Google Earth Engine如何用米级核计算邻域统计？含像素处理疑问

一、正确创建米单位的圆形核 #

你当前的ndvi_100采用EPSG:4326地理坐标系（单位为度数），直接设置半径为米会出现距离偏差（不同纬度下1度对应的米数不同）。正确创建米单位圆形核的方式如下：

// 封装创建不同半径圆形核的函数
var createCircleKernel = function(radiusMeters) {
  return ee.Kernel.circle({
    radius: radiusMeters,
    units: 'meters', // 明确指定单位为米
    crs: ndvi_100.projection() // 关联影像投影，确保距离计算准确
  });
};

// 创建100/250/500米半径的核
var kernel_100m = createCircleKernel(100);
var kernel_250m = createCircleKernel(250);
var kernel_500m = createCircleKernel(500);

// 应用邻域平均计算
var ndvi_100_100m = ndvi_100.reduceNeighborhood({
  reducer: ee.Reducer.mean(),
  kernel: kernel_100m
});

如果研究区域跨纬度较大，建议先将影像转换为UTM投影（米单位），彻底避免地理坐标系的距离误差：

// 自动匹配研究区域对应的UTM投影
var utmCrs = ee.Projection(ndvi_clipped.geometry().centroid().utmProjection());
var ndvi_100_utm = ndvi_100.reproject({crs: utmCrs, scale: 100});

// 此时创建核无需额外指定crs，默认使用影像的米单位投影
var kernel_100m = ee.Kernel.circle({radius: 100, units: 'meters'});
var ndvi_100_100m_utm = ndvi_100_utm.reduceNeighborhood({
  reducer: ee.Reducer.mean(),
  kernel: kernel_100m
});

二、圆形核的计算逻辑与部分像素处理机制 #

当使用reduceNeighborhood结合圆形核时，GEE的计算规则清晰明确：

1. 范围划定：以目标像素为中心，按照指定的米半径生成圆形邻域
2. 像素参与规则：
   • 完全落在圆形内的像素：NDVI值直接计入总和，权重为1
   • 被圆形边界切割的部分覆盖像素：GEE会计算该像素与圆形的重叠面积占像素总面积的比例（比如某像素有40%面积在圆内，权重为0.4），然后将NDVI值 × 权重计入总和
3. 平均值计算：最终邻域平均值 = 所有像素的NDVI×权重总和 ÷ 所有权重的总和

这种面积加权的处理方式，避免了“要么全算、要么不算”的生硬截断，结果更贴合真实的绿地暴露范围，完全匹配流行病学研究对距离精度的要求。

三、与方形核的差异对比 #

你之前使用的ee.Kernel.square({radius:1})是基于像素数量的邻域（3×3像素网格），而圆形核是基于实际物理距离的邻域，更符合“居住地周边X米”的研究场景，不会出现方形核带来的方向偏差。

内容的提问来源于stack exchange，提问作者Greta Martin