GEE数据集——MOD13A1.006Terra星搭载的中分辨率成像光谱仪获取的L3级植被指数产品

本文主要是介绍GEE数据集——MOD13A1.006Terra星搭载的中分辨率成像光谱仪获取的L3级植被指数产品,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!

数据名称:

MOD13A1.006

Modis

16天

Terra

500m

数据来源:

NASA

时空范围:

2000-2022年

空间范围:

全国

波段

名称波段单位最小值最大值比例因子波长描述
NDVIB1NDVI-2000100000.0001Normalized Difference Vegetation Index
EVIB2EVI-2000100000.0001Enhanced Vegetation Index
VIQB3Bit FieldVI quality indicators
RRB40100000.0001645nmRed surface reflectance
NIRRB50100000.0001858nmNIR surface reflectance
BRB60100000.0001469nmBlue surface reflectance
MIRRB70100000.00012130nm/2105-2155nmMIR surface reflectance
VZAB8Degree0180000.01View zenith angle
SZAB90180000.01Solar zenith angle
RAAB10-18000180000.01Relative azimuth angle
CDOYB11Julian day1366Julian day of year
PRB12RankQuality reliability of VI pixel

数据简介:

MOD13A1 V6数据集是由Terra星搭载的中分辨率成像光谱仪获取的L3级植被指数产品,空间分辨率为500米,具备两个主要的植被层,分别是栅格归一化植被指数(NDVI)和增强型植被指数(EVI)。产品遵循低云、低视角和最高NDVI/EVI值的原则,从获取的16天数据中选择最佳值作为影像的像素值。可用于检测植被状态和土地覆盖利用变化,并且,能够进一步用于生物化学、水循环过程和全球及区域性的气候研究,还有LAI、GPP等参数的反演。前言 – 人工智能教程

V6Terra星搭载的中分辨率成像光谱仪(MOD13A1)是一种用于获取地球植被指数的传感器。该传感器通过对地球表面的光谱信息进行观测和记录,能够提供高质量的L3级植被指数产品,为地球科学研究和生态环境监测提供了重要的数据支持。

L3级植被指数产品是通过对MODIS传感器获取的遥感数据进行处理和分析得到的。MOD13A1产品主要包括三个指标:归一化差异植被指数(NDVI)、归一化差异水体指数(NDWI)和归一化差异建筑物指数(NDWI)。

其中,归一化差异植被指数(NDVI)是衡量地表植被覆盖程度和活力的重要指标。NDVI的计算公式为(NIR - RED)/ (NIR + RED),其中NIR表示近红外波段的反射率,RED表示红光波段的反射率。NDVI的数值范围在-1到1之间,数值越高表示地表植被覆盖越多,数值越低表示植被覆盖越少。通过监测NDVI的变化,可以提供有关植被开花、叶片生长和植物胁迫状况的信息。

归一化差异水体指数(NDWI)是用于评估地表水体分布的指标。NDWI的计算公式为(NIR - SWIR)/ (NIR + SWIR),其中NIR表示近红外波段的反射率,SWIR表示短波红外波段的反射率。NDWI的数值范围从-1到1,数值越高表示地表水体分布越密集,数值越低表示水体分布越稀疏。通过监测NDWI的变化,可以提供有关水体资源分布和蓄水情况的信息。

归一化差异建筑物指数(NDBI)是用于评估建筑物分布密度的指标。NDBI的计算公式为(SWIR - NIR)/ (SWIR + NIR),其中SWIR表示短波红外波段的反射率,NIR表示近红外波段的反射率。NDBI的数值范围从-1到1,数值越高表示建筑物分布越密集,数值越低表示建筑物分布越稀疏。通过监测NDBI的变化,可以提供有关城市建设和土地利用的信息。

V6Terra星搭载的中分辨率成像光谱仪获取的L3级植被指数产品具有以下特点:

  1. 高时空分辨率:MOD13A1产品提供的植被指数数据具有250米的空间分辨率和16天的时间分辨率,可以提供详细的植被覆盖和水体分布的信息,适用于不同尺度的研究和监测需求。

  2. 高质量数据:V6Terra星搭载的中分辨率成像光谱仪通过高精度的光谱观测和数据处理算法,可以提供高质量的植被指数产品。这些产品经过严格的校正和验证,能够准确反映地表植被、水体和建筑物的分布情况。

  3. 多指标综合分析:MOD13A1产品包括了归一化差异植被指数(NDVI)、归一化差异水体指数(NDWI)和归一化差异建筑物指数(NDWI)三个指标,能够提供多层次、多维度的地表信息。这些指标可以综合分析,为地球科学研究和生态环境监测提供全面的数据支持。

总之,V6Terra星搭载的中分辨率成像光谱仪获取的L3级植被指数产品是一项重要的遥感技术应用。这些产品能够提供高质量、高时空分辨率的植被、水体和建筑物信息,为地球科学研究和生态环境监测提供了重要的数据支持。

引用代码:

