GEE提取红树林面积的代码

以下是使用 Google Earth Engine 提取红树林面积的示例代码：

// 加载 Landsat 8 表面反射率影像数据集
var l8sr = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR');

// 定义 AOI（感兴趣区域）
var aoi = ee.Geometry.Polygon(
  [[[-96.63177, 29.51888],
    [-96.63177, 29.51063],
    [-96.61924, 29.51063],
    [-96.61924, 29.51888]]], null, false);

// 定义时间范围
var start_date = ee.Date('2013-01-01');
var end_date = ee.Date('2018-01-01');

// 从 Landsat 8 影像数据集中选择 AOI 和时间范围内的影像
var l8sr_filtered = l8sr.filterBounds(aoi)
                         .filterDate(start_date, end_date);

// 定义计算 NDVI 指数的函数
var ndvi = function(image) {
  return image.normalizedDifference(['B5', 'B4']);
};

// 计算 NDVI 指数
var ndvi_collection = l8sr_filtered.map(ndvi);

// 定义阈值来将 NDVI 指数转换为二元分类结果
var threshold = 0.2;
var ndvi_binary = ndvi_collection.map(function(image) {
  return image.gt(threshold);
});

// 定义一个函数来计算 AOI 中的红树林面积
var calculate_mangrove_area = function(image) {
  // 将二元分类结果转换为面积
  var area_image = ee.Image.pixelArea().multiply(image);
  // 计算 AOI 中的红树林面积
  var mangrove_area = area_image.reduceRegion({
    reducer: ee.Reducer.sum(),
    geometry: aoi,
    scale: 30,
    maxPixels: 1e9
  }).get('nd');
  return mangrove_area;
};

// 计算 AOI 中的红树林面积
var mangrove_area = ndvi_binary.map(calculate_mangrove_area);

// 输出结果
print('Red mangrove area (m^2):', mangrove_area);

上述代码中，我们首先加载 Landsat 8 表面反射率影像数据集，并定义了一个 AOI 和时间范围。然后，我们从 Landsat 8 影像数据集中选择 AOI 和时间范围内的影像，并计算 NDVI 指数。接着，我们将 NDVI 指数转换为二元分类结果，并定义一个函数来计算 AOI 中的红树林面积。最后，我们应用这个函数来计算 AOI 中的红树林面积，并输出结果。