GEEer成长日记十五：盘点GEE中的NDVI数据集

最新推荐文章于 2025-03-19 10:00:03 发布
最新推荐文章于 2025-03-19 10:00:03 发布
阅读量4.3k 收藏 38
点赞数 4
分类专栏： Google earth engine 文章标签： google earth 时序模型 云计算
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/weixin_51691876/article/details/123570609
版权

更多精彩内容请关注公众号：GEEer成长日记

细数NDVI数据集

我们在实际工作中，经常用到各种数据集

使用时并没有一个明确的标准

只能通过不断的尝试去寻找

今天小编的室友帮大家总结了GEE中NDVI数据集

一起看看吧~

NDVI = (近红外波段 - 红波段) / (近红外波段 + 红波段）

名称：GIMMS NDVI From AVHRR Sensors (3rd Generation) 

分辨率：9277m

时间范围：1981-07-01T00:00:00Z - 2013-12-31T00:00:00

名称：NOAA CDR AVHRR NDVI: Normalized Difference Vegetation Index, Version 5

时间分辨率：1 Day

空间分辨率：5566m 

时间范围：1981-06-24T00:00:00Z - 至今

名称：AG100: ASTER Global Emissivity Dataset 100-meter V003

空间分辨率：100m 

时间范围：2000-01-01T00:00:00Z - 2008-12-31T00:00:00

名称：NOAA CDR AVHRR NDVI: Normalized Difference Vegetation Index, Version 4 [deprecated]

时间分辨率：1 Day

空间分辨率：5566m 

时间范围：1981-06-24T00:00:00 - 2019-05-16T00:00:00

名称：PROBA-V C0 Top Of Canopy Daily Synthesis 100m [deprecated]

时间分辨率：1 Day

空间分辨率：100m 

时间范围：2013-10-17T00:00:00 - 2016-12-14T00:00:00

名称：PROBA-V C0 Top Of Canopy Daily Synthesis 333m [deprecated]

时间分辨率：1 Day

空间分辨率：333m 

时间范围：2013-10-17T00:00:00 - 2016-12-14T00:00:00

名称：Landsat 4 TM 8-Day NDVI Composite [deprecated]

时间分辨率：8 Day

空间分辨率：30m 

时间范围：1982-08-22T00:00:00 - 1993-12-14T00:00:00

名称：Landsat 4 TM 32-Day NDVI Composite [deprecated]

时间分辨率：32 Day

空间分辨率：30m 

时间范围：1981-06-24T00:00:00 - 2019-05-16T00:00:00

名称：Landsat 4 TM Annual NDVI Composite [deprecated]

时间分辨率：1 Year

空间分辨率：30m 

时间范围：1982-08-22T00:00:00 - 1993-12-14T00:00:00

名称：Landsat 5 TM 8-Day NDVI Composite [deprecated]

时间分辨率：8 Day

空间分辨率：30m 

时间范围：1984-01-01T00:00:00 - 2012-05-05T00:00:00

名称：Landsat 5 TM 32-Day NDVI Composite [deprecated]

时间分辨率：32 Day

空间分辨率：30m 

时间范围：1984-01-01T00:00:00 - 2012-05-05T00:00:00

名称：Landsat 5 TM Annual NDVI Composite [deprecated]

时间分辨率：1 Year

空间分辨率：30m 

时间范围：1984-01-01T00:00:00 - 2012-05-05T00:00:00

名称：Landsat 7 8-Day NDVI Composite [deprecated]

时间分辨率：8 Day

空间分辨率：30m 

时间范围：1999-01-01T00:00:00 - 2017-04-30T00:00:00

名称：Landsat 7 32-Day NDVI Composite [deprecated]

时间分辨率：32 Day

空间分辨率：30m 

时间范围：1999-01-01T00:00:00 - 2017-04-30T00:00:00

名称：Landsat 7 Annual NDVI Composite [deprecated]

时间分辨率：1 Year

空间分辨率：30m 

时间范围：1999-01-01T00:00:00 - 2017-04-30T00:00:00

名称：Landsat 8 8-Day NDVI Composite [deprecated]

时间分辨率：8 Day

空间分辨率：30m 

时间范围：2013-04-11T00:00:00 - 2017-04-30T00:00:00

名称：Landsat 8 32-Day NDVI Composite [deprecated]

时间分辨率：32 Day

空间分辨率：30m 

时间范围：2013-04-11T00:00:00 - 2017-04-30T00:00:00

名称：Landsat 8 Annual NDVI Composite [deprecated]

时间分辨率：1 Year

空间分辨率：30m 

时间范围：2013-04-11T00:00:00 - 2017-04-30T00:00:00

名称：MODIS Combined 16-Day NDVI [deprecated]