MODIS/006/MOD13A1

 代码

/*** @File    :   MOD13A1.006* @Time    :   2023/06/06* @Author  :   GEOVIS Earth Brain* @Version :   0.1.0* @Contact :   中国(安徽)自由贸易试验区合肥市高新区望江西路900号中安创谷科技园一期A1楼36层* @License :   (C)Copyright 中科星图数字地球合肥有限公司 版权所有* @Desc    :  数据集key为MODIS/006/MOD13A1的MOD13A1.006类数据集  * @Name    :   MOD13A1.006数据集
*/
//指定检索数据集,可设置检索的空间和时间范围,以及属性过滤条件
var imageCollection = gve.ImageCollection("MODIS/006/MOD13A1").filterDate('2021-01-16','2021-01-31').select(['NDVI']).limit(10);print("imageCollection",imageCollection);var img = imageCollection.first();print("first", img);var visParams = {
//    gamma: 1,
//    brightness: 1,min: 0,max: 9000,palette: {"band_rendering": {"pseudocolor": {"colormap": ['#FCD163','#66A000','#3E8601','#004C00','#023B01']}}}
};Map.centerObject(img);
Map.addLayer(img,visParams);

通过LP DAAC获得的MODIS数据和产品在后续使用,销售或再分发没有任何限制,具体请参阅https://lpdaac.usgs.gov/data/data-citation-and-policies/ 

这篇关于GEE数据集——MOD13A1.006Terra星搭载的中分辨率成像光谱仪获取的L3级植被指数产品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/654653

相关文章

SQL Server修改数据库名及物理数据文件名操作步骤

《SQLServer修改数据库名及物理数据文件名操作步骤》在SQLServer中重命名数据库是一个常见的操作,但需要确保用户具有足够的权限来执行此操作,:本文主要介绍SQLServer修改数据... 目录一、背景介绍二、操作步骤2.1 设置为单用户模式(断开连接)2.2 修改数据库名称2.3 查找逻辑文件名

C++中RAII资源获取即初始化

《C++中RAII资源获取即初始化》RAII通过构造/析构自动管理资源生命周期,确保安全释放,本文就来介绍一下C++中的RAII技术及其应用,具有一定的参考价值,感兴趣的可以了解一下... 目录一、核心原理与机制二、标准库中的RAII实现三、自定义RAII类设计原则四、常见应用场景1. 内存管理2. 文件操

canal实现mysql数据同步的详细过程

《canal实现mysql数据同步的详细过程》:本文主要介绍canal实现mysql数据同步的详细过程,本文通过实例图文相结合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... 目录1、canal下载2、mysql同步用户创建和授权3、canal admin安装和启动4、canal

SpringBoot服务获取Pod当前IP的两种方案

《SpringBoot服务获取Pod当前IP的两种方案》在Kubernetes集群中,SpringBoot服务获取Pod当前IP的方案主要有两种,通过环境变量注入或通过Java代码动态获取网络接口IP... 目录方案一:通过 Kubernetes Downward API 注入环境变量原理步骤方案二:通过

使用SpringBoot整合Sharding Sphere实现数据脱敏的示例

《使用SpringBoot整合ShardingSphere实现数据脱敏的示例》ApacheShardingSphere数据脱敏模块,通过SQL拦截与改写实现敏感信息加密存储,解决手动处理繁琐及系统改... 目录痛点一:痛点二:脱敏配置Quick Start——Spring 显示配置:1.引入依赖2.创建脱敏

使用Python实现获取屏幕像素颜色值

《使用Python实现获取屏幕像素颜色值》这篇文章主要为大家详细介绍了如何使用Python实现获取屏幕像素颜色值,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... 一、一个小工具,按住F10键,颜色值会跟着显示。完整代码import tkinter as tkimport pyau

详解如何使用Python构建从数据到文档的自动化工作流

《详解如何使用Python构建从数据到文档的自动化工作流》这篇文章将通过真实工作场景拆解,为大家展示如何用Python构建自动化工作流,让工具代替人力完成这些数字苦力活,感兴趣的小伙伴可以跟随小编一起... 目录一、Excel处理:从数据搬运工到智能分析师二、PDF处理:文档工厂的智能生产线三、邮件自动化:

python获取cmd环境变量值的实现代码

《python获取cmd环境变量值的实现代码》:本文主要介绍在Python中获取命令行(cmd)环境变量的值,可以使用标准库中的os模块,需要的朋友可以参考下... 前言全局说明在执行py过程中,总要使用到系统环境变量一、说明1.1 环境:Windows 11 家庭版 24H2 26100.4061

Python数据分析与可视化的全面指南(从数据清洗到图表呈现)

《Python数据分析与可视化的全面指南(从数据清洗到图表呈现)》Python是数据分析与可视化领域中最受欢迎的编程语言之一,凭借其丰富的库和工具,Python能够帮助我们快速处理、分析数据并生成高质... 目录一、数据采集与初步探索二、数据清洗的七种武器1. 缺失值处理策略2. 异常值检测与修正3. 数据

pandas实现数据concat拼接的示例代码

《pandas实现数据concat拼接的示例代码》pandas.concat用于合并DataFrame或Series,本文主要介绍了pandas实现数据concat拼接的示例代码,具有一定的参考价值,... 目录语法示例:使用pandas.concat合并数据默认的concat:参数axis=0,join=