【数据分享】2000—2023年我国省市县三级逐月归一化植被指数(NDVI)数据(Shp/Excel格式)

本文主要是介绍【数据分享】2000—2023年我国省市县三级逐月归一化植被指数(NDVI)数据(Shp/Excel格式),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!

之前我们分享过2000—2023年逐月归一化植被指数(NDVI)栅格数据(可查看之前的文章获悉详情),该数据来源于NASA定期发布的MOD13A3数据集!很多小伙伴拿到数据后反馈栅格数据不太方便使用,问我们能不能把数据处理为更方便使用的Shp和Excel格式的数据!

我们特地对数值在-0.2—1之间的NDVI栅格数据进行了处理,将2000-2023年逐月的归一化植被指数栅格分别按照我国省级行政边界、地级市行政边界、区县级行政边界进行了求平均数处理得到了本次分享的数据——Shp和Excel格式的我国省市县三个等级的2000-2023年的逐月归一化植被指数数据!

大家可以在公众号回复关键词 334 按照转发要求获取数据!以下为数据的详细介绍:

01 数据预览

1.省级2000-2023年逐月归一化植被指数数据

首先是Shp格式的数据,34个省级区划2000-2023年逐月的归一化植被指数数据汇总在一个Shp文件中,下面我们以2023年12月为例来预览一下:

2023年12月各省的NDVI数据(Shp格式)
2000年各省逐月NDVI数据的属性表

下面是Excel格式的数据,34个省级区划2000-2023年逐月的归一化植被指数数据汇总在一个Excel文件中,下面我们来预览一下:

2000年-2023年各省逐月NDVI数据(Excel格式)

2.市级2000-2023年逐月归一化植被指数数据

首先是Shp格式的数据,375个城市2000-2023年逐月的归一化植被指数数据汇总在一个Shp文件中,下面我们以2023年12月为例来预览一下:

2023年12月各市的NDVI数据(Shp格式)
2000年-2023年各市逐月NDVI数据的属性表

下面是Excel格式的数据,375个城市2000-2023年逐月的归一化植被指数数据汇总在一个Excel文件中,下面我们来预览一下:

2000年-2023年各市逐月NDVI数据(Excel格式)

3.县级2000-2023年逐月归一化植被指数数据

首先是Shp格式的数据,2875个区县2000-2023年逐月的归一化植被指数数据汇总在一个Shp文件中,下面我们以2023年12月为例来预览一下:

2023年12月各区县的NDVI数据(Shp格式)
2000年-2023年各区县逐月NDVI数据的属性表

下面是Excel格式的数据,2891个区县2000-2023年逐月的归一化植被指数数据汇总在一个Excel文件中,下面我们来预览一下:

2000年-2023年各区县逐月NDVI数据(Excel格式)

02 数据详情

数据来源:

原始数据来源于NASA定期发布的MOD13A3数据集,官方提供自2000年2月起逐月的NDVI数据,数据空间分辨率为1km,数据格式为Tiff,数据范围为全国范围,数值在-2000—10000之间。官方下载网站:https://search.earthdata.nasa.gov/search

数据处理说明:

基于逐月归一化植被指数(NDVI)数据,我们采用国家地理信息公共服务平台(天地图)发布的审图号为GS(2024)0650号的2024年省市县三级行政区划Shp数据(可查看之前的文章获悉详情),对每个省\每个地级市\每个区县内的栅格值进行了求平均数处理,得到了省市县三级的逐月归一化植被指数!

数值范围

-0.2—1

数据格式

Shp和Excel格式

时间范围:

2000年2月-2023年12月(逐月)

空间范围:

省市县三级

数据引用

Didan, K. (2015). MOD13A3 MODIS/Terra vegetation Indices Monthly L3 Global 1km SIN Grid V006 [Data set]. NASA EOSDIS Land Processes Distributed Active Archive Center. Accessed 2024-08-10 from https://doi.org/10.5067/MODIS/MOD13A3.006如有数据使用需求请按照官方平台的要求进行引用,更多数据详情可以查看官网获悉!

03 数据获取

这篇关于【数据分享】2000—2023年我国省市县三级逐月归一化植被指数(NDVI)数据(Shp/Excel格式)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/1139459

相关文章

Pandas统计每行数据中的空值的方法示例

《Pandas统计每行数据中的空值的方法示例》处理缺失数据(NaN值)是一个非常常见的问题,本文主要介绍了Pandas统计每行数据中的空值的方法示例,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是空值?为什么要统计空值?准备工作创建示例数据统计每行空值数量进一步分析www.chinasem.cn处

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

SpringBoot请求参数接收控制指南分享

《SpringBoot请求参数接收控制指南分享》:本文主要介绍SpringBoot请求参数接收控制指南,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Spring Boot 请求参数接收控制指南1. 概述2. 有注解时参数接收方式对比3. 无注解时接收参数默认位置

Spring 请求之传递 JSON 数据的操作方法

《Spring请求之传递JSON数据的操作方法》JSON就是一种数据格式,有自己的格式和语法,使用文本表示一个对象或数组的信息,因此JSON本质是字符串,主要负责在不同的语言中数据传递和交换,这... 目录jsON 概念JSON 语法JSON 的语法JSON 的两种结构JSON 字符串和 Java 对象互转

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

HTML5表格语法格式详解

《HTML5表格语法格式详解》在HTML语法中,表格主要通过table、tr和td3个标签构成,本文通过实例代码讲解HTML5表格语法格式,感兴趣的朋友一起看看吧... 目录一、表格1.表格语法格式2.表格属性 3.例子二、不规则表格1.跨行2.跨列3.例子一、表格在html语法中,表格主要通过< tab

C#实现将Excel表格转换为图片(JPG/ PNG)

《C#实现将Excel表格转换为图片(JPG/PNG)》Excel表格可能会因为不同设备或字体缺失等问题,导致格式错乱或数据显示异常,转换为图片后,能确保数据的排版等保持一致,下面我们看看如何使用C... 目录通过C# 转换Excel工作表到图片通过C# 转换指定单元格区域到图片知识扩展C# 将 Excel

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient

SpringValidation数据校验之约束注解与分组校验方式

《SpringValidation数据校验之约束注解与分组校验方式》本文将深入探讨SpringValidation的核心功能,帮助开发者掌握约束注解的使用技巧和分组校验的高级应用,从而构建更加健壮和可... 目录引言一、Spring Validation基础架构1.1 jsR-380标准与Spring整合1