Google Earth Engine（GEE）——逐日MOD10A1.005积雪覆盖度500m数据下载和均值标准差统计（中国区域为例）

最新推荐文章于 2023-12-26 15:21:45 发布
最新推荐文章于 2023-12-26 15:21:45 发布
阅读量1.9k 收藏 8
点赞数
分类专栏： GEE案例分析 文章标签： 积雪 覆盖度 下载 MOD10A1 中国
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_31988139/article/details/124098559
版权

最近有同学再问关于积雪日数据的下载的问题，今天我们通过MOD10A1.005卫星进行数据的下载和统计，那么我们首先看一下关于数据的简单介绍：

MOD10A1 V5 Snow Cover Daily Global 500m产品包含雪盖、雪反照率、雪盖分率和质量评估（QA）数据。积雪覆盖数据是基于采用归一化差异积雪指数（NDSI）和其他标准测试的积雪制图算法。

Dataset Availability

2000-02-24T00:00:00 - 2016-12-26T00:00:00

Dataset Provider

NSIDC

Collection Snippet

ee.ImageCollection("MODIS/MOD10A1")

代码：

Resolution

500 meters

Bands Table

Name Description Min Max
Snow_Cover_Daily_Tile

NDSI snow cover plus other results. This value is computed for MOD10_L2 and retrieved when the observation of the day is selected. Possible values are: 0-100 (NDSI snow cover).

