最近很多小伙伴们私信我，问我如何高效导出遥感数据，从逐日到逐季度，我都有一套自己的方法，今天就来和大家分享一下！
  🔍【逐日导出】：首先，逐日数据的导出其实很简单，只需要设置好时间参数，然后用For循环迭代，就可以轻松搞定。
  📅【逐月导出】：逐月数据稍微复杂一些，需要对月份进行分类，并且确保数据的连续性。
  📊【逐年导出】：逐年数据导出，关键在于数据的累积和汇总，通过设置年度参数，可以快速获取整年的数据。
  🌟【逐季度导出】：最后，我还额外整理了逐季度的导出方法，这对于需要季度分析的小伙伴们来说，绝对是个福音！
🌍🌍🌍如果你对这些方法感兴趣，或者在实际操作中遇到了困难，欢迎私信我，我会一一解答，让我们一起高效地处理遥感数据吧！

1.逐日数据导出

var imageCollection = ee.ImageCollection("MODIS/006/MOD13Q1");
var table = ee.FeatureCollection("users/cduthes1991/boundry/China_province_2019");
var roi = table.filter(ee.Filter.eq('provinces','hubei'));
Map.centerObject(roi,6.5)

var styling = {color:"black",fillColor:"00000000"}
Map.addLayer(roi.style(styling),{},"geometry")

var ndviVis = {
  min: 0,
  max: 8000,
  palette: [
    'ffffff', 'ce7e45', 'df923d', 'f1b555', 'fcd163', '99b718', '74a901',
    '66a000', '529400', '3e8601', '207401', '056201', '004c00', '023b01',
    '012e01', '011d01', '011301'
  ],
};



// ***************************************************************************************************
// 批量导出每幅影像
// ***************************************************************************************************
var imgCol = ee.ImageCollection("MODIS/061/MOD13Q1")
                        .filterDate('2022-1-1','2022-12-31')
                        .filterBounds(roi)
                        .select('NDVI')
                        .map(function(image){
                          var imgsub = image;
                          return image.clip(roi)//.multiply(0.0001)
                        });
print(imgCol)

// 创建一个函数来展示并导出图像
var showAndExportImage = function(image, index) {
  var date = ee.Date(image.get('system:time_start')).format('YYYY-MM-dd').getInfo();
  
  Map.addLayer(image.select('NDVI'), ndviVis, 'NDVI ' + date + ' (' + (index + 1) + ')', 0);
  
  Export.image.toDrive({
    image: image.select('NDVI'),
    description: 'NDVI_' + date + '_' + (index + 1),
    scale: 500,
    region: roi,
    maxPixels: 1e9
  });
};

// 遍历图像集合并处理每幅图像
imgCol.toList(imgCol.size()).evaluate(function(imageList) {
  imageList.forEach(function(image, index) {
    var img = ee.Image(image.id).clip(roi);
    showAndExportImage(img, index);
  });
});

结果展示：

2.逐月数据导出

// ************************************************************************************************************
// 批量导出每月影像
// ************************************************************************************************************
var imgCol1 = ee.ImageCollection("MODIS/061/MOD13Q1")
                .filterBounds(roi)
                .select('NDVI')
                .map(function(image) {
                  return image.clip(roi);
  });

var yearstart = 2022;
var yearend = 2023;
var monthstart = 1;
var monthend = 12;
for (var year = yearstart; year <= yearend; year++) {
  for (var month = monthstart; month <= monthend; month++) {
    var startDate = ee.Date.fromYMD(year, month, 1);
    var endDate = startDate.advance(1, 'month').advance(-1, 'day');
    
    var ndvi_month = imgCol1.filterDate(startDate, endDate).select('NDVI');
    var ndvi_mean = ndvi_month.median().clip(roi);
    var monthName = ee.Date(startDate).format('MMMM').getInfo();
    
    Map.addLayer(ndvi_mean, ndviVis, year + '_' + monthName + '_NDVI_median', 0);
    
    Export.image.toDrive({
      image: ndvi_mean,
      description: year + '_' + monthName + '_NDVI_median',
      folder: 'NDVI_Export',
      scale: 250,
      region: roi,
      maxPixels: 1e9,
    });
  }
}

结果展示：

3.季节数据导出

//************************************************************************************************************
// 批量导出每季度影像
//************************************************************************************************************
var imgCol2 = ee.ImageCollection("MODIS/061/MOD13Q1")
                .filterBounds(roi)
                .select('NDVI')
                .map(function(image) {
                  return image.clip(roi);
  });

var yearstart = 2020;
var yearend = 2023;
var seasonDates = [
  {name: 'Spring', startMonth: 3, endMonth: 5},
  {name: 'Summer', startMonth: 6, endMonth: 8},
  {name: 'Autumn', startMonth: 9, endMonth: 11},
  {name: 'Winter', startMonth: 12, endMonth: 2}
];

seasonDates.forEach(function(season) {
  for (var year = yearstart; year <= yearend; year++) {
    var startDate, endDate;

    if (season.startMonth === 12) { // 处理冬季跨年的情况
      startDate = ee.Date.fromYMD(year, season.startMonth, 1);
      endDate = ee.Date.fromYMD(year + 1, season.endMonth, 1).advance(1, 'month').advance(-1, 'day');
    } else {
      startDate = ee.Date.fromYMD(year, season.startMonth, 1);
      endDate = ee.Date.fromYMD(year, season.endMonth, 1).advance(1, 'month').advance(-1, 'day');
    }
    
    var ndvi_season = imgCol2.filterDate(startDate, endDate).select('NDVI');
    print('NDVI collection for ' + year + ' ' + season.name + ':', ndvi_season);
    if (ndvi_season.size().getInfo() === 0) {
      print('No data for ' + year + ' ' + season.name);
      continue;
    }
    
    var ndvi_mean = ndvi_season.median().clip(roi);
    
    Map.addLayer(ndvi_mean, ndviVis, year + '_' + season.name + '_NDVI_median', 0);
    
    Export.image.toDrive({
      image: ndvi_mean,
      description: year + '_' + season.name + '_NDVI_median',
      folder: 'NDVI_Export',
      scale: 250,
      region: roi,
      maxPixels: 1e9,
    });
  }
});

结果展示：

4.逐年数据导出

//************************************************************************************************************
// // 批量导出每年影像
//************************************************************************************************************
var imgCol3 = ee.ImageCollection("MODIS/061/MOD13Q1")
                        .filterBounds(roi)
                        .select('NDVI')
                        .map(function(image){
                          var imgsub = image;
                          return image.clip(roi)//.multiply(0.0001)
                        });
print(imgCol)

var yearstart = 2020;
var yearend = 2023;
for (var i = yearstart; i <= yearend; i++) {
  var ndvi_year = imgCol3.filterDate(i + '-01-01', i + '-12-31').select('NDVI');
  var ndvi_mean = ndvi_year.median().clip(roi);
  Map.addLayer(ndvi_mean, ndviVis, i + '_NDVI_median', 0);
  
  Export.image.toDrive({
    image: ndvi_mean,
    description: i + '_NDVI_median',
    folder: 'NDVI_Export',
    scale: 250,
    region: roi,
    maxPixels: 1e9,
  });
}

结果展示：