思路

目的是计算研究区的年NDVI，基本实现逻辑如下：

实践

拼凑代码如下：

// 创建一个函数用来掩模云层以及云阴影
var cloudMask = function(image) {
  var qa = image.select('pixel_qa');
  //云层表示为第五位，云层置信度为6-7位，云阴影为第三位
  //选择出有云并且云层置信度为中等，以及有云阴影覆盖的像元。
  var cloud = qa.bitwiseAnd(1 << 5)
          .and(qa.bitwiseAnd(1 << 7))
          .or(qa.bitwiseAnd(1 << 3))
  // 移除边界像元
  var mask2 = image.mask().reduce(ee.Reducer.min());
  //将检测有关云像元置为0，掩模保留位置不为0的数据。
  return image.updateMask(cloud.not()).updateMask(mask2);
};
//创建一个函数用来计算NDVI
function NDVI(img) {
 var ndvi = img.normalizedDifference(["B5","B4"]);
 return ndvi;
}
 // 选择Landsat8地表反射率数据进行去云处理，并计算NDVI 
var collection = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR')
    .filterDate('2020-05-01', '2020-9-30')
    .filterBounds(myl)
    .map(cloudMask)
    .map(NDVI)
//取影像数据集最大值 
var NDVI_2020 = collection.max();
var visParam = {
 min: -0.2,
 max: 0.8,
 palette: 'FFFFFF, CE7E45, DF923D, F1B555, FCD163, 99B718, 74A901, 66A000, 529400,' +
   '3E8601, 207401, 056201, 004C00, 023B01, 012E01, 011D01, 011301'
};
var result = NDVI_2020.clip(myl)
Map.addLayer(NDVI_2020.clip(myl), visParam, 'ndvi');
print(result)
//导出到谷歌云盘
Export.image.toDrive({
  image: result,
  description: 'NDVI2020_1',
  scale: 30,
  region: myl,
  maxPixels:10e10,
 });

遇到的问题

通过搜罗CSDN上各路去云方法，发现最后的nodata的结果是不一样的！
上面的去云函数出来的结果是这样的：
而使用下面这个去云函数

//创建一个函数进行去云掩膜处理
function maskL8sr(image) {
  //<<表示二进制左移几位
  // 二进制第三位表示有云阴影，第五位表示有云。
  var cloudShadowBitMask = 1 << 3;
  var cloudsBitMask = 1 << 5;
  // 选择质量评估波段
  var qa = image.select('pixel_qa');
  // 按位与运算，将检测出云以及云阴影像元值为0
  var mask = qa.bitwiseAnd(cloudShadowBitMask).eq(0)
      .and(qa.bitwiseAnd(cloudsBitMask).eq(0));
  // 掩膜云以及云阴影，并选择波段1-9将单位变为0-1之间，并复制影像时间属性。
  return image.updateMask(mask).divide(10000)
      .select("B[0-9]*")
      .copyProperties(image, ["system:time_start"]);
}

出来的结果是这样的

[filename,filepath]=uigetfile('*.*','请选择文件');
%计算水文极端，年最大，年连续5日最大，连续干日，连续极端径流低值日数
%wqianghy@163.com

%南京大学流域水文过程模拟实验室

datapath=strcat(filepath,filename);
data=dlmread(datapath);
data(1)=[];
datalength=length(data);
numyear=datalength/365;

AM1X=zeros(numyear,1);      %求年最大值
for i=1:numyear
    tmin=365*(i-1)+1;
    tmax=365*i;
    AM1X(i)=max(data(tmin:tmax));
end

AM5X=zeros(numyear,1);     %求连续5日最大
data5x=zeros(datalength,1);
for i=1:datalength
    if i<5
        data5x(i)=mean(data(1:5));
    else
        tmi=i-5+1;
        tmx=i;
        data5x(i)=mean(data(tmi:tmx));
    end
end
for i=1:numyear
    tmin=365*(i-1)+1;
    tmax=365*i;
    AM5X(i)=max(data5x(tmin:tmax));
end

CDD=zeros(numyear,1);     %求连续干日
datacdd=zeros(datalength,1);
for i=1:datalength
    if data(i)<=1         %判断是否为干日
       datacdd(i)=1;
    end
end
for i=1:numyear
    tmin=365*(i-1)+1;
    tmax=365*i;
    cdnum1=[];
    lfind=find(datacdd(tmin:tmax)==0);
    for j=1:length(lfind)-1
        cdnum1(j)=lfind(j+1)-lfind(j)-1;
    end
    cdnum1(length(lfind))=365-lfind(length(lfind));
    CDD(i)=max(cdnum1);
end

sortdata=sort(data);      %连续极端低值日数
per10=sortdata(round(datalength*0.1));
CDS=zeros(numyear,1);     %求连续干日
datacds=zeros(datalength,1);
for i=1:datalength
    if data(i)<per10      %判断是否为低值
       datacds(i)=1;
    end
end
for i=1:numyear
    tmin=365*(i-1)+1;
    tmax=365*i;
    cdsnum1=[];
    lfind=find(datacds(tmin:tmax)==0);
    for j=1:length(lfind)-1
        cdsnum1(j)=lfind(j+1)-lfind(j)-1;
    end
    cdsnum1(length(lfind))=365-lfind(length(lfind));
    CDS(i)=max(cdsnum1);
end

源代码：
https://code.earthengine.google.com/f3f5c1ed2bc4dc30a678857bb5074d6d?noload=true
批量下载按月合成数据代码：
https://blog.csdn.net/qq_35591253/article/details/115301314
NDVI效果如下图所示：

print(image1)

var HY = table.filterBounds(point).geometry();

for(var i = 1993;i<=2012;i++){
  
    var data_collection = image1.filterDate(i+'-01-01',i+'-12-28').filterBounds(table);
    
    var HY_collection = data_collection.max().clip(HY)
    
    print(data_collection);
    
    Map.addLayer(HY_collection,{},i+'year');
    
    Export.image.toDrive({
    
      image: HY_collection,
      
      description: i+'year',
      
      crs: "EPSG:32649",
      
      scale: 30,
      
      region: table,
      
      maxPixels: 1e13,
      
      folder: 'ShanXi'
      
    })
  
}

Map.addLayer(table,{},'hengyang Boundary');

---

所用数据集为：GIMMS NDVI from AVHRR Sensors (3rd Generation)

这个数据集有1981年到2013年每个月的NDVI数据。

---

二、一键导出

第一步：生成导出任务，显示了运行按钮。
第二步：按F12进入控制台，然后将这些脚本粘贴到其中，然后按输入。
第三步：所有任务都将自动启动。

function runTaskList() {
 
    var tasklist = document.getElementsByClassName('awaiting-user-config');
    
    for (var i = 0; i < tasklist.length; i++)
    
        tasklist[i].children[2].click();
}
function confirmAll() {

    var ok = document.getElementsByClassName('goog-buttonset-default goog-buttonset-action');
    
    for (var i = 0; i < ok.length; i++)
    
        ok[i].click();
}

runTaskList();

confirmAll();

---

三、一键取消所有上传任务

使用GEE导出运算结果到drive中，如果代码有误需要取消上传任务，下面的代码可以部分实现一键取消所有上传任务 。

function runTaskList() {

var tasklist = document.getElementsByClassName('indicator');

for (var i = 0; i < tasklist.length; i++)

tasklist[i].click();

}
function confirmAll() {

var ok = document.getElementsByClassName('goog-buttonset-default goog-buttonset-action');

for (var i = 0; i < ok.length; i++)

ok[i].click();

}

runTaskList();

confirmAll();