数据介绍 | 长序列归一化植被指数NDVI

欢迎关注我的gzh: 小Rser

数据介绍 | 长序列归一化植被指数NDVIhttps://mp.weixin.qq.com/s?__biz=MzkyNjMzNTQ2Mw==&mid=2247483952&idx=1&sn=54681a51b0993b71deb1ea63f59b322b&chksm=c239aab8f54e23aeb80f1cae9e50dca3550b6dd08ccceffa632543f3ae3f72fc17d6c9294c0b&token=2086761678&lang=zh_CN#rd

归一化植被指数

植被指数是反映绿色活植被相对丰度和活性的辐射量化值,常被用于表征研究区域的植被生理状况、绿色生物量及植被生产力等。目前已提出的植被指数多达二十余种,如比值植被指数(RVI)、差值植被指数(DVI)、归一化植被指数(NDVI)、增强植被指数(EVI)、正交植被指数(PVI)、土壤调节植被指数(SAVI)、修正的土壤调节植被指数(MSAVI)等。其中,当属归一化植被指数(Normalized Difference Vegetation Index,NDVI)的应用最为广泛。

植被叶面在可见红光波段的吸收特性很强,在近红外波段反射特性很强,这是植被指数定量遥感监测的物理基础。

数据介绍 | 长序列归一化植被指数NDVI_第1张图片

植被光谱反射率曲线

NDVI计算公式:NDVI = (NIR - Red) / (NIR + Red)

NDVI:归一化植被指数;NIR:近红外波段反射率;Red:红波段反射率。NDVI的范围始终为-1至+1,但是每种类型的土地覆盖 并没有明确的界限。例如,当值为负数时,很可能是水。另一方面,如果NDVI值接近+1,则很有可能是茂密的植被。然而,当NDVI接近于零时,可能是裸地,也可能是城市化区域。

GIMMS NDVI

该数据集是NOAA的Advanced Very High Resolution Radiometer (AVHRR)传感器获取的长时间序列的NDVI数据。GIMMS NDVI3g 有两个版本,GIMMS NDVI3g.V0和GIMMS NDVI3g.V1。GIMMS NDVI3g.V1覆盖全球范围,时间范围1981-2015年,空间分辨率1/12°,时间分辨率为15天。是目前时间范围最长的NDVI数据产品。与前几代AVHRR产品相比,GIMMS NDVI3g精度更高,受大气水汽、火山爆发等的影响较小。

详细信息

Temporalrange: 1981-07-01 -> 2015-12-31

Year: 1981

RangeSemester: Jul 1 - Dec 31 (7:0.5:12.5)

SpatialResolution: 1/12 x 1/12 degrees

TemporalResolution: 1/24 a year

_fill_val: -32768

NorthernmostLatitude: 90

SouthernmostLatitude: -90

WesternmostLongitude: -180

EasternmostLongitude: 180

Flag values are embeded on the percentile variable:      

2000*flag + percentile. Thus, the actual percentile three ranges[0 1000],[2000 3000]and [4000 5000] could provide direct information of how interpolation is affecting the time series. 

Flag values are (simpler)

flag0: ndvi without apparent issues (good value)            

flag1: ndvi retrieved from spline interpolation                

flag2: ndvi retrieved from seasonal profile (possible snow/cloud)     

percentile:to represent the distribution of ndvi values in the time series. Range 10*[0, 100] 

storage:Arranged data in ncd format, compiled it in two nc4 files a year.  Each nc4 file includes 6 months of ndvi data (jan-jun and jul-dec), with a total of 12 (15-day) composites each semester.   

数据介绍 | 长序列归一化植被指数NDVI_第2张图片

详细参见:https://nex.nasa.gov/nex/projects/1349/

下载地址

1.https://ecocast.arc.nasa.gov/data/pub/gimms(科学上网)

2.https://data.tpdc.ac.cn/en/data/9775f2b4-7370-4e5e-a537-3482c9a83d88/  (国家青藏高原数据中心)

3.https://pan.baidu.com/s/1L6qWmsHBASuNAASkTQpIQw  (百度网盘,后台s我)

matlab处理工具

https://pan.baidu.com/s/12RxcxE9-s-Msn7i4ev_59A(百度网盘,后台s我)

SPOT NDVI

该数据集是SPOT卫星VEGETATION传感器传感器获取的长时间序列的NDVI数据。数据集的时间范围为1998年5月至2013年。为了去除NDVI数据中的噪声,进行了最大合成,NDVI 图像每 10 天合成一次,空间分辨率1KM。SPOT系列卫星是法国空间研究中心研制的一种地球观测卫星系统,SPOT-VGT 是专门为植被与地表监测设计的,其NDVI数据在光谱波段设计、空间精度和几何纠正等方面更有优势,因此其应用也较为广泛。

数据介绍 | 长序列归一化植被指数NDVI_第3张图片

详细信息

数据介绍 | 长序列归一化植被指数NDVI_第4张图片

数据介绍 | 长序列归一化植被指数NDVI_第5张图片

相关链接

https://land.copernicus.eu/global/sites/cgls.vito.be/files/products/GIOGL1_PUM_NDVIV1_I1.10.pdf

https://land.copernicus.eu/global/sites/cgls.vito.be/files/products/CGLOPS1_PUM_NDVI1km-V3_I1.10.pdf

下载地址:

https://land.copernicus.eu/global/products/NDVI

数据介绍 | 长序列归一化植被指数NDVI_第6张图片

https://www.resdc.cn/Default.aspx(资源环境科学与数据中心可下载中国的NDVI)

处理工具

https://pan.baidu.com/s/1Q4Pd6D4GmK8BCNLzbpU7mA 

提取码:wnrw

MODIS NDVI

MODIS NDVI 16天或月时间分辨率,有多个空间分辨率数据。归一化植被指数 (NDVI),它提供与 NOAA 的 AVHRR NDVI 时间序列记录的历史和气候应用的连续性,产品更有效地表征了全球范围的植被状态和过程。

数据介绍 | 长序列归一化植被指数NDVI_第7张图片

详细信息

数据介绍 | 长序列归一化植被指数NDVI_第8张图片

数据介绍 | 长序列归一化植被指数NDVI_第9张图片

数据介绍 | 长序列归一化植被指数NDVI_第10张图片

相关链接:

https://vip.arizona.edu/documents/MODIS/MODIS_VI_UsersGuide_June_2015_C6.pdf

https://modis.gsfc.nasa.gov/data/dataprod/mod13.php

下载地址

https://e4ftl01.cr.usgs.gov/MOLT/

数据介绍 | 长序列归一化植被指数NDVI_第11张图片

https://ladsweb.modaps.eosdis.nasa.gov/search/order

数据介绍 | 长序列归一化植被指数NDVI_第12张图片

https://www.gscloud.cn/search(地理空间数据云)

数据介绍 | 长序列归一化植被指数NDVI_第13张图片

MRT处理工具

链接:https://pan.baidu.com/s/1nkrx1IY7qp-ubDBfGzDFsQ

提取码:2zgz

IDM快速下载工具

软件百度网盘:

https://pan.baidu.com/s/1xxubWVKC7CsMVlQuJv1xXw 

提取码:xpzl

参考链接:

https://blog.csdn.net/weixin_45909963/article/details/115458036

你可能感兴趣的:(数据介绍,python,elasticsearch,sqlite)