NPP净初级生产力数据获取/气象数据/太阳辐射/NDVI数据

  今年的数学建模美赛终于开始了！令我感到欣喜的是，今年E题竟然和地理遥感专业息息相关。E题是分析生态环境方面的！因此，有很多小伙伴来询问咨询如何解决这道题目。有些小伙伴，还咨询如何使用CASA软件来计算NPP数据！哈哈真的是令我感到惊讶！很多小伙伴都没学过gis遥感，竟然直接就上手来自己计算NPP。遇到了很多问题。

casa计算NPP软件获取链接：

E题题型怎么理解
E题环境科学，大体上会集中在环境污染、资源短缺、可持续发展、生态保护等几个方面。对问题的背景有一定的提示作用，但是范围仍然很广，模型、方法没有明显的特征。
所以，显然无法仅仅根据这些提示就进行选题，至多是，排除某个题目不考虑（如，计算能力差的队可以不选C题）。如果仅从选题的角度出发，搞清楚MCM竞赛与ICM竞赛的区别，可能更有帮助。

针对于E题的NPP计算流程，小编便出个流程教学。

一、数据准备

在软件运行之前，需要准备以下数据月平均温度栅格文件，单位为℃，由气象数据插值得到，时间范围与 NDVI 一致。 月总降水量栅格文件，单位为 mm，由气象数据插值得到，时间范围与 NDVI 一致。

月太阳总辐射 ：栅格文件：单位为 MJ/m2，由气象数据插值得到，时间范围与 NDVI 一致。

NDVI 时间序列数据：栅格文件，由遥感数据计算得到。可以是一个时间序列，如：12 个月的 NDVI 数据。

植被类型图：栅格文件，确定各植被类型的空间分布。 静态参数文件该文件配置各植被类型的 NDVI 最大值、NDVI 最小值、SR 最大值、SR 最小值以及最大光能利用率（gC/MJ）。

二、设置结果文件存放路径

设置结果存放文件夹，所有结果都会输出到该文件夹下面。默认情况下，会输出年度植被净初级生产力（npp_sum）和植被年平均覆盖率（veg_cov_mean），如果勾选了“同时输出 NPP 及植被覆盖度时间序列文件”复选框，则还会额外输出每个月的植被 NPP及植被覆盖度。

三、实验过程

1.数据来源及说明

遥感数据：来源于地理遥感生态网所提供的 2020年的 NDVI 影像。该数据集经过最大值合成法 MVC（Maximum Value Composites） 处理，空间分辨率为 1km，时间分辨率为逐月。

气象数据：来源于地理遥感生态网 2020 年的月降水量、月平均气温和月总太阳辐射数据，共覆盖东北地区的 107 个气象站点。为保持气象和遥感数据在空间上的一致性，利用插值工具将点数据转换为空间分辨率为 1km 的面栅格数据。文中所有数据均使用以 WGS 84 为基准面的 Albers 等面积圆锥投影。

植被类型图：植被类型图为来源于地理遥感生态网 的 2020年30m精度中国植被类型图。

2.数据处理

（1）月平均温度空间插值（克里金插值法必做） 启动 ArcGIS，并加载气象（温度和降水）站点数据和东北地区边界数据，在 ArcGIS 中加载温度数据（excel 格式）。气象（温度和降水）站点数据属性表与温度数据（excel 格式）属性表建立连接。

（2）降水量插值

（3）辐射量插值

（4）启动 ENVI 软件，选择 File→Open，打开 12 个月的温度插值数据。在 Toolbox 工具箱中，双击 Raster Management→Layer stacking 进行波段叠加，打开 Layer Stacking Parameters 窗口。单击 Import File…按钮，弹出 Layer Stacking Input File 窗口，选中 12 个月的温度插值数据，单击 OK。输入的文件将出现在 Selected Files for Layers Stacking 列表中，如果不一致可通过 Reorder Files…按钮来调整波段顺序。数据加载进来后，会自动读出图像投影信息和像元大小。Resampling（重采样）方法使用缺省值，即 Nearest Neighbor。单击 Inclusive 和 Exclusive，选择输出文件范围。如果选择 Inclusive，输出图像的地理范围将是所有输入文件范围的并集；如果选择 Exclusive，输出图像的地理范围仅包含所有输入文件的重叠范围。此处选用缺省值 Inclusive。设置文件名及存储路径，单击 OK。波段叠加后，band1 表示 1 月的气温数据，band2 表示 2 月的气温数据。

