【MODIS数据处理#12】例七：基于MOD09Q1数据集合成NDVI

最新推荐文章于 2024-04-28 17:15:21 发布
最新推荐文章于 2024-04-28 17:15:21 发布
阅读量6.6k 收藏 84
点赞数 4
分类专栏： MODIS数据处理 文章标签： MODIS NDVI arcgis
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_37948866/article/details/121083233
版权

文章目录


系列文章目录： MODIS数据处理

一、MOD09Q1数据介绍

官网介绍链接：https://lpdaac.usgs.gov/products/mod09q1v006/
user guide:https://lpdaac.usgs.gov/documents/306/MOD09_User_Guide_V6.pdf
在这里插入图片描述
MOD09Q1（分辨率8day 250m），相对于MODIS产品系列中已经合成好的MOD13Q1 NDVI（分辨率16day 250m）有更高的时间分辨率16-day。
在这里插入图片描述
查看MOD09数据集的user guide可以得知Band1和Band2分别对应红光波段®和近红光波段(NIR)。
在这里插入图片描述

二、处理步骤

2.1 MRT工具预处理

具体步骤可参考以下两篇专栏，这里不赘述
[MODIS数据处理#1]利用MRT工具预处理MODIS数据——以MOD16、MOD13为例
MRT(MODIS Reprojection Tool)安装、影像批量拼接、重投影和格式转换
``
在这里插入图片描述
将栅格数据导入Arcmap中
在这里插入图片描述

2.2 去除无效值

根据官方文档的说明，栅格的有效值范围是-100~16000，因此我们需要将在此范围之外的像元设为空值，用到的工具是设为空函数，该工具的详细操作说明可以参考这篇的第四节：
[MODIS数据处理#2]常用的Arcmap内置工具（一）
在这里插入图片描述
在这里插入图片描述
或者也可以用栅格计算器，地图代数表达式可以参考下式

SetNull(("sur_refl_b01.tif" <  -100) | ("sur_refl_b01.tif" > 16000),"sur_refl_b01.tif")

在这里插入图片描述

2.3 计算NDVI

经过上面的步骤，我们已经得到了b01(红色波段)和b02(近红外波段)有效范围-100~16000内的栅格数据
在这里插入图片描述
接下来可以用栅格计算器来计算NDVI
在这里插入图片描述
地图代数表达式为：

# 注意Float中的F要大写
(Float("A2021121.h28v05.b02.tif") - Float("A2021121.h28v05.b01.tif")) / (Float("A2021121.h28v05.b02.tif") + Float("A2021121.h28v05.b01.tif"))

在这里插入图片描述
NDVI的范围应该是在-1~1之间，这里出现了在此范围之外的值，原因可能是由于云或者海的影响，见下图h28v05区块的位置
在这里插入图片描述

可以用栅格计算器对数据的范围进行再次筛选
在这里插入图片描述

SetNull(("A2021121.h28v05.NDVI.tif" <  - 1) | ("A2021121.h28v05.NDVI.tif"> 1),"A2021121.h28v05.NDVI.tif")

