R语言处理MOD09A1

最新推荐文章于 2024-12-06 20:44:58 发布

Tjzszsl

最新推荐文章于 2024-12-06 20:44:58 发布

阅读量1.3k

点赞数

分类专栏： R语言文章标签：数据库

本文链接：https://blog.csdn.net/Tjzszsl/article/details/106467285

版权

R语言专栏收录该内容

1 篇文章

订阅专栏

有大佬知道如何从大的分辨率中提取小的像元吗使用在这里插入图片描述 ## R语言处理MOD09A1数据

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Tjzszsl

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

MOD09A1数据下载与预处理-地表干湿度指数的计算

soderayer的博客

10-25

5967

1.MOD09A1数据介绍 1.1 数据介绍网址：LP DAAC - Search 中分辨率成像光谱仪 (MODIS) Terra MOD09A1 6.1 版产品提供了对 Terra MODIS 波段 1 至 7 的表面光谱反射率的估计，并针对大气条件（如气体、气溶胶和瑞利散射）进行了校正。除了七个 500 米 (m) 反射带之外，还有两个质量层和四个观测带。对于每个像素，从 8 天合成周期内的所有采集中选择一个值。像素选择的标准包括云天顶和太阳天顶。当多次采集满足标准时，使用具有最小通道 3（

Google Earth Engine（GEE）——MODIS/061/MOD09A1数据计算逐月FVC并获取逐月的直方图分布和影像下载

此星光明博客

03-30

2923

我发现大家现在衣来伸手饭来张口的习惯太厉害了，有粉丝尽然问如何进行MODIS影像计算FVC，我之前已经有博客谢过了逐月的ndvi计算和FVC计算，只不过使用的是Landsat数据，最有我还是不忍心写了这篇博客，大家又可以白嫖了，不过希望大家以后能自己动手实现代码的改编，否则是无法提升自己的GEE应用能力的。上次的代码链接如下：在代码开始之前，我们首先要熟悉你要使用的数据中影像波段，这样才能计算植被指数进而计算植被覆盖和归一化并导出影像：//MOD09地表反射率产品都已针对气溶胶和大气影像进行了校正。

参与评论您还未登录，请先登录后发表或查看评论

MOD09A1数据不完整的两期

farmanlinuxer的博客

02-08

1743

MOD09A1产品是8天周期Sinusoidal投影多波段遥感全球分片数据。使用中发现2000-049和2016-049两期数据是不完整的，(找时间另外附图)。如果需要使用这两期的全球数据，数据处理中建议跳过，必要时使用前后两期数据插值替代。不然，这两期不但只能提供很少的有效信息，而且会引入很大的使用填充值无法过滤的误差，得不偿失。 ...

MCTK批处理MODIS 09A1产品

qihui20的博客

12-14

5818

MCTK批处理MODIS 09A1产品 ENVI+IDL版本：5.3 MCTK版本：V2.1.11 MCTK的下载与安装下载地址：https://github.com/dawhite/MCTK/releases 简介及安装详见_yaohuizheng671的博客-CSDN博客 MCTK实现MODIS数据坐标重投影 https://blog.csdn.net/yaohuizheng671/article/details/105089873 将MODIS09A1数据导入MCTK，左边大方框里有数据相关信息。

利用Python和GDAL把MODIS的HDF格式表观反射率产品MOD09A1转换为TIFF格式并重投影到与LANDSAT8-OLI一致

RSstudent的博客

01-23

1780

利用Python和GDAL把MODIS的HDF格式表观反射率产品MOD09A1转换为TIFF格式并重投影到与LANDSAT8-OLI一致

GEE高阶应用python wxee——MODIS气象数据可视化处理（2022年3-9月葡萄牙为例）以及可视化地图加载

此星光明博客

02-26

805

wxee 是专为处理气象数据而设计的，但它在遥感数据方面也很有用。在本示例中，我们将了解 wxee 如何处理 MODIS 传感器的数据，以及如何利用 xarray 对象创建彩色复合图。