时间分辨率：16 Day

空间分辨率：463.312716528m

时间范围：2000-02-18T00:00:00 - 2017-03-14T00:00:00

名称：MODIS Terra Daily NDVI [deprecated]

时间分辨率：1 Day

空间分辨率：463.312716528m

时间范围：2000-02-24T00:00:00 - 2017-03-30T00:00:00

名称：MODIS Aqua Daily NDVI [deprecated]

时间分辨率：1 Day

空间分辨率：463.312716528m 

时间范围：2000-02-24T00:00:00 - 2017-03-30T00:00:00

【数据集】NDVI数据集总结：GIMMS、MODIS、SPOT/VEGETATION NDVI
WW、forever的博客
10-18 768
【数据集】NDVI数据集总结：GIMMS、MODIS、SPOT/VEGETATION NDVI
GEE案例：利用MODIS数据计算长时序逐月的NDVI数据和下载
此星光明博客
08-16 1294
详细流程如下：1. 打开 Google Earth Engine (GEE) 平台的网站 https://earthengine.google.com/。2. 点击右上角的 "Sign In" 按钮，使用您的 Google 账号登录。3. 在 GEE 界面中，点击左上角的 "Code Editor" 按钮，进入代码编辑器页面。4. 在代码编辑器页面的左上方，点击 "Assets" 选项卡，然后点击右侧的 "New" 按钮，选择 "Image Collection"。
1998-2022年最大NDVI数据集（1km）
m0_63269495的博客
03-29 886
本数据集包含2000年至2023年间中国（东经112.749955°至113.225114°，北纬28.022906°至28.337638°）地区的年最大归一化植被指数（NDVI）值，体现了24年间该地区植被动态的年际变化。本数据集以1000米的空间分辨率捕捉植被的生长状态，为从长时间尺度观测植被变化提供了宝贵的数据资源。第一个是归一化植被指数 (NDVI)，它被称为现有国家海洋和大气管理局高级甚高分辨率辐射计 (NOAA-AVHRR) 导出的 NDVI 的连续性指数。// 输入：待处理的数据的时间跨度。
【数据分享】2000—2024年我国省市县三级逐年归一化植被指数（NDVI）数据（年最大值/Shp/Excel格式）
weixin_63042008的博客
03-18 1271
【数据分享】2000—2024年我国省市县三级逐年归一化植被指数（NDVI）数据（年最大值/Shp/Excel格式）
中国1986-2023年30米分辨率年最大NDVI数据集（含条带修复）
m0_63269495的博客
01-31 8598
(2)SLC条带修复 特别对于LANDSAT 7 ETM+在2011-2013年的SLC-off期间受损数据，开发了GapFill条带修复算法，通过周边像素值预测缺失信息，确保NDVI时序的完整性。2. 然后，使用较高分辨率的传感器图像，例如MODIS的数据，来填充缺失的数据。3. 接下来，通过对不同波段的颜色进行校正，将填充的数据与原始的Landsat 7数据进行融合。通过使用较高分辨率的传感器数据来填充缺失的数据，可以恢复Landsat 7图像的质量并减少条带状的颜色差异。
2000-2023年逐年最大NDVI数据集（500m）
m0_63269495的博客
08-21 634
中国年度500M植被指数（NDVI）空间分布数据集是基于NASA定期发布的MOD13A1产品提取得到的16天500mNDVI数据经过最大合成法处理得到的栅格数据。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况，对植被变化状况监测、植被资源合理利用和其它生态环境相关领域的研究有十分重要的参考意义。目前，NDVI时序数据已经在各尺度区域的植被动态变化监测、土地利用/覆被变化检测、宏观植被覆盖分类和净初级生产力估算等研究中得到了广泛的应用。数据为tiff格式，空间分辨率为500m。
2000-2022年逐年归一化植被指数（NDVI）数据（全国/分省/分市）
weixin_63042008的博客
03-22 5482
2000-2022年逐年归一化植被指数（NDVI）数据（全国/分省/分市）
【数据分享】2000—2022年250米分辨率逐月归一化植被指数（NDVI）数据（免费获取/全国/分省/分市）
weixin_63042008的博客
07-31 1876
【数据分享】2000—2022年250米分辨率逐月归一化植被指数（NDVI）数据（免费获取/全国/分省/分市）
【遥感与地理信息系统】基于GEE自动化下载与处理哨兵2号NDVI数据：瑞士冰川月度NDVI组合及随机森林分类模型训练与评估
最新发布
04-24
