Product L2 level BOA

// and filter it by date, Don_vi_hanh_chinh and select all bands and aplying cloud mask var CoimbraBOAS2 = ee.ImageCollection('COPERNICUS/S2_SR')

.filterDate(startdate, enddate) // Put one day more


select('B1','B2','B3','B4','B5','B6','B7','B8','B8A','B9','B11','B12','AOT','WVP','SCL','TCI_ R','TCI_G','TCI_B','QA10','QA20','QA60')

// Pre-filter to get less cloudy granules.

.filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20))

.filterBounds(Don_vi_hanh_chinh)

.map(maskS2clouds);

// Add NDVI, NBR, and NDVI + ARVI to collection var S2 = CoimbraBOAS2.map(function(image) {


image = image.float();

var ndvi = image.normalizedDifference(['B8', 'B4']).float().rename('ndvi'); var nbr = image.normalizedDifference(['B8', 'B12']).float().rename('nbr'); var arvi = image.expression(//Atmospherically Resistant Vegetation Index// '(NIR - (2 * RED) + BLUE)/(NIR + (2 * RED) + BLUE)',{

'NIR': image.select('B8'),

'RED': image.select('B4'),

'BLUE':image.select('B2')

}).float().rename('arvi');


return image.addBands(ndvi).addBands(nbr).addBands(arvi);

});

print(S2);

/////////////////////////////////////////////////////////////////////////


// For exporting individual scenes run the code below:

var myImagesList = S2.toList(1000); //Make this number larger than how many images you expect

print('S2_Images',S2);

var imageIDs = myImagesList.map(function(img){ img = ee.Image(img);

return img.get('system:index');

});

print(imageIDs); imageIDs.evaluate( function(imageIDsClient) {

imageIDsClient.map(function(ID){

var img = S2.select('ndvi', 'nbr','arvi').filter(ee.Filter.equals('system:index',ID)); img = ee.Image(img.first());

Export.image.toDrive({ image: img.float(), description: ID, maxPixels: 1e13,

crs: 'EPSG:4326',

scale: 10, // Set this to resolution (in meters) you want for image region: Don_vi_hanh_chinh

});

});

}

);

var myMosaicS2 = S2.mosaic().select('ndvi','nbr','arvi').float(); print('MosaicS2',myMosaicS2);

///////////////////////////////////////////////

..... Xem trang tiếp theo?
⇦ Trang trước - Trang tiếp theo ⇨

Ngày đăng: 11/02/2023