Google Earth Engine实现MODIS数据预处理：重投影与裁剪

本篇文章主要介绍了如何利用Google Earth Engine (GEE) 对MODIS产品进行获取、预处理和分析的过程。文章以地表温度（Land Surface Temperature, LST）作为示例，展示了如何通过编程接口实现以下关键步骤： 1. **数据获取与选择**： 文档中的代码首先定义了一个名为`study`的Feature Collection，这可能是一个感兴趣的地理区域，通过`ee.FeatureCollection("users/Godddard/NeiMeng")`来获取。接着，代码从MODIS的006/MOD11A2产品系列中筛选出LST_Day_1km数据，这个系列用于获取每日1公里分辨率的地表温度图像，时间段是从2001年1月1日到2018年12月31日。 2. **时间序列处理**： 使用`filterDate`函数过滤出指定时间段内的所有图像，并将结果存储在`varlist`中，这是一个包含826个图像的列表。每个图像在循环中被逐一处理。 3. **图像重投影与重采样**： 对于每个图像，代码提取其系统索引并拼接成文件名，然后进行单位转换和重投影。`reproject`函数用于将图像从原始坐标系（假设是WGS84）转换到UTM带32N（EPSG:32649），设置每像素间隔为1000米。这一步骤对于后续分析和地图可视化至关重要，确保数据在统一的投影下进行操作。 4. **导出到Google Drive**： 使用`Export.image.toDrive`函数，将重投影后的图像导出到Google Drive。输出文件会保存在用户指定的'MODIS_LST'文件夹中，覆盖原有的文件名，地区参数为`study`区域，即用户选定的感兴趣区域，且设置最大像素数量为1亿，以避免导入过大文件导致的问题。 5. **可扩展性**： 提示读者，如果要获取其他MODIS产品（如NDVI - Normalized Difference Vegetation Index），只需修改`select`函数中的产品代号即可，体现了GEE灵活的数据获取和处理能力。 总结来说，这篇文章提供了使用Google Earth Engine处理MODIS地表温度数据的具体实践案例，包括数据获取、转换和存储，对于想要在GEE上进行遥感数据分析的用户具有很高的实用价值。通过此过程，可以轻松获取和处理大量地理空间数据，以便进行后续的分析和应用。