GEE 22：基于GEE实现物种分布模型（更新中。。。。。。）

物种分布模型

1. 数据点准备
- 1.1 数据加载
- 1.2 去除指定距离内的重复点
- 1.3 定义研究区范围
- 1.4 选择预测因子

1. 数据点准备

1.1 数据加载

首先需要将CSV文件导入到GEE平台中，同样也可以导入shp格式文件。

在这里插入图片描述

// 1.Loading and cleaning your species data *********************************************************************
var Data = ee.FeatureCollection("projects/ee-**********736/assets/Tree_sample")
                .aside(print) // 导入本地上传的站点信息
                .map(function(fea){
                  return ee.Feature(ee.Geometry.Point([fea.get('Longitude'),fea.get('Latitude')]))//设置经纬度
                           .copyProperties(fea) // 拷贝原有属性信息
                }).aside(print)

1.2 去除指定距离内的重复点

物种分布建模的一个重要步骤是限制地理采样偏差对模型输出的潜在影响，这种影响是由于多个附近观测结果导致的数据聚集。在选定的空间分辨率下，将位置数据细化为每像素随机选择的一个事件记录。所以需要将相隔在一定距离之内的点删除，如去掉在10km以内的重复点：

// Define spatial resolution to work with (m)
var GrainSize = 10000; // e.g. 10 km

Map.addLayer(Data.style({color:'red',pointSize:4}),{},'randomPoints')

function RemoveDuplicates(data){
  // 生成一个随机栅格图像，使用随机值填充，然后重新投影到经纬度坐标系（EPSG:4326）
  var randomraster = ee.Image.random().reproject('EPSG:4326', null, GrainSize);
  
  // 从随机栅格图像中获取样本点的值，样本点来自于输入数据集（data）
  // scale为: 缩放因子，控制样本点的间隔
  var randpointvals = randomraster.sampleRegions({collection:ee.FeatureCollection(data), scale: 10, geometries: true});
  // 返回去重后的样本点，通过 'random' 字段进行去重
  return randpointvals.distinct('random');
}

var Data = RemoveDuplicates(Data);
Map.addLayer(Data.style({color:'blue',pointSize:4}),{},'randomPoints')

print(ee.FeatureCollection('projects/ee-**********736/assets/Tree_sample').size())
print(Data.size())

1.3 定义研究区范围

在这里插入图片描述

// 2.Define your area of interest for modeling *********************************************************************
// Load region boundary from data catalog if working at a larger scale
var AOI = ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017').filter(ee.Filter.eq('country_co', 'CH'));
// Define the area of interest
// select a bounding box around your species location data
var AOI = Data.geometry().bounds().buffer(50000);

// Add AOI to the map
Map.addLayer(AOI, {'color':'yellow'}, 'AOI');
Map.centerObject(AOI, 3);

1.4 选择预测因子

// 3.Selecting predictor variables *********************************************************************
// Example of code to import the SRTM Digital Elevation Data 30m
var Elev = ee.Image("USGS/SRTMGL1_003");