GEE数据集:美国植被干旱响应指数 (Vegetation Drought Response Index,VegDRI)数据集

本文主要是介绍GEE数据集:美国植被干旱响应指数 (Vegetation Drought Response Index,VegDRI)数据集,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

植被干旱响应指数 (VegDRI) 

简介

植被干旱响应指数(VegDRI)是一个每周一次的地理空间模型,用于描述干旱对美国本土植被造成的压力。VegDRI干旱监测工具是由美国地质调查局EROS中心、内布拉斯加大学国家干旱缓解中心(NDMC)和高原区域气候中心(HPRCC)的科学家们合作开发的。

VegDRI方法将美国宇航局Terra平台上的中分辨率成像分光仪(MODIS)传感器提供的遥感数据与气候和生物物理数据整合在一起,形成了空间分辨率为1千米的无缝产品。与一般植被状况有关的卫星组件是年季节绿度百分比(PASG)和季节起始异常(SOSA)数据。年季节绿度百分比每周根据 eMODIS 归一化差异植被指数(NDVI)复合数据计算一次。

基于气候的干旱数据包括帕尔默干旱严重程度指数 (PDSI) 和来自 HPRCC 的每周标准化降水指数 (SPI) 数据。气候数据可确定正在经历干旱的地区,以帮助区分干旱造成的植被压力。环境的生物物理特征来自土地利用/土地覆盖、土壤可用水量、生态环境、灌溉状况和海拔数据。土地利用变化、土壤条件、虫害、疾病、冰雹、洪水或火灾等环境压力因素也会影响植被状况。

这种综合方法考虑了气候和生物物理条件,以确定植被压力的原因。这些信息被纳入VegDRI的计算中,从而绘制出一幅易于解读、以颜色编码的植被干旱压力图。干旱监测图每周使用最新信息制作,通常在每周一上午 10:30 时发布。您可以点击此处访问气候引擎 ORG 网站。有关 DRI 的更多信息,请点击此处,以及 USGS 提供的信息,请点击此处。

数据集说明

空间信息

AttributeDetails
Spatial extentConterminous United States
Spatial resolution1000m
Temporal resolutionWeekly
Time span2009-04-22 to present
Update frequencyWeekly on Monday by 10:30 a.m. CT

变量

VariableUnitsOffsetScale factorDescription
VegDRI (‘vegdri’)Unitless-1280.0625Values provided as 8-bit integers that can be scaled to range consistent with Palmer Drought Severity Index.
Water (‘water’)UnitlessN/A1.0Binary mask of water.
Out-of-Season (‘out_of_season’)UnitlessN/A1.0Binary mask of out-of-season (see documentation for more information).

代码

// 导入 VegDRI
var vegdri_ic = ee.ImageCollection('projects/climate-engine-pro/assets/ce-veg-dri')
var vegdri_i = vegdri_ic.first()
print(vegdri_i)// Link to methods webpage: https://www.usgs.gov/special-topics/monitoring-vegetation-drought-stress/science/methods-vegdri
// Link to EROS page: https://www.usgs.gov/centers/eros/science/usgs-eros-archive-vegetation-monitoring-vegetation-drought-response-index// VegDRI 数据存储为 8 位整数数据,可按比例转换为以下数值 来自 EROS 页面的干旱类别
// Category           Bitmap      PDSI vals
// Extreme drought:   001-064     -7.9375 - -4.0000
// Severe drought:    065-080     -3.9375 - -3.0000
// Moderate drought:  081-096     -2.9375 - -2.0000
// Abnormally dry:    097-112     -1.9375 - -1.0000
// Near normal:       113-160     -0.9375 - 2.0000
// Abnormally wet:    161-176     2.0625 - 3.0000
// Moderately wet:    177-192     3.0625 - 4.0000
// Extremely wet:     193-255     4.0625 - 7.7500
// Water:                 253
// Out of season:         254
// Other landcover:       255// 应用拉伸函数,使其与上述数值保持一致
function scale_vegdri(img){// Select vegdri band and scale to PDSI range.var vegdri_scale = img.select('vegdri').subtract(128) // convert to signed 8-bit integer.divide(16) // scale to PDSI range.rename('vegdri_scale') // rename imagereturn img.addBands(vegdri_scale)
}
vegdri_ic = vegdri_ic.map(scale_vegdri)
print(vegdri_ic)// VegDRI 调色板
var vegdri_palette = ["#720206", "#cb3121", "#e36b09", "#fee301", "#ffffff", "#ffffff", "#ffffff", "#88f9c7", "#53c285", "#2b8032"]// 选择个别图像并应用于地图
var vegdri_i = vegdri_ic.first()
Map.addLayer(vegdri_i.select('vegdri_scale'), {min: -5, max: 5, palette: vegdri_palette}, 'VegDRI')
Map.addLayer(vegdri_i.select('out_of_season'), {min:254, max:254, palette: ['878787']}, 'VegDRI Out-of-Season')
Map.addLayer(vegdri_i.select('water'), {min:253, max:253, palette: ['0000FF']}, 'Water')

代码链接

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:/weather-climate/VEGETATION-DROUGHT-RESPONSE-INDEX

结果

引用

Brown, J. F., Wardlow, B. D., Tadesse, T., Hayes, M. J., & Reed, B. C. (2008). The Vegetation Drought Response Index (VegDRI): A New Integrated Approach for Monitoring Drought Stress in Vegetation. GIScience & Remote Sensing, 45(1), 16–46. https://doi.org/10.2747/1548-1603.45.1.16

许可

ECMWF is available under an open license with terms of agreement available here

USGS-authored or produced data and information are considered to be in the U.S. Public Domain.

