【GLASS FVC数据】利用Python批量下载GLASS的植被覆盖度(FVC)数据

本文介绍了如何利用Python批量下载GLASS产品的植被覆盖度(FVC)数据,主要针对马里兰大学提供的无限制下载链接。GLASS FVC产品基于MODIS和AVHRR数据,具有高时间和空间分辨率。文章提供了基于MODIS和AVHRR数据的Python下载代码示例,以解决手动下载的不便。
摘要由CSDN通过智能技术生成

数据简介: GLASS产品包括2022年之前发布的数据:叶面积指数(LAI),反照率(Albedo),发射率(BBE),光合有效辐射(PAR),长波辐射(LW),下行短波辐射(DSR),净辐射(NR),陆表温度(LST),光合有效辐射吸收比(FAPAR),植被覆盖率(FVC),潜热通量(ET),植被总初级生产力(GPP);还有2023年增加数据:植被聚集指数,中国建筑物屋顶数据(CBRA),国际湿地城市数据,森林覆盖度(FFC),土壤湿地数据。本文目标为下载GLASS中的FVC数据。

常用下载网址为:

  • 国家地球系统科学数据中心共享服务平台下载: http://glass-product.bnu.edu.cn/index.html
  • 马里兰大学GLASS产品发布网站: http://www.glass.umd.edu/Download.html

FVC数据: <参考自https://mp.weixin.qq.com/s/6hx98GZnuoLJmYJGDkoDNQ>

植被覆盖度(Fractional Vegetation Cover,FVC)定义为绿色植被在地面的垂直投影面积占统计区总面积的百分比,是刻画地表植被覆盖的一个重要参数。基于MODIS数据的GLASS FVC产品具有500米空间分辨率和8天时间分辨率特征,时间覆盖范围为2000年以后,采用标准的MODIS分幅存储。GLASS FVC 产品与现有GEOV2GEOV3两种全球尺度的FVC产品进行了对比,并利用IMAGINES全球分布的地面数据对产品精度进行了比较。三种FVC产品在全球大部分区域具有较好的时空一致性,而GLASS FVC产品在空间连续性和完整性上更具优势。

  • 基于AVHRR数据生产的植被覆盖度遥感数据集产品的时间范围为1981-2020,采用经纬度投影方式,空间分辨率为 5 km×5 km;
  • 基于MODIS数据生产的植被覆盖度遥感数据集产品的时间范围为2000-2021,采用SIN投影方式,空间分辨率为 0.5 km×0.5 km。

代表文献: Jia K, Yang L, Liang S, Xiao Z, Zhao X, Yao Y, Zhang X, Jiang B and Liu D. 2019. Long-Term Global Land Surface Satellite (GLASS) Fractional Vegetation Cover Product Derived from MODIS and AVHRR Data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 12(2): 508-518. DOI: 10.1109/JSTARS.2018.2854293. https://ieeexplore.ieee.org/document/8417967

存在问题: 使用国家地球系统科学数据中心下载链接需要登陆,且过程下载繁琐;使用马里兰大学下载链接无限制,但必须手动

需求: 使用马里兰大学下载链接,实现python自动下载

下载基于MODIS数据的代码:

import os
import re
import requests
 
base_url = "http://www.glass.umd.edu/FVC/MODIS/0.05D/"# 数据集产品

# 生成年份列表
years = list(range(2001, 2021))#2001-01-01 to 2021-12-30
# 指定下载数据的保存目录
output_folder = "ori_data"

#生成数据URL
#该数据集时间分辨率为8天
for year in years:
    dirname = 'ori_data'+os.sep+str(year)
    if str(year) not in os.listdir(output_folder):
        os.mkdir(dirname
要使用Python批量下载FVC(Fingerprint Verification Competition,指指纹识别比赛)的glasss数据,可以按照以下步骤进行: 1. 首先,需要导入相关的Python库,例如requests和os。 2. 确定要下载数据集所在的URL地址。可以在FVC的官方网站上找到glasss数据集的下载链接。 3. 使用Python的requests库发起HTTP请求,获取目标URL地址上的数据。 4. 将下载数据写入到本地文件中。可以使用Python的os库来创建并命名文件。 5. 重复以上步骤,直到所有的数据都被下载完毕。 下面是一个示例代码: ```python import requests import os # 目标数据集的URL地址 url = "你的数据集URL地址" # 下载数据的保存目录 save_dir = "./fvc_glasss_data/" # 确保保存目录存在 if not os.path.exists(save_dir): os.makedirs(save_dir) # 发起HTTP请求,获取数据 response = requests.get(url) # 确定数据的总大小 total_size = int(response.headers.get('Content-Length', 0)) block_size = 1024 print("开始下载数据...") # 通过迭代写入文件,实现分块下载 with open(os.path.join(save_dir, "fvc_glasss_data.zip"), 'wb') as file: for data in response.iter_content(block_size): file.write(data) # 显示下载进度 downloaded_size = len(data) percent = (downloaded_size / total_size) * 100 print("已下载:{:.2f}%".format(percent), end='\r') print("数据下载完成!") ``` 以上代码演示了如何使用Python的requests库下载FVCglasss数据集。在代码中,我们首先指定要下载数据集的URL地址和保存路径,使用requests库发起HTTP请求,获取数据,并将其分块写入本地文件中。最后,我们通过循环迭代下载并显示下载进度,直到所有数据都被下载完毕。 请注意,代码中的URL地址和保存路径需要根据实际情况进行修改。另外,可能还需要对下载数据进行解压缩等操作,这部分可以根据具体需求进行修改和补充。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值