NASA 应用遥感培训 (ARSET)
NASA ARSET为灾害监测和其他遥感主题提供网络研讨会，其中许多使用地球引擎。
华盛顿大学
此页面具有出色的集科开发的入门教程的 凯瑟琳·库恩和吉利安Deines为电子科学研究所的Geohackweek 2017年在华盛顿大学。
哥伦比亚大学
以下培训由Pietro Ceccato开发， 以支持哥伦比亚大学国际气候与社会研究所开展的公共卫生培训。
【谷歌地球引擎：MODIS地表温度数据分析】
谷歌地球引擎(GEE)是一个强大的云平台，用于处理和分析大量的地球观测数据，包括来自NASA的遥感卫星数据。在这个培训中，我们将聚焦于如何利用GEE分析MODIS（中分辨率成像光谱仪）的地表温度(LST)数据。MODIS是安装在美国国家航空航天局(NASA)的Aqua和Terra两颗卫星上的仪器，它每隔1-2天捕捉地球表面的图像，并在36个光谱波段中记录信息。其空间分辨率是1000米，时间序列数据从2000年3月5日至今。
**MODIS地表温度的含义和重要性**
MODIS地表温度数据可用于监测地球表面随时间的变化，特别是在气候变化、农业、水资源管理等领域有着广泛的应用。通过LST数据，我们可以了解特定地区的热环境变化，这对于研究全球变暖、干旱监测、城市热岛效应等问题至关重要。
**工具功能和限制**
这个GEE工具允许用户输入一个短期时间段，展示全球范围内的地表温度分布，并针对指定地区提供长期和短期的LST时间序列。这使得研究人员可以追踪特定区域的温度趋势。然而，由于Terra和Aqua卫星的发射日期分别在1999年和2002年，因此，该工具只能用于分析从2000年3月5日至今的数据，且数据通常有一个月的延迟。未来温度预测不在其功能范围内。
**定义用户区域并提取时间序列**
在使用GEE工具时，用户可以通过几何工具定义自己的研究区域，如图中的例子所示，这里选择了巴西作为研究区域。通过编写GEE代码，可以将选定区域的地表温度数据导入并生成时间序列，从而进行深入的分析和可视化。
```javascript
// 加载MODIS LST数据
var lst = ee.ImageCollection('MODIS/006/MOD11A2')
.select('LST_Day_1km');
// 定义巴西的区域
var brazil = ee.Geometry.Polygon(
[[[-68.8161, -11.3147],
[-68.8161, -33.7481],
[-43.4967, -33.7481],
[-43.4967, -11.3147],
[-68.8161, -11.3147]]]);
// 过滤出巴西区域内的LST数据
var lstBrazil = lst.filterBounds(brazil);
// 计算平均地表温度
var meanLst = lstBrazil.mean();
// 显示结果
Map.addLayer(meanLst, {min: 250, max: 320, palette: ['blue', 'white', 'red']}, 'Mean LST in Brazil');
```
这段代码展示了如何加载MODIS LST数据集，过滤出巴西的边界，计算该区域内地表温度的平均值，并在地图上显示这些数据。这只是基本操作，实际分析可能涉及更复杂的计算，如温度异常检测、时间序列分析、空间统计等。
**进阶应用**
除了基本的温度分析，GEE还支持与其他遥感数据集的融合，例如植被指数、水体指数等，可以进一步探究温度变化与植被覆盖、水资源状况之间的关系。此外，通过结合气象模型和历史数据，可以进行环境变化的综合评估。
GEE提供的MODIS LST分析能力是理解和研究地球表面温度变化的强大工具，对于环境科学家、政策制定者和气候变化研究人员来说，是不可多得的资源。随着技术的发展，我们期待GEE能继续扩大其时间和空间范围，以更好地服务于全球的环境监测和研究。