Dataset provider: USGS

Keywords : Drought, Climate, Remote sensing, MODIS, PDSI, CONUS, United States

Curated in GEE by: Climate Engine Org

网址推荐

0代码在线构建地图应用

https://invite.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

https://www.cbedai.net/xg 

这篇关于GEE数据集:美国植被干旱响应指数 (Vegetation Drought Response Index,VegDRI)数据集的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1027048

相关文章

MySQL快速复制一张表的四种核心方法(包括表结构和数据)

《MySQL快速复制一张表的四种核心方法(包括表结构和数据)》本文详细介绍了四种复制MySQL表(结构+数据)的方法,并对每种方法进行了对比分析,适用于不同场景和数据量的复制需求,特别是针对超大表(1... 目录一、mysql 复制表(结构+数据)的 4 种核心方法(面试结构化回答)方法 1:CREATE

详解C++ 存储二进制数据容器的几种方法

《详解C++存储二进制数据容器的几种方法》本文主要介绍了详解C++存储二进制数据容器,包括std::vector、std::array、std::string、std::bitset和std::ve... 目录1.std::vector<uint8_t>(最常用)特点:适用场景:示例:2.std::arra

MySQL中的DELETE删除数据及注意事项

《MySQL中的DELETE删除数据及注意事项》MySQL的DELETE语句是数据库操作中不可或缺的一部分,通过合理使用索引、批量删除、避免全表删除、使用TRUNCATE、使用ORDERBY和LIMI... 目录1. 基本语法单表删除2. 高级用法使用子查询删除删除多表3. 性能优化策略使用索引批量删除避免

MySQL 数据库进阶之SQL 数据操作与子查询操作大全

《MySQL数据库进阶之SQL数据操作与子查询操作大全》本文详细介绍了SQL中的子查询、数据添加(INSERT)、数据修改(UPDATE)和数据删除(DELETE、TRUNCATE、DROP)操作... 目录一、子查询:嵌套在查询中的查询1.1 子查询的基本语法1.2 子查询的实战示例二、数据添加:INSE

Linux服务器数据盘移除并重新挂载的全过程

《Linux服务器数据盘移除并重新挂载的全过程》:本文主要介绍在Linux服务器上移除并重新挂载数据盘的整个过程,分为三大步:卸载文件系统、分离磁盘和重新挂载,每一步都有详细的步骤和注意事项,确保... 目录引言第一步:卸载文件系统第二步:分离磁盘第三步:重新挂载引言在 linux 服务器上移除并重新挂p

使用MyBatis TypeHandler实现数据加密与解密的具体方案

《使用MyBatisTypeHandler实现数据加密与解密的具体方案》在我们日常的开发工作中,经常会遇到一些敏感数据需要存储,比如用户的手机号、身份证号、银行卡号等,为了保障数据安全,我们通常会对... 目录1. 核心概念:什么是 TypeHandler?2. 实战场景3. 代码实现步骤步骤 1:定义 E

使用C#导出Excel数据并保存多种格式的完整示例

《使用C#导出Excel数据并保存多种格式的完整示例》在现代企业信息化管理中,Excel已经成为最常用的数据存储和分析工具,从员工信息表、销售数据报表到财务分析表,几乎所有部门都离不开Excel,本文... 目录引言1. 安装 Spire.XLS2. 创建工作簿和填充数据3. 保存为不同格式4. 效果展示5

Python多任务爬虫实现爬取图片和GDP数据

《Python多任务爬虫实现爬取图片和GDP数据》本文主要介绍了基于FastAPI开发Web站点的方法,包括搭建Web服务器、处理图片资源、实现多任务爬虫和数据可视化,同时,还简要介绍了Python爬... 目录一. 基于FastAPI之Web站点开发1. 基于FastAPI搭建Web服务器2. Web服务

MySQL 批量插入的原理和实战方法(快速提升大数据导入效率)

《MySQL批量插入的原理和实战方法(快速提升大数据导入效率)》在日常开发中,我们经常需要将大量数据批量插入到MySQL数据库中,本文将介绍批量插入的原理、实现方法,并结合Python和PyMySQ... 目录一、批量插入的优势二、mysql 表的创建示例三、python 实现批量插入1. 安装 PyMyS

关于MySQL将表中数据删除后多久空间会被释放出来

《关于MySQL将表中数据删除后多久空间会被释放出来》MySQL删除数据后,空间不会立即释放给操作系统,而是会被标记为“可重用”,以供未来插入新数据时使用,只有满足特定条件时,空间才可能真正返还给操作... 目录一、mysql数据删除与空间管理1.1 理解MySQL数据删除原理1.3 执行SQL1.3 使用