追踪亚马逊雨林的年际变化：FOREST//LOSS DETECTIVE 实战指南当卫星影像穿越云层，清晰记录下每一片森林的消失，我们便拥有了保护地球之肺的有力武器。本篇博客将带你用 Earth Engine 和 Hansen 全球森林变化数据集，在巴西亚马逊的朗多尼亚州（Rondônia）绘制出一张张森林损失的“年度快照”，并生成从 2001 年至今的砍伐面积条形图。即使你刚开始接触遥感，也能一步步跟随代码，理解从数据加载到可视化输出的完整流程。一、为什么是朗多尼亚？朗多尼亚州位于巴西西部，曾经覆盖着茂密的热带雨林。自 20 世纪 70 年代以来，随着公路建设、农业开垦和畜牧业的扩张，这里的森林被切割成“鱼骨”状碎片，成为全球森林砍伐的典型样本。研究这一区域的损失模式，不仅有助于理解人类活动对雨林的影响，还能为保护政策提供量化依据。而Hansen 全球森林变化数据集（UMD/hansen/global_forest_change_2024_v1_12）恰好提供了长时序、高分辨率的监测数据。它基于 Landsat 影像，以 30 米分辨率记录了 2000 年至 2024 年全球森林覆盖和损失信息。其中treecover2000表示 2000 年的树冠覆盖百分比，lossyear则表示损失发生的年份（1 对应 2001，24 对应 2024）。二、核心代码拆解以下代码可直接在 Earth Engine 编辑器或 Studio 中运行。我们将逐段解释其用途，并补充一些你可能忽略的细节。2.1 定义研究区varregion=ee.Geometry.Rectangle([-64.8,-11.7,-62.0,-8.7],null,false);这里我们选定了一个矩形区域，覆盖朗多尼亚州的主要砍伐区。经度西经 64.8°～62.0°，南纬 11.7°～8.7°，大小约为 300km×330km，足以展示完整的砍伐格局。2.2 加载并提取关键波段varchange=ee.Image("UMD/hansen/global_forest_change_2024_v1_12");varcanopy=change.select("treecover2000").clip(region);varlossYear=change.select("lossyear").clip(region).selfMask();canopy是 2000 年的初始森林覆盖度（0～100）。lossYear是损失年份图层，值为 0 表示无损失，1~24 对应 2001~2024。我们使用了selfMask()，这样无损失的像元会变为透明，方便叠加。2.3 地图可视化Map.setCenter(-63.4,-10.2,7.5);Map.setOptions("SATELLITE");中心定位于朗多尼亚州中部，缩放级别 7.5，底图选卫星影像，以便与森林图层对比。Map.addLayer(canopy.updateMask(canopy.gt(20)),{min:20,max:100,palette:["d9f99d","166534"]},"Tree cover in 2000",true,0.72);这里只显示 2000 年树冠覆盖度大于 20% 的区域（排除稀疏植被），颜色从浅绿到深绿，透明度 0.72，可以透出底图细节。Map.addLayer(lossYear,{min:1,ma
追踪亚马逊雨林的年际变化：FOREST//LOSS DETECTIVE 实战指南当卫星影像穿越云层，清晰记录下每一片森林的消失，我们便拥有了保护地球之肺的有力武器。本篇博客将带你用 Earth Engine 和 Hansen 全球森林变化数据集，在巴西亚马逊的朗多尼亚州（Rondônia）绘制出一张张森林损失的“年度快照”，并生成从 2001 年至今的砍伐面积条形图。即使你刚开始接触遥感，也能一步步跟随代码，理解从数据加载到可视化输出的完整流程。一、为什么是朗多尼亚？朗多尼亚州位于巴西西部，曾经覆盖着茂密的热带雨林。自 20 世纪 70 年代以来，随着公路建设、农业开垦和畜牧业的扩张，这里的森林被切割成“鱼骨”状碎片，成为全球森林砍伐的典型样本。研究这一区域的损失模式，不仅有助于理解人类活动对雨林的影响，还能为保护政策提供量化依据。而Hansen 全球森林变化数据集（UMD/hansen/global_forest_change_2024_v1_12）恰好提供了长时序、高分辨率的监测数据。它基于 Landsat 影像，以 30 米分辨率记录了 2000 年至 2024 年全球森林覆盖和损失信息。其中treecover2000表示 2000 年的树冠覆盖百分比，lossyear则表示损失发生的年份（1 对应 2001，24 对应 2024）。二、核心代码拆解以下代码可直接在 Earth Engine 编辑器或 Studio 中运行。我们将逐段解释其用途，并补充一些你可能忽略的细节。2.1 定义研究区varregion=ee.Geometry.Rectangle([-64.8,-11.7,-62.0,-8.7],null,false);这里我们选定了一个矩形区域，覆盖朗多尼亚州的主要砍伐区。经度西经 64.8°～62.0°，南纬 11.7°～8.7°，大小约为 300km×330km，足以展示完整的砍伐格局。2.2 加载并提取关键波段varchange=ee.Image("UMD/hansen/global_forest_change_2024_v1_12");varcanopy=change.select("treecover2000").clip(region);varlossYear=change.select("lossyear").clip(region).selfMask();canopy是 2000 年的初始森林覆盖度（0～100）。lossYear是损失年份图层，值为 0 表示无损失，1~24 对应 2001~2024。我们使用了selfMask()，这样无损失的像元会变为透明，方便叠加。2.3 地图可视化Map.setCenter(-63.4,-10.2,7.5);Map.setOptions("SATELLITE");中心定位于朗多尼亚州中部，缩放级别 7.5，底图选卫星影像，以便与森林图层对比。Map.addLayer(canopy.updateMask(canopy.gt(20)),{min:20,max:100,palette:["d9f99d","166534"]},"Tree cover in 2000",true,0.72);这里只显示 2000 年树冠覆盖度大于 20% 的区域（排除稀疏植被），颜色从浅绿到深绿，透明度 0.72，可以透出底图细节。Map.addLayer(lossYear,{min:1,ma