最终得到的NDVI栅格及局部放大细节见下图：
在这里插入图片描述

Salierib
关注
  • 4
    点赞
  • 踩
  • 84
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
专栏目录
MODIS数据下载
jiekeheiguanglan的博客
06-13 1646
MODIS数据下载，使用火狐浏览器和Downthemall插件
基于MOD09Q1数据批量计算NDVI
水资源领域的程序猿
10-18 2012
基于MOD09Q1数据批量计算NDVI 通过MRT处理好b01和b02波段后，分别存储至两个不同的文件夹（b01和b02）。 接下来打开在arcgis自带的python2.7中键入以下代码：（如果用pycharm和spyder的朋友需要把环境配置为python2.7并且安装arcpy包） ''' # -*- coding: utf-8 -*- import os,arcpy,datetime from arcpy.sa import * #存放文件夹的位置 Red_path = r'C:\Users\ad
MODIS NDVI/EVI指数下载及处理
最新发布
m0_70398377的博客
04-28 1306
下载处理modis NDVI/EVI植被指数
GEE：如何进行对MOD09GA数据集进行水体/云掩膜并计算NDVI将其导出至云盘？
炒茄子的博客
05-14 2015
这里的水体掩膜和云掩膜与一般的数据集不太一样，这里的QC波段是针对每一个波段影像都有4位二进制数进行标识，所以是对每一个波段进行mask的求取再将所有mask求一个类似的或运算。在我们的函数里，QA是一个32位的整数，也就是说它是由32个二进制数位组成的，每一个波段都有4位的数据质量标识，这4位被放在QA中的某一位置。在上述二进制整数中，每4位表示一个波段的质量部分，那么假定我们关心的是最左侧的0010部分(这就是我们称之为数据质量的部分)。这里为了保证精度，对影像进行了云掩膜和水体掩膜。
GEE平台收录的MODIS数据产品介绍（一）
weixin_53620375的博客
03-30 1950
在单个数据层中，将日期编码为燃烧发生的日历年的第几天，将值分配给未燃烧的土地像素，并为丢失的数据和水网单元保留额外的特殊值。国际地圈-生物圈计划(IGBP)、马里兰大学(UMD)和叶面积指数(LAI)分类方案的地图，以0.05度(5600米)的空间分辨率，以每年为间隔提供2001年至2022年全球地图。当这种情况发生时，像素值是所有符合条件的观测值的平均值。它的设计目的是连续地表示地球陆地表面的基本植被特征的比例，它提供了三个表面覆盖成分的等级:树木覆盖百分比、非树木覆盖百分比和光秃秃的百分比。
Python批处理MODIS数据并计算NDVI
weixin_40501429的博客
03-04 3542
1.登录NASA官网下载MOD13Q1数据，红框标出来的是筛选条件，我的筛选条件列出符合要求的文件如下： NASA官网：https://ladsweb.modaps.eosdis.nasa.gov/ MODIS数据的介绍：https://www.cnblogs.com/cuteshongshong/articles/3622855.html 2.利用指定的MRT工具对MODIS数据进行批处理 MRT下载地址：链接：https://pan.baidu.com/s/1aqD4UAhPQAWq83zq
【RS】MCTK工具处理MOD09GA数据--单波段导出和投影
weixin_49232187的博客
08-22 534
MCTK工具对解决预处理MOD09GA数据
research_r_research_MODIS_时间序列_NDVI_
09-30
modis时间序列分析，绘制ndvi时间序列图
GEE 时序插值实现MODIS 8天无云影像代码免费分享
m0_51479488的博客
12-31 2493
本文利用MOD09Q1数据，通过GEE算法实现8天每景无云遥感影像，全年共计46景。
MOD09A1、MYD09A1 文件说明
qq_40292148的博客
05-08 3414
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）
Google Earth Engine——MODIS Combined 16-Day NDVI逐年合成影像循环下载
qq_31988139的博客
12-23 1379
这里我们需要准备数据，看看影像的数据是如何的： The Normalized Difference Vegetation Index is generated from the Near-IR and Red bands of each scene as (NIR - Red) / (NIR + Red), and ranges in value from -1.0 to 1.0. This product is generated from the MODIS/MCD43A4 surface refle
MODIS 2023年中国250m植被指数（NDVI）空间分布数据集
03-24
该植被指数数据来源于美国NASA定期发布的MODIS数据系列，原始数据集为MOD13Q1。MOD13Q1的空间分辨率为250m，时间分辨率为16d。经过提取子数据集、拼接、投影栅格、换算单位、裁剪得到16d 250m的NDVI数据后，再利用...
MODIS 2020年中国250m植被指数（NDVI）空间分布数据集
04-27
该植被指数数据来源于美国NASA定期发布的MODIS数据系列，原始数据集为MOD13Q1。MOD13Q1的空间分辨率为250m，时间分辨率为16d。经过提取子数据集、拼接、投影栅格、换算单位、裁剪得到16d 250m的NDVI数据后，再利用...
MODIS 2020年12月中国250m植被指数（NDVI）栅格数据集.zip
04-28