NDSI雪量和其他结果。这个值是为MOD10_L2计算的，并在选择当天的观测
了解本专栏 订阅专栏 解锁全文 超级会员免费看
此星光明
关注
  • 0
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
Google Earth Engine（GEE）——MOD10A1.005 Terra Snow Cover Daily Global 500m下载高质量雪覆盖数据下载
qq_31988139的博客
03-31 1202
我们用到的这个modis数据，这里有两个数据集： MOD10A1.006 Terra Snow Cover Daily Global 500m MOD10A1.005 Terra Snow Cover Daily Global 500m [deprecated] MOD10A1 V5 Snow Cover Daily Global 500m产品包含雪盖、雪反照率、雪盖分率和质量评估（QA）数据。积雪覆盖数据是基于采用归一化差异积雪指数（NDSI）和其他标准测试的积雪制图算法。 正常的话我们用第一个数
Google Earth Engine（GEE）——通过NDBI计算雪山覆盖去除雪山阴影
qq_31988139的博客
06-13 1448
本次使用的数据时LandsatTOA数据 LANDSAT/LT05/C01/T1_TOA然后进行波段运算，之后进行雪山的展示。我们用单位的阈值去过滤掉雪山对整个影像的影像，这是单独提取的一种方式。首先，可以从计算 SNOW_COVER 开始。一种简单（简单）的方法是使用 NDSI 并排除雪像素，但在可见波段中反射率值很低）。这样可以从这个集合中删除一些带有永久冰川的图像。从集合中删除此图像。代码：...
2000年-2023年安徽省积雪覆盖Modis数据（未处理栅格数据）【MOD10A1/A2】
04-04
2000-02-24到2023-02-10的安徽省积雪覆盖数据（未处理栅格数据）【MOD10A1/A2】 里面为分好类的Modis数据
modis数据批量处理详细过程xzx.docx
07-23
从MODIS植被指数的下载到批量处理为最大合成法NDVI/EVI数据的全套过程
Google Earth Engine（GEE）——MODISMOD09A1影像的去云_此星光明的博客-CSDN博客.mht
12-24
Google Earth Engine（GEE）——MODISMOD09A1影像的去云_此星光明的博客-CSDN博客.mht
Google Earth Engine -在 GEE 中计算面积含各类要素计算（土地分类为例）含讲解和代码.pdf
03-11
在 GEE 中计算面积含各类要素计算（土地分类为例）含讲解和代码。 本教程中 从土地分类影像的加载，地图统计和面积统计等多个环节对如何在GEE中进行土地分类进行了全面分析，包含了所有计算代码。省去了下面再本地计算的过程，只需要几秒钟就能轻松实现大范围土地分类面的计算 土地分类面积计算的具体流程通常包括以下几个步骤： 收集土地信息：收集相关土地信息，包括土地的位置、形状、边界线、使用权等。 绘制土地边界：使用地理信息系统（GIS）或其他绘图工具，将土地的边界线绘制出来，以便后续计算面积。 数据处理：将绘制的土地边界导入地理信息系统软件中，进行一些数据处理工作，例如坐标转换、去除不需要的数据等。 面积计算：使用地理信息系统软件的面积计算功能，对绘制的土地边界进行面积计算。计算结果可以以平方米、公顷或其他单位呈现。 精度控制：根据实际需要和计算精度要求，对计算结果进行修正和调整。例如，四舍五入到特定位数，或进行误差估计。 结果输出：将计算得到的土地分类面积结果输出成表格、图形或报告等形式，以便后续使用或分析。
GEE实现积雪面积长时间序列监测（附代码）
Ffffkkkkfk的博客
12-26 581
本研究使用了 Google Earth Engine 的 JavaScript API 对 MODIS 积雪数据进行处理。首先，设置了起始和结束日期，选择了相应的数据集。随后，通过循环遍历每一天的数据，进行投影、统计，并将结果导出为 GeoTIFF 文件。将每天的数据添加到地图上，并计算了每天的总积雪覆盖面积，最终将这些统计信息保存为 CSV 文件。整个过程涵盖了数据处理、地图展示以及结果导出等关键步骤，实现了对积雪情况的全面统计和可视化。
Google Earth Engine（GEE）-如何在线计算NDVI（归一化植被指数）和FVC（植被覆盖度）并批量下载.pdf
11-04
Google Earth Engine（GEE）——如何在线计算NDVI（归一化植被指数）和FVC（植被覆盖度）并批量下载。 归一化植被指数（Normalized Difference Vegetation Index，NDVI）是遥感中常用的植被指数之一，用于表征地表植被覆盖度和生长状态。NDVI的计算公式如下： NDVI = (NIR - RED) / (NIR + RED) 其中，NIR 是近红外波段的反射率，RED 是可见光红波段的反射率。 NDVI 的值范围为 -1 到 1。NDVI 值越高，表明植被覆盖度越高。NDVI 值为 0 表示没有植被，NDVI 值为 1 表示完全覆盖的植被。 植被覆盖度是指地表被植被覆盖的面积占总面积的比例。植被覆盖度可以通过 NDVI 值来估算。NDVI 值越高，表明植被覆盖度越高。 NDVI 和植被覆盖度是植被监测的重要指标。NDVI 可以用来监测植被生长状态、植被变化和植被资源。植被覆盖度可以用来评估生态环境质量和自然资源。
Google Earth Engine（GEE）-利用Landsat卫星影像计算EVI数据并下载以山西省为例.pdf
02-14
这里简单说明以下本次适用的数据是Landsat系列，但是Landsat系列卫星中常用的数据包含地表反射率数据SR和大气层顶反射数据，这里面用到的去云方法是不一样的，所以大家要根据所选择的系列影像去采取不同的去云方法，本次案例我们以Landsat SR数据为实验目标。 之前关于去云的文章请参考： (452条消息) Google Earth Engine（GEE）——Landsat 8TI/TOA/SR影像对比分析区别和去云即NDVI计算_此星光明2021年博客之星云计算Top3的博客-CSDN博客 第一步我们进行SR去云函数的设定：第二步：设定EVI波段运算的函数；第三步：加载我们的研究区矢量；第四步：进行影像的筛选和map操作：第五步：将影像进行最大值合成第六步：影像下载
Google Earth Engine（GEE）-MNDWI水体面积提取和统计分析OTSU算法（东江水库为例）.pdf
11-13