IDL学习笔记（四）MODIS数据处理。MODIS数据介绍，以及Swath数据处理

Aigcl的博客

12-06

1999

MODlS(Moderate Resolution lmaging Spectroradiometer 中分辨率成像光谱仪 ) :卫星平台 : Terra（上午11点左右过境）、Aqua（下午1点半左右过境空间分辨率 : 250 m、500 m、1 km(at nadir，星下点分辨率波段数 : 36 个过境频次 : 2 - 4 次 / 天扫描方式 : 穿轨扫描(cross-track-scanning幅宽 : 2230 kmmodis成像方式：穿轨扫描！一行一行拼起来的。

探索Google Earth Engine：利用MODIS数据和R语言进行2000-2021年遥感生态指数（RSEI）的时空趋势分析

Promising_GEO的博客

11-14

647

本文教会你在GEE上面实现RSEI计算和数据后处理

Google Earth Engine——基于MODIS数据的中位数和标准差计算计算Z值，基于每月中位数MODIS场景的z-score时间序列

此星光明博客

11-25

290

创建基于每月中位数MODIS场景的z-score时间序列的脚本，经过云、云阴影和雪的掩膜处理。

Google Earth Engine MODIS MOD09A1 数据计算逐月 FVC 并获取逐月的直方图分布和影像下载 GEE

VwajAlgorithm的博客

09-21

867

Google Earth Engine（GEE）是一个强大的云端平台，提供了丰富的遥感数据集和分析工具，可以用于地球科学研究、环境监测等领域。本文将介绍如何使用 Google Earth Engine 计算 MOD09A1 数据集中的植被覆盖度（Fractional Vegetation Cover，FVC），并生成逐月的直方图分布，并演示如何下载相关的影像。通过上述代码，我们成功计算了 MOD09A1 数据集中植被覆盖度（FVC）的逐月直方图分布，并将逐月的 FVC 影像下载到本地。

MODIS数据特点及其预处理

01-19

MODIS数据特点及其预处理，王冠，，MODIS是搭载在TERRA和AQUA卫星上的主要传感器之一，它具有36个光谱波段覆盖了0.4μm～14μm的电磁波谱范围，与NOAA AVHRR、Landsat TM数据相比, MO

基于Modis影像提取NDVI的批处理程序

09-23

设置好文件路径，运行程序，即可以直接提取出ndvi数据。程序流程为：从modis提取ndvi数据，然后实现影像镶嵌，最后统一转为albers投影。

MOD09A1数据与Landsat 4/5 TM波段的对应关系

热门推荐

yy_nju的专栏

04-21

1万+

MOD09A1数据与Landsat 4/5 TM波段的对应关系 Band 1 620-670nm TM 3 620-690nm Band 2 841-876nm TM 4 760-9

MOD09A1、MYD09A1 文件说明

qq_40292148的博客

05-08

5560

文件全称为 MODIS Terra/Aqua Surface ReflectanceL3 Global。文件名称的示例为 “MOD09A1.A2000337.h11v05.005.2006342055602.hdf”。下载下来的 hdf 包括个子数据集，一个 tile 包括 2400*2400 个像元。各数据集的性质如下表所示。Science Data Sets (13 个 hdf 层）0.000116位有符号整数（度）

【CSharp】反射获取集合的值

zhy29563

09-11

465

void Main() { var tool = new BlobTool(); var type = tool.GetType(); var results = type.GetProperty("Results").GetValue(tool) as IEnumerable<object>; foreach (var element in results) { Debug.WriteLine(element); } } public class BlobTool.

ESTARFM数据预处理流程

Tina的成长笔记

10-27

5014

1、Landsat数据进行FLAASH大气校正； 2、批量裁剪Landsat数据裁剪研究区的extent边界； ——Arcpy脚本 3、MODIS数据（MOD09A1）使用HEGTool进行投影转化预处理； 4、批量裁剪MODIS数据extent边界； ——Arcpy脚本 5、批量几何校正MODIS数据 ——ENVI的二次开发拓展工具ImageRegistrationBatchTask 6、Layer stacking ——对照下表把波段进行整理，并将MOD09A1数据重采样为30m

MRT批量处理MODIS数据

m0_58832103的博客

09-07

2307

1.选择波段的时候很奇怪，如果这里选了两个以上波段，批处理的时候还是会把所有的波段都提取出来，我也不知道为什么，所以每次都提取七个波段（mod09A1数据），这样最起码后面那些乱七八糟的波段不会提取 2.Output File输入文件名字的时候要加后缀“.tif” 3.output projection type 要怎么选择呢？投影方式我一般选geogrophic吗，参数什么的都不会改（但是我一直心存疑惑不知道这样可以不，但是我后期不看图吗，只是导出数据，应该没关系的吧） 4.如果要做批量处理的话..

