GEE代码计算Landsat时序NDVI报错：image.normalizedDifference is not a function

报错原因 #

你遇到的image.normalizedDifference is not a function错误，核心原因是变量名冲突：你将存储影像集合（ImageCollection）的变量命名为image，同时在addNDVI函数中将单个影像（Image）的参数也命名为image。虽然JavaScript中函数参数是局部变量，但这种命名混淆可能导致解释器误将函数内的image指向外部的影像集合（而ImageCollection没有normalizedDifference方法，该方法仅属于单个Image对象）。

此外，你的代码还有几个潜在问题：

• 云量过滤条件过于严格（要求整景云量为0），大概率会导致影像集合为空，无法生成时序数据；
• 仅通过filter(ee.Filter.bounds(finni))过滤覆盖研究区的影像，未实际裁剪影像到研究区范围；
• 未使用Landsat C02的质量波段进行云、云阴影等像素级掩码，得到的NDVI数据精度会受影响。

修正后的代码 #

var finni = ee.FeatureCollection("users/Time-series-NDVI/Finney_shapefile"),
    landsat7 = ee.ImageCollection("LANDSAT/LE07/C02/T1_RT");

// 定义时间范围
var startDate = '2001-01-01';
var endDate = '2020-12-31';

// 过滤时间范围和研究区覆盖的影像
var imageCol = landsat7
  .filter(ee.Filter.date(startDate, endDate))
  .filter(ee.Filter.bounds(finni));

// 定义云、云阴影掩码函数（基于C02的QA_PIXEL波段）
var maskClouds = function(img) {
  var qa = img.select('QA_PIXEL');
  // 云位掩码（bit 3）、云阴影位掩码（bit 4）
  var cloudMask = qa.bitwiseAnd(1 << 3).eq(0);
  var shadowMask = qa.bitwiseAnd(1 << 4).eq(0);
  // 同时去除云和云阴影
  return img.updateMask(cloudMask.and(shadowMask));
};

// 应用掩码、过滤低云量影像、选择红和近红外波段
var cloudFreeCol = imageCol
  .map(maskClouds)
  .filter(ee.Filter.lte('CLOUD_COVER', 10)) // 过滤整景云量≤10%的影像
  .select(['B3', 'B4']); // B3是红波段，B4是近红外波段

// 计算NDVI并添加为新波段
var addNDVI = function(img) {
  // NDVI公式：(NIR - Red)/(NIR + Red)，对应B4和B3
  var ndvi = img.normalizedDifference(['B4', 'B3']).rename('NDVI');
  // 裁剪影像到研究区
  return img.addBands(ndvi).clip(finni);
};

// 对所有影像应用NDVI计算
var withNDVI = cloudFreeCol.map(addNDVI);

// 生成NDVI时序均值图表
var chart = ui.Chart.image.series({
  imageCollection: withNDVI.select('NDVI'),
  region: finni,
  reducer: ee.Reducer.mean(),
  scale: 30
}).setOptions({
  title: 'Finney区域NDVI时序变化',
  vAxis: {title: 'NDVI值'},
  hAxis: {title: '时间'},
  lineWidth: 1,
  pointSize: 3
});

// 打印图表
print(chart);

关键修正点说明 #

• 变量名规范：将影像集合变量命名为imageCol、cloudFreeCol，函数参数命名为img，彻底避免变量名冲突；
• 像素级云掩码：使用Landsat C02的QA_PIXEL波段，精准去除云和云阴影像素，提升数据质量；
• 宽松云量过滤：将云量条件从eq(0)改为lte(10)，确保能获取足够的时序影像；
• 影像裁剪：在addNDVI函数中添加.clip(finni)，将每个影像裁剪到研究区，减少计算量并聚焦目标区域；
• 波段顺序明确：注释说明B3（红）和B4（近红外）的对应关系，避免NDVI计算时波段顺序错误。

内容的提问来源于stack exchange，提问作者Kelechi Igwe