GIMMS的NDVI数据常常用来进行长时间序列的植被情况分析,最新的NDVI3g数据集,时间跨度为1982-2015年,半月合成,空间分辨率大致为8km(0.08333度),下载地址https://nex.nasa.gov/nex由于下载下来的是nc文件,部分用户可能不熟悉该数据格式,无法很好的使用该数据集,本文提供一套基于matlab的处理方式。
% @author [email protected]
lon=ncread('F:\Global\NDVI3g\ndvi3g_geo_v1_2015_0712.nc4','lon');
lat=ncread('F:\Global\NDVI3g\ndvi3g_geo_v1_2015_0712.nc4','lat');
%tmn=ncread('C:\Users\lenovo\Documents\Tencent Files\1079192939\FileRecv\月最低气温数据集_2000_2002\tmn_2000_2002.nc','tmn');
lonlim_left=-180;
lonlim_right=180;
latlim_top=90;
latlim_bottom=-90;
GeoRef = georasterref('Rastersize',[2160,4320],'Latlim',[latlim_bottom,latlim_top],'Lonlim',[lonlim_left,lonlim_right]);
i=1;
k=[1:12];
m=1;
year=[1982 1982 1983 1983 1984 1984 1985 1985 1986 1986 1987 1987 1988 1988 1989 1989 1990 1990 1991 1991 1992 1992 1993 1993 1994 1994 1995 1995 1996 1996 1997 1997 1998 1998 1999 1999 2000 2000 2001 2001 2002 2002 2003 2003 2004 2004 2005 2005 2006 2006 2007 2007 2008 2008 2009 2009 2010 2010 2011 2011 2012 2012 2013 2013 2014 2014 2015 2015
];
format='monthNDVI3g.tif';
montha=[1:6];
monthb=[7:12];
e=dir(fullfile('F:\Global\NDVI3g','*.nc4'));
while i<=length(e)
a=ncread(e(i).name,'ndvi');
while m<=length(k)
j= m+1;
h=j/2;
b1=max(a(:,:,k(j)),a(:,:,k(m)));
b=rot90(b1);
m=m+2;
if mod(i,2)==0
g=monthb;
else
g=montha;
end
name1=strcat(int2str(year(i)),int2str(g(h)),format);
geotiffwrite(name1,b,GeoRef);
end
m=m-12;
i=i+1;
end
通过上述代码可直接输出每个月的TIF数据,而不用引入样例数据了
另附上获取NDVI数据的来源:
1.地理科学生态网
网站地址www.csdn.store
有各种地理科学数据,竟然发现了很多宝藏数据。比如道路网数据、NPP数据、土地利用数据(二级分类)、乡镇边界、NDVI数据、地铁站点、气象数据(降雨量、气温、蒸散量、辐射、湿度、日照时数、风速)、径流量数据、30米土地利用二级分类数据、12.5米高精度DEM高程、2020年行政区划、10、30米NDVI数据、30m精度NPP净初级生产力、夜间灯光数据、统计年鉴、道路网、水系、景区医院等poi、三级流域矢量边界、地质灾害分布数据、30m土壤理化性质数据集、30mGDP柵格数据、30m人口柵格数据、30m精度植被类型数据、30m精度连续年份土地利用数据、GPP初级生产力数据、农田作物类型分布数据、自然保护区分布数据、高精度遥感影像数据、1:10万沙漠沙地分布矢量数据、蒸散发数据、降雨量气温蒸发数据、地表径流量、水汽压、土壤侵蚀数据等等!
2.地理空间数据云
(1)2000年全球土地覆盖计划(GLC2000)
(2)欧空局全球陆地覆盖数据(ESA GlobCover)
3.地理遥感生态网
网站地址www.gisrs.cn
该网站同样更新了很多有关地理的数据,30米土地利用二级分类数据、12.5米高精度DEM高程、2020年行政区划珍贵的乡镇边界、村边界、气象数据(降雨量、气温)、径流量数据等。
4.马里兰大学数据集
UMd基于AVHRR数据的5个波段及NDVI数据经过又一次组合建议数据矩阵,用分类树的方法进行了全球土地覆盖分类工作。其目的是希望建立一个比过去数据更高精度的数据集。
5.MCD12Q1.006 MODIS Land Cover Type
时间范围:2001-2020,MCD12Q1 V6 产品每年提供来自六种不同分类方案的全球土地覆盖类型。它是使用 MODIS Terra 和 Aqua 反射率数据的监督分类得出的。然后,受监督的分类经过额外的后处理,结合了先验知识和辅助信息,以进一步细化特定类别。