Google Earth Engine（GEE）——MNDWI水体面积提取和统计分析OTSU算法（东江水库为例）Otsu最大类间方差法原理 利用阈值将原图像分成前景，背景两个图象。 前景：用n1,csum,m1来表示在当前阈值下的前景的点数，质量矩，平均灰度 背景：用n2, sum-csum,m2来表示在当前阈值下的背景的点数，质量矩，平均灰度 当取最佳阈值时，背景应该与前景差别最大，关键在于如何选择衡量差别的标准，而在otsu算法中这个衡量差别的标准就是最大类间方差，在本程序中类间方差用sb表示，最大类间方差用fmax 关于最大类间方差法（otsu）的性能: 类间方差法对噪音和目标大小十分敏感，它仅对类间方差为单峰的图像产生较好的分割效果。 当目标与背景的大小比例悬殊时，类间方差准则函数可能呈现双峰或多峰，此时效果不好，但是类间方差法是用时最少的。 最大类间方差法（otsu）的公式推导： 记t为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1。 则图像的总平均灰度为：u=w0*u0+w1*u1。 前景和背景
【GEE笔记】按日合成计算和筛选下载遥感数据——哨兵2号(Sentinel-2)
runepic的博客
02-23 5612
主要功能： 1、数据每日合成 2、递归函数返回每个有数据日期的影像，组成数据集；筛选出有效像元大于70%的影像 3、值域映射 4、批量下载数据，整个数据集
Google Earth Engine（GEE）——中分辨率成像影像 (MODIS) 是积雪分析的重要数据支撑
qq_31988139的博客
11-06 1360
我们星球经历的最深刻的变化之一是积雪的季节性积累和消融。这种季节性循环不仅对生物圈具有深远影响，而且在我们星球的能量平衡、气候和水文循环中也起着不可或缺的作用。与其他类型的土地覆盖相比，积雪具有更高的反照率，并且在全球能量平衡中发挥着重要作用（美国宇航局，2015 年）。随着雪的融化，它为多达六分之一的世界人口提供了饮用水源，大大减少了对替代淡水资源的需求（Barnett 等，2005）。融雪在维持接收融雪的流域的基流水平方面也发挥着重要作用（Viviroli 等，2007）。此外，仅在...
Google Earth Engine（GEE）——全球基于MODIS的月度雪盖值（2000-2020年）
qq_31988139的博客
02-20 752
在得出定量后，用时间上的相邻值来填补空白（例如，2002年的缺失值用2001年和2003年的平均值来填补）。在北半球的11月、12月、1月和2月，差距特别大。重要提示：由于白沙的高反射，地图仍然含有一些伪影，例如玻利维亚的乌尤尼盐湖沙漠和类似的地方。关于代码的技术问题和疑问：https://gitlab.com/openlandmap/global-layers/issues 所有文件都以云优化的GeoTIFF形式提供，并在GDAL中使用 "COMPPRESS=DEFLATE "创建选项进行内部压缩。
Modis积雪遥感数据处理（积雪覆盖度）【时间：2001.12.01--2022.03.31】
地瓜地瓜的博客
04-05 1780
Modis积雪遥感数据下载与拼接 MRT工具的使用
MODIS 10A1/A2数据下载(迅雷方式)
haochibaa的博客
05-19 4425
1.      进入NSDIC网站，网址http://nsidc.org/。 2.      在“DATA”下选择“snow”。3.      输入“MOD10A1”，单击“Search”。4.      这里以第一个数据为例，选择“Get Data”下的“Earthdata Search”。5.      单击“Earthdata Login”登陆账户，然后单击所需数据。6.      设置空间...
JavaScript_catvod的开放版本.zip
05-20
JavaScript
node-v10.4.1-headers.tar.gz
最新发布
05-20
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
gee下载MOD44B.006
09-20
通过Google Earth Engine (GEE) 批量下载 MOD44B.006 数据的方法如下： 1. 首先，确保你已经安装并正确设置了 GEE Python API。你可以在以下链接找到相关的安装和设置说明：https://developers.google.com/earth-engine/python_install-conda 2. 在你的 Python 环境中，导入必要的 GEE 模块： ```python import ee ee.Initialize() ``` 3. 使用以下代码下载 MOD44B.006 数据： ```python # 设置区域和时间范围 geometry = ee.Geometry.Rectangle([-180, -90, 180, 90]) # 下载全球数据 start_date = '2000-01-01' end_date = '2020-12-31' # 选择 MOD44B.006 数据集 modis_dataset = ee.ImageCollection('MODIS/006/MOD44B') # 筛选指定时间范围内的影像 filtered_collection = modis_dataset.filterDate(start_date, end_date) # 筛选指定区域内的影像 filtered_collection = filtered_collection.filterBounds(geometry) # 下载影像 ee.batch.Export.image.toDrive( image=filtered_collection, description='MOD44B', scale=500, region=geometry.getInfo()['coordinates'], fileFormat='GeoTIFF' ).start() ``` 以上代码将下载 MOD44B.006 数据集中在指定时间范围和区域内的影像，并将其保存在 Google Drive 中。你可以根据需要修改区域、时间范围、缩放比例和保存路径等参数。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

此星光明

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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