写一段代码使用GEE的landsat7数据计算某地区植被覆盖度的年度变化

在Google Earth Engine（GEE）中，你可以编写Python脚本来计算Landsat 7（LT05）数据集中的植被覆盖度（FVC）年度变化。这里有一个基本示例，假设你已经安装了GEE Python API，导入必要的模块并设置了工作区。请注意，这只是一个简化版本的代码框架，实际应用中需要根据具体区域、时间范围以及数据下载策略进行调整。

import ee
ee.Authenticate()
ee.Initialize()

# 定义研究区域（替换为你的目标经纬度）
region = ee.Geometry.Point([-122.4194, 37.7749])  # 旧金山为例

# 下载Landsat 7数据
landsat_coll = ee.ImageCollection('LANDSAT/LE07/C01/T1_SR')
image_list = landsat_coll.filterDate('2000-01-01', '2021-12-31')  # 时间范围
images = image_list.filterBounds(region).mosaic()  # 缩放和合并

# 计算NDVI
ndvi = images.select(['B4', 'B3']).normalizedDifference()  # B4是近红外，B3是红光

# 转换为FVC (0-1范围内)
fvc = ndvi.add(1).divide(2)

# 按年份分组并计算年度变化
annual_fvc = fvc.reduceGroup(
    reducer=ee.Reducer.mean(),  # 可视化时选择其他统计方法，如stdDev 或者 minMax
    groupField=['system:time_start'].date().format('YYYY'),
    initValue=0  # 初始化值，此处设为0
)

# 保存结果为CSV文件
annual_fvc_table = annual_fvc.getInfo('table')

# 输出年度平均FVC
for year, avg_fvc in sorted(annual_fvc_table.items()):
    print(f"Year {year}: Average FVC: {avg_fvc}")

这段代码首先设置认证，初始化GEE，然后定义研究区域和日期范围。接着，它获取Landsat 7图像集合，筛选出指定区域的图像，并计算NDVI。随后，将NDVI转换为FVC，并按年份分组计算平均值。最后，保存结果并打印每年的平均植被覆盖度。