MODIS数据预处理STEPS

ronvicki的博客

02-11

4065

MRT工具安装java（jdk+jre）安装MRT https://blog.csdn.net/gisboygogogo/article/details/75784080 http://blog.sina.com.cn/s/blog_51d9bb8c0100fwi8.html 特别注意：输入java bin的路径 Please enter the path to your Java bin d...

MODIS数据介绍

weixin_41041234的博客

09-26

9594

Modis目前主要存在于两颗卫星上：TERRA和AQUA。 TERRA卫星每日地方时上午10:30时过境，因此也称作地球观测第一颗上午星（EOS-AM1） AQUA每日地方时下午过境，因此称作地球观测第一颗下午星(EOS-PM1)。获取36个波段的数据 MODIS获取数据的原始分辨率包括三类：波段1–2 – 250m、波段3–7 – 500m、波段8–36-1000m 其产品的分...

gee处理MOD09A1投影转换，重采样波段合成

最新发布

03-23

好的！以下是关于gee（Google Earth Engine）如何处理MOD09A1数据进行投影转换、重采样以及波段合成的详细介绍： --- ### MOD09A1 数据简介 MOD09A1 是由 NASA 提供的地表反射率产品，时间分辨率为8天复合影像，默认的空间参考系统是SINUSOIDAL投影。然而，在实际应用中我们通常需要将该数据转到其他常用的地图投影（如WGS84），并进行适当的分辨率调整。 #### 投影转换与重采样的基本流程 ##### 1. **加载数据** 首先通过 Google Earth Engine (GEE) 加载 MOD09A1 数据集，并选择感兴趣的区域和时间段。 ```javascript // 示例代码片段 - 加载 MOD09A1 数据 var dataset = ee.ImageCollection("MODIS/061/MOD09A1") .filterDate('2023-01-01', '2023-01-31') .first(); // 取第一个图像作为示例 ``` ##### 2. **获取当前投影信息** 了解原始数据的投影情况非常重要。可以提取出其默认的CRS及比例尺。 ```javascript print(dataset.projection()); // 查看原生投影信息 ``` 一般地，你会看到类似 `EPSG:54008` 的 SINU 投影坐标系及其像素大小为约 500 米左右。 ##### 3. **指定新的目标投影** 定义一个新的地理空间引用框架比如 WGS84 和所需的像元尺度值。例如设置每个像素对应的实际地面距离为 500m x 500m 下面就是采用这样的参数配置： ```javascript var newProj = {crs:'EPSG:4326', scale: 0.004}; // 注意：对于经纬度单位而言，scale 参数应表示十进制度数而非米制长度； ``` ##### 4. **执行投影变换 + 波段组合操作** 对影像做重映射(reprojecting)，同时完成多个波段的选择或合并计算任务。假设我们要生成NDVI指数，则需选取红光(red)与近红外(NIR)两个特定频谱层再加以公式运算得到结果图层内容展示出来即可满足需求啦！下面是完整示范步骤源码清单如下所示: ```js // 定义函数用于计算 NDVI 值 function addNDVI(image){ var ndvi = image.normalizedDifference(['sur_refl_b02','sur_refl_b01']).rename('NDVI'); return image.addBands(ndvi); } // 应用自定义方法至整个集合上逐帧加工生产最终产物序列形式存储起来便于后续分析使用哦~ var processedImages = dataset.map(addNDVI); Map.setCenter(107,-3); ui.root.clear(); ui.Map.Layer(processedImages.first().select('NDVI'),{min:-1,max:1,palette:['blue','white','green']},'NDVI Map'); ``` 以上即完成了从读取遥感资料开始直到最后呈现出基于植被健康状况评估可视化地图全过程讲解了呢~希望大家能够有所收获呀😊