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

C#监听txt文档获取新数据方式

《C#监听txt文档获取新数据方式》文章介绍通过监听txt文件获取最新数据,并实现开机自启动、禁用窗口关闭按钮、阻止Ctrl+C中断及防止程序退出等功能,代码整合于主函数中,供参考学习... 目录前言一、监听txt文档增加数据二、其他功能1. 设置开机自启动2. 禁止控制台窗口关闭按钮3. 阻止Ctrl +

java如何实现高并发场景下三级缓存的数据一致性

《java如何实现高并发场景下三级缓存的数据一致性》这篇文章主要为大家详细介绍了java如何实现高并发场景下三级缓存的数据一致性,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 下面代码是一个使用Java和Redisson实现的三级缓存服务,主要功能包括:1.缓存结构:本地缓存:使

在MySQL中实现冷热数据分离的方法及使用场景底层原理解析

《在MySQL中实现冷热数据分离的方法及使用场景底层原理解析》MySQL冷热数据分离通过分表/分区策略、数据归档和索引优化,将频繁访问的热数据与冷数据分开存储,提升查询效率并降低存储成本,适用于高并发... 目录实现冷热数据分离1. 分表策略2. 使用分区表3. 数据归档与迁移在mysql中实现冷热数据分

C#解析JSON数据全攻略指南

《C#解析JSON数据全攻略指南》这篇文章主要为大家详细介绍了使用C#解析JSON数据全攻略指南,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、为什么jsON是C#开发必修课?二、四步搞定网络JSON数据1. 获取数据 - HttpClient最佳实践2. 动态解析 - 快速

MyBatis-Plus通用中等、大量数据分批查询和处理方法

《MyBatis-Plus通用中等、大量数据分批查询和处理方法》文章介绍MyBatis-Plus分页查询处理,通过函数式接口与Lambda表达式实现通用逻辑,方法抽象但功能强大,建议扩展分批处理及流式... 目录函数式接口获取分页数据接口数据处理接口通用逻辑工具类使用方法简单查询自定义查询方法总结函数式接口

SQL中如何添加数据(常见方法及示例)

《SQL中如何添加数据(常见方法及示例)》SQL全称为StructuredQueryLanguage,是一种用于管理关系数据库的标准编程语言,下面给大家介绍SQL中如何添加数据,感兴趣的朋友一起看看吧... 目录在mysql中,有多种方法可以添加数据。以下是一些常见的方法及其示例。1. 使用INSERT I

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

MySQL 删除数据详解(最新整理)

《MySQL删除数据详解(最新整理)》:本文主要介绍MySQL删除数据的相关知识,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录一、前言二、mysql 中的三种删除方式1.DELETE语句✅ 基本语法: 示例:2.TRUNCATE语句✅ 基本语

MyBatisPlus如何优化千万级数据的CRUD

《MyBatisPlus如何优化千万级数据的CRUD》最近负责的一个项目,数据库表量级破千万,每次执行CRUD都像走钢丝,稍有不慎就引起数据库报警,本文就结合这个项目的实战经验,聊聊MyBatisPl... 目录背景一、MyBATis Plus 简介二、千万级数据的挑战三、优化 CRUD 的关键策略1. 查

python实现对数据公钥加密与私钥解密

《python实现对数据公钥加密与私钥解密》这篇文章主要为大家详细介绍了如何使用python实现对数据公钥加密与私钥解密,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录公钥私钥的生成使用公钥加密使用私钥解密公钥私钥的生成这一部分,使用python生成公钥与私钥,然后保存在两个文