该逐月250m NDVI数据基于MOD13Q1产品利用最大合成法处理得到。原始数据产品经过提取子数据集、拼接、投影栅格、换算单位、裁剪得到16d 250m的NDVI数据后，再利用最大合成法得到逐月的NDVI数据。 时间：2020年 地区：...
MODIS 2020年11月中国250m植被指数（NDVI）栅格数据集.zip
04-28
该逐月250m NDVI数据基于MOD13Q1产品利用最大合成法处理得到。原始数据产品经过提取子数据集、拼接、投影栅格、换算单位、裁剪得到16d 250m的NDVI数据后，再利用最大合成法得到逐月的NDVI数据。 时间：2020年 地区：...
MODIS 2020年1月中国250m植被指数（NDVI）栅格数据集.zip
04-28
该逐月250m NDVI数据基于MOD13Q1产品利用最大合成法处理得到。原始数据产品经过提取子数据集、拼接、投影栅格、换算单位、裁剪得到16d 250m的NDVI数据后，再利用最大合成法得到逐月的NDVI数据。 时间：2020年 地区：...
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
qq_31988139的博客
03-30 2350
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。
【ArcGIS自定义脚本工具】MOD13Q1数据集处理：批量将16-day分辨率的NDVI栅格转换为monthly分辨率
Salierib的博客
02-09 3109
文章目录一、功能介绍二、脚本代码三、工具参数四、工具界面 系列文章目录：ArcGIS自定义脚本编程 一、功能介绍 利用Arcmap中的镶嵌至新栅格工具，镶嵌运算符选择MAXIMUM，将由MOD13Q1数据集预处理得到的16-day、250m分辨率的NDVI栅格批量转为monthly逐月分辨率。 进行镶嵌至新栅格时，平闰年1 ~ 12月份NDVI的输入栅格可参考下图进行选择： 二、脚本代码 #!/usr/bin/python # -*- coding: UTF-8 -*- #!/usr/bin/pyt
GEEer成长日记二：Modis_NDVI逐日和逐月时间序列分析
热门推荐
微信公众号：GEEer成长日记
01-27 1万+
Modis_NDVI产品时间序列分析
GEE批量下载逐月MOD13Q1 NDVI数据代码
05-02
以下是使用Python和GEE API批量下载逐月MOD13Q1 NDVI数据的示例代码： ``` import ee import datetime # 初始化 GEE ee.Initialize() # 定义区域范围 region = ee.Geometry.Polygon( [[[-124.8876953125, 42.014192020743394], [-120.64697265625, 42.014192020743394], [-120.64697265625, 45.72017789701005], [-124.8876953125, 45.72017789701005], [-124.8876953125, 42.014192020743394]]], None, False) # 定义时间范围 start_date = datetime.datetime(2000, 1, 1) end_date = datetime.datetime(2021, 12, 31) # 定义数据集 dataset = ee.ImageCollection('MODIS/006/MOD13Q1').select('NDVI') # 遍历每个月份下载数据 for year in range(start_date.year, end_date.year + 1): for month in range(1, 13): date_str = f'{year}-{month:02}-01' current_date = datetime.datetime.strptime(date_str, '%Y-%m-%d') if current_date < start_date or current_date > end_date: continue start_date_str = current_date.strftime('%Y-%m-%d') end_date_str = (current_date + datetime.timedelta(days=32)).strftime('%Y-%m-%d') filtered = dataset.filterDate(start_date_str, end_date_str).filterBounds(region) image = filtered.mean() task = ee.batch.Export.image.toDrive(image=image, description=f'MOD13Q1_NDVI_{year}_{month:02}', folder='GEE MODIS NDVI', region=region, scale=500, maxPixels=1e13) task.start() print(f'Starting export task for {year}-{month:02}') ``` 此代码将从2000年1月到2021年12月遍历每个月，并使用GEE API从MOD13Q1数据集中筛选出NDVI图像并将其平均化，然后将其导出到Google Drive中的文件夹“GEE MODIS NDVI”中。你可以在代码中修改区域、时间范围、数据集和导出设置，以适应你的需求。

“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 4
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

Salierib

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