内容概要：本文是一段用于Google Earth Engine（GEE）平台的JavaScript代码脚本，主要实现了对研究区域（AOI）内2024年Landsat 8卫星影像的获取、预处理与分析。首先定义了一个地理范围矩形区域，随后加载了Landsat 8地表反射率数据集，并按空间范围、时间范围和云覆盖率进行筛选。接着通过自定义函数对影像应用缩放因子校正，生成中值合成影像并裁剪到研究区。在此基础上，计算归一化植被指数（NDVI）和归一化水体指数（NDWI），并对结果进行二值分类：NDVI ≥ 0.2 判定为植被，NDWI > 0.3 判定为水体。最后将原始影像、NDVI、NDWI及其分类掩膜可视化展示在地图上。; 适合人群：具备遥感基础知识和一定GEE平台操作经验的科研人员或学生，熟悉JavaScript语法者更佳；适用于地理信息、环境监测、生态评估等领域从业者。; 使用场景及目标：①实现遥感影像自动批量处理与指数计算；②开展植被覆盖与水体分布的快速提取与制图；③支持土地利用分析、生态环境变化监测等应用研究； 阅读建议：建议结合GEE平台实际运行该脚本，理解每一步的数据处理逻辑，可调整参数（如阈值、时间范围）以适应不同区域和研究需求，并扩展至多时相分析。

内容概要：本文档展示了如何利用Google Earth Engine（GEE）和geemap库来分析和可视化尼日利亚拉各斯海岸线在2016年和2024年之间的变化。首先初始化Earth Engine并定义感兴趣区域（拉各斯海岸线）。接着定义了一个计算归一化差异水体指数（NDWI）的函数，用于区分水体和其他地物。通过加载和过滤Sentinel-2卫星图像，分别获取2016年和2024年的NDWI图像。然后应用阈值提取水体掩膜，并将这些掩膜叠加到地图上进行可视化，使用不同颜色表示两个年份的水体分布情况。最后，导出变化检测图像到Google Drive，以便进一步分析海岸侵蚀情况。 适合人群：具有基本地理信息系统（GIS）知识和Python编程经验的研究人员或学生。 使用场景及目标：①研究特定区域内的水体变化，如海岸线侵蚀或湖泊面积变化；②学习如何使用Google Earth Engine和geemap库处理遥感数据；③掌握基于NDWI的水体提取方法及其应用。 阅读建议：读者应熟悉Python编程语言以及遥感基础知识，在阅读过程中可以尝试运行代码片段并调整参数以加深理解。同时，可以通过查阅相关文献来补充对NDWI的理解。

包含功能：a) 读取Landsat-5卫星遥感影像；b) 图形显示遥感影像读取结果；c) NDVI或NDWI计算及结果输出；d) 自定义RGB输出图像等

为了检验归一化水指数（NDWI）模型、FAI (Floating Algae Index)和波段差值模型分别在反演MODIS数据水体中的精度和适用性，作者选取了青海湖、纳木错、鄱阳湖、阿雅克库木湖、乌梁素海等5个湖泊作为验证湖，通过三种模型分别计算出湖水面积，然后，采用与MODIS同日（ -1天）的Landsat TM/ETM 数据进行验证，获得验证数据集。该数据集可以反映在不同湖泊类型中MODIS数据反演的3种模型的适用性。数据集包括：（1）用于提取水体的MOD09数据的日期和用于验证的Landsat TM/ETM 数据的日期（表1）；（2）不同方法提取的五个湖泊湖面面积统计数据（表2）；（3）MODIS基础上不同方法提取的五个湖泊空间分布数据和Landsat TM/ETM 基础上提取的、用于验证的湖泊空间分布数据。数据集存储为.xlsx, .shp和.tiff格式。

GEE上不同影像NDWI的计算公式.txt

包括landsat8数据的NDVI、NDWI计算，辐射定标，提取landsat8数据的水域面积。注意改为自己的数据，代码可以摘用，不会用不要喷