（5）NDVI 时间序列

在 ENVI 中打开 2020 年 NDVI 时间序列数据时，由于背景值为-9999，像元值范围在[0,1]（NDVI 值范围在[-1,1]，该数据已经去除由于云、积雪等影响而出现的负值），数值之间差距太大，图像呈现为黑色。在 Toolbox 工具箱中，双击 Raster Management→Edit ENVI Header 工具，在 Data Ignore Value 文本框中填入-9999，忽略背景值影响。

（6）植被类型图

根据实验需求，在 ENVI 中打开经处理后的东北地区植被类型图，如图所示。植被类型主要有：针叶林、阔叶林、针阔混交林、灌丛、草地、栽培植被、沼泽、荒漠和非植被。

（7）静态参数文件生成

引用朱文泉教授研究结果，配置 9 类植被类型的 NDVImax、NDVImin、SRmax、SRmin 和 Emax（理想状态下最大光能利用率）参数。 其中 NDVImax 和 SRmax 的计算需要东北地区植被类型图和 NDVI 时间序列最大值数据。

①NDVI 时间序列最大值计算方法：在 ENVI 中打开 NDVI 时间序列数据 ，在 Toolbox 工具箱中，双击 Band Algebra→Band Math 工具，打开 Band Math 对话框。在 Enter an expression（运算表达式输入框）中输入表达式：b1>b2>b3>b4>b5>b6>b7>b8>b9>b10>b11>b12 。单击 Add to List 按钮，将表达式添加到列表中。单击 OK 按钮，打开 Variables to Bands Pairings 对话框，为运算表达式中各个变量赋予图像文件或者图像波段。在 Variables used in expression 列表框中选择变量 b1，在 Available Bands List 中为 b1 指定一个波段。利用同样的方法分别为所有变量指定波段。单击 Choose 按钮，选择文件名及路径保存结果，单击 OK 按钮，执行运算。

b1：选择 northeast_ndvi_2001 文件的第 1 个波段

b2：选择 northeast_ndvi_2001 文件的第 2 个波段

b3：选择 northeast_ndvi_2001 文件的第 3 个波段

b4：选择 northeast_ndvi_2001 文件的第 4 个波段

b5：选择 northeast_ndvi_2001 文件的第 5 个波段

b6：选择 northeast_ndvi_2001 文件的第 6 个波段

b7：选择 northeast_ndvi_2001 文件的第 7 个波段

b8：选择 northeast_ndvi_2001 文件的第 8 个波段

b9：选择 northeast_ndvi_2001 文件的第 9 个波段

b10：选择 northeast_ndvi_2001 文件的第 10 个波段

b11：选择 northeast_ndvi_2001 文件的第 11 个波段

b12：选择 northeast_ndvi_2001 文件的第 12 个波段

② 启动 ENVI Classic 经典版本，单击实用函数→NPP 估算，在植被 NPP 计算设置窗口中，选择配置静态参数按钮。在 npp 及植被覆盖度计算静态参数设置窗口中，选择计算 NDVImax，SRmax 按钮，依次选择东北地区植被类型图和 NDVI 时间序列最大值。在输入分类精度窗口中，输入 70，单击确定。得到 NDVImax 和 SRmax 结果，如图所示。

引用朱文泉研究结果，手动输入 NDVImin、SRmin 和 Emax 数据，如表 1 所示。完成后单击导出数据按钮，设置文件名（命名规则：静态参数设置 2020）和存放路径，生成 cfg 格式的静态参数文件。

（8）NPP 反演

启动 ENVI Classic 经典版本，单击实用函数→NPP 估算，在植被 NPP 计算设置窗口中，依次选入准备好的数据，单击完成，如图所示。

程序运行完成后，会弹出 npp 及植被覆盖度计算完成提示框（图 30）。 NPP 计算结果 经过程序计算后，会生成 4 个文件，如下所示： npp_sum：年度植被净初级生产力npp_time_series：每个月的植被 NPP veg_cov_mean：植被年平均覆盖率 veg_cov_time_series：每个月的植被覆盖度

实验结果制图输出

数据来源请引用：地理遥感生态网科学数据注册与出版系统

那么这一篇文章就讲到这里.大家动个小手帮忙点赞分享！
 

    赶紧三连关注下， 数据获取途径如下：