张永强全球PML_V2陆地蒸散发与总初级生产力数据免费分享

各位同学们好，今天分享的是张永强全球PML_V2陆地蒸散发与总初级生产力数据。如果您需要下载或处理遥感数据等方面的帮助，评论私信。

一、数据简介

PML_V2陆地蒸散发与总初级生产力数据集是一个包含各种要素的数据集，其中包括总初级生产力（GPP）、植被蒸腾（Ec）、土壤蒸发（Es）、冠层截流蒸发（Ei）和水体、冰雪蒸发（ET_water），总共有5个要素。这些数据以TIFF格式进行存储，时空分辨率为8天和0.05°，时间跨度为2002年7月至2019年8月。

PML_V2数据集基于Penman-Monteith-Leuning (PML) 模型，结合了气孔导度理论，并耦合了GPP过程。这种耦合使得PML_V2在ET模拟的准确性上相较于以往的模型有了显著提升。此外，PML_V2的参数根据不同的植被类型在全球95个涡度相关通量站上进行了调整。随后，根据MODIS MCD12Q2.006 IGBP分类，将参数应用到全球范围。

PML_V2数据集使用GLDAS 2.1的气象数据作为驱动，并利用MODIS叶面积指数（LAI）、反射率（Albedo）和发射率（Emissivity）作为输入。经过计算，得到了PML_V2陆地蒸散发与总初级生产力的数据集。这个数据集可以为研究生态系统水分和能量平衡、气候变化等方面提供有用的信息。

数据以TIFF格式存储，每个文件的名称格式为"yyyy-mm-dd.tif"，例如"2002-07-04.tif"，对应的是2002年7月4日至2002年7月11日这个8天的平均GPP和ET要素数据。每个TIFF文件包含5个变量，分别是GPP、Ec、Ei、Es和ET_water，按照1-5层的顺序排列。需要注意的是，GPP和ET的真实值可以通过像素值乘以一个缩放因子（scale_factor=0.01）得到。

二、数据下载

1. 官网链接

国家青藏高原科学数据中心 (tpdc.ac.cn)https://data.tpdc.ac.cn/zh-hans/data/48c16a8d-d307-4973-abab-972e9449627c

2. FTP链接

主机： ftp2.tpdc.ac.cn

端口：6201

用户名：download_9107781

密码：18306899

三、数据处理（python多波段提取）

#-*- coding: utf-8 -*-
import numpy as np
import os
import random
from osgeo import gdal
# import cv2
import tifffile as tif
from skimage import data,exposure
from sklearn import preprocessing

#  读取图像像素矩阵
#  fileName 图像文件名
def readTif(fileName):
    dataset = gdal.Open(fileName)
    # width = dataset.RasterXSize
    # height = dataset.RasterYSize
    # GdalImg_data = dataset.ReadAsArray(0, 0, width, height)
    # return GdalImg_data
    return dataset

#保存tif文件函数
def writeTiff(im_data,im_geotrans,im_proj,path):
    if 'int8' in im_data.dtype.name:
        datatype=gdal.GDT_Byte
    elif 'int16' in im_data.dtype.name:
        datatype=gdal.GDT_UInt16
    else:
        datatype=gdal.GDT_Float32
    if len(im_data.shape)==3:
        im_bands,im_height,im_width=im_data.shape
    elif len(im_data.shape)==2:
        im_data=np.array([im_data])
        im_bands,im_height,im_width=im_data.shape
    #创建文件
    driver=gdal.GetDriverByName("GTiff")
    dataset=driver.Create(path,int(im_width),int(im_height),int(im_bands),datatype)
    if(dataset!=None):
        dataset.SetGeoTransform(im_geotrans)#写入仿射变换参数
        dataset.SetProjection(im_proj)#写入投影
    for i in range(im_bands):
        dataset.GetRasterBand(i+1).WriteArray(im_data[i])
    del dataset

def bandsclip(path1,path2):
    dataset_img=readTif(path1)
    width=dataset_img.RasterXSize
    height=dataset_img.RasterYSize
    proj=dataset_img.GetProjection()
    geotrans=dataset_img.GetGeoTransform()
    img=dataset_img.ReadAsArray(0,0,width,height)

    img_out=[]
    #依次将各波段输出
    for i in range(img.shape[0]):
        img_out=np.array(img[i,::])
        #保存tiff格式文件数据
        writeTiff(img_out,geotrans,proj,path2+str(i)+'.tif') #输出波段的名称命名格式可以修改，结合传递的path2参数

os.chdir(r'F:\Land_use\land_use-cci-300米\land_use\ESACCI-LC-L4-LCCS-Map-300m-P1Y-1992_2015-v2.0.7\scratch')

path1=r'ESACCI-LC-L4-LCCS-Map-300m-P1Y-1992_2015-v2.0.7.tif'  #要分离波段的原始图像数据名称
path2=r'F:\Land_use\land_use-cci-300米\land_use\ESACCI-LC-L4-LCCS-Map-300m-P1Y-1992_2015-v2.0.7\scratch'      #分离的各波段结果图像部分名称
bandsclip(path1,path2)  #调用上面定义的波段分离函数
print('Bandsclip END!')

四、数据分享

我已经下载并提取了所有的波段，数据的时间跨度是2002~2019年，发布到了公众号，免费下载使用~

五、联系作者