GEE下载逐年FVC

### 使用 Google Earth Engine (GEE) 下载逐年植被覆盖分数 (FVC)

为了实现从 GEE 平台下载逐年 FVC 数据的目标，可以遵循以下方法：

#### 导入必要的库和定义区域

首先，在 GEE 中编写脚本时需加载所需的 JavaScript 或 Python 库，并指定感兴趣区（AOI），比如中国北京市。

// 加载所需模块
var ee = require('gee_api');

// 定义研究区域为中国北京地区
var aoi = ee.Geometry.Polygon(
    [[[115.7, 41.0],
      [115.7, 39.4],
      [117.3, 39.4],
      [117.3, 41.0]]]);

#### 获取影像集合

接着获取 MODIS 影像集合作为输入源来计算 FVC。这里选择 MODIS/Terra+Aqua Surface Reflectance Daily L2 Global 1km 这一产品，因为它包含了用于计算 NDVI 和进一步推算 FVC 的波段信息[^3]。

// 获取MODIS Terra+Aqua表面反射率每日全球1公里数据集
var modisCollection = ee.ImageCollection('MODIS/006/MOD09GA')
                       .filterBounds(aoi);

#### 计算年平均 FVC 值

对于每一年的数据，先计算 NDVI，之后基于特定算法转换成 FVC。此过程涉及遍历多年份的时间序列，并针对每年度执行聚合操作以获得年度均值。

function addNdvi(image){
  var ndvi = image.normalizedDifference(['sur_refl_b02', 'sur_refl_b01']).rename('NDVI');
  return image.addBands(ndvi);
}

// 添加NDVI至影像集中
modisCollection = modisCollection.map(addNdvi);

// 设定起始年份与结束年份
var startYear = 2000;
var endYear = 2020;

for(var year=startYear;year<=endYear;year++){
  
  // 提取某年的所有影像
  var yearlyImages = modisCollection.filterDate(year+'-01-01', (parseInt(year)+1)+'-01-01');
  
  // 对该年内所有影像求NDVI的平均值得到当年的FVC估计值
  var annualMeanImage = yearlyImages.select('NDVI').mean().clip(aoi).multiply(0.0001); 
  
  // 将NDVI转化为FVC
  var fvc = annualMeanImage.expression(
            '(ndvi - soilLineIntercept)/(soilLineSlope * (1 - soilLineIntercept))',
             {'ndvi':annualMeanImage}).clamp(0,1).rename('FVC');
            
  // 设置文件名前缀以便识别不同年份的结果
  var fileNamePrefix = "Beijing_FVC_" + String(year);
    
  // 配置导出参数并将结果保存到Google Drive中
  Export.image.toDrive({
     image:fvc,
     description:fileNamePrefix,
     folder:'FVC_Results',
     scale:1000,
     region:aoi});
}

上述代码片段展示了如何利用 GEE API 来自动化处理多时相遥感影像并提取目标变量的过程。值得注意的是，实际应用中可能还需要考虑更多细节问题，例如云遮挡去除、辐射校正等预处理步骤以及更精确的模型拟合来进行 FVC 反演[^1]。