内容概要：本文详细介绍了如何使用谷歌地球引擎（GEE）自动化下载并处理哨兵2号卫星的NDVI数据，以进行冰川变化监测。项目分为三个主要部分：第一部分包括数据加载与预处理，如从Google Drive加载影像和标签数据、...
GEE 全部数据集列表（904个数据）2024-10-16.csv
10-16
4. 土地利用/覆盖数据：GEE中包含了各个地区的土地利用/覆盖数据集，可以用于土地变化监测、土地规划等应用。 5. 植被数据：GEE中包含了植被指数数据，如NDVI、EVI等，可以用于植被监测、植被变化分析等应用 每个...
GEE数据集：全球地下水生态系统 (GDEs)数据集（30m分辨率）.pdf
09-05
此数据集仅仅包含GEE的展示以及GEE APP的代码以及应用链接，并不包含下载的到Google 硬盘的代码。 该数据集提供了一张高分辨率（约 30 米）的 GDEs 地图，揭示了全球三分之一以上的旱地（包括主要的生物多样性热点...
MODIS 2020年逐月中国1km植被指数（NDVI）空间分布数据集
03-18
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MOD13A3。MOD13A3的空间分辨率为1km，时间分辨率为monthly。经过提取子数据集、拼接、投影栅格、换算单位、裁剪得到逐月1km的NDVI数据。 地区：中国 时间分辨率：逐月 空间分辨率：1km 投影坐标系：Albers conical equal area 椭球：WGS84 变形比例：1.0 中央经线：105 标准纬线：25 标准纬线：47 引用：Didan, K. (2015). MODIS/Terra Vegetation Indices Monthly L3 Global 1km SIN Grid V006, NASA EOSDIS Land Processes DAAC.https://doi.org/10.5067/MODIS/MOD13A3.006
GEE案例：利用MODIS数据计算长时序逐月的NDVI数据和下载.pdf
08-22
7. 在搜索结果中，选择 "MODIS/006/MOD13A2" 数据集，然后点击 "+ Add to Map"，将数据集添加到地图中。 8. 在代码编辑器页面中，点击 "Layers" 选项卡，将地图显示为 "Image" 视图。 9. 点击 "Inspector" 选项卡...
【NDVI数据集】MODIS NDVI数据集简介
WW、forever的博客
12-30 693
MODIS NDVI数据集简介
【数据分享】2000-2022年中国30米年最大NDVI数据集
qq_48539301的博客
03-05 3512
在算法改进方面，首先计算过去五年中每年最大归一化植被指数（NDVI）值及其对应的观测日期（Day of Year，DOY），得到一系列数值。该数据集利用了Landsat 5/7/8/9遥感数据，通过去除云和阴影的影响，获取了全年有效的Landsat观测数据。然后，对每个有效观测数据进行NDVI指数计算，并利用线性插值和S-G平滑等方法，得到每个像元在一年中的最大NDVI值。随后，逐年计算最大归一化植被指数（NDVImax）及其对应的观测日期（DOYmax）。这样的处理策略旨在确保数据的准确性和一致性。
NDVI数据集提取植被覆盖度FVC
pengbr的博客
07-06 3616
植被覆盖度（Foliage Vegetation Cover，FVC）是指植被冠层覆盖地表的面积比例，通常用来描述一个区域内植被的茂密程度或生长状况。由于冰覆盖的数值较多，我不想让该数值影响到NDVImin和NDVImax值的计算，故写了一个python脚本将-0.3的值变成nodata。可以看到取值不在0-1之间，所以需要将小于0的值都赋值为0，大于1的部分赋值为1，其余部分为其本身的值。利用ENVI软件的快速统计功能同样也可以获取累计百分数为5%和95%的值，结果和python运算的结果差不多。
GEE(google earth engine )读取NDVI数据集(MODIS/061/MOD13Q1)，获得NDVI图和NDVI时间序列变化图，并导出。
weixin_67362258的博客
03-28 2154
GEE读取MODIS16天NDVI数据集并画出NDVI时序变化图。
长三角月度10m植被指数（NDVI) 数据集（2019-2023年）
hu397313168的博客
10-17 399
植被指数数据是区域可持续研究的重要参考指标。长江三角洲地区是我国发展最快的城市群之一，环境容量在城市建设的过程中被挤压，生态压力逐年增大。刘乐萌, 李杨, 戴玲. 长三角月度10m植被指数（NDVI) 数据集（2019-2023年）[DS/OL]. V1. Science Data Bank, 2024[2024-10-16]. https://doi.org/10.12009/YRDR.2024.3014.ver1.db. DOI:10.12009/YRDR.2024.3014.ver1.db.
中国1986-2024年30米分辨率年最大NDVI数据集（含条带修复）
m0_63269495的博客
03-19 442
(2)SLC条带修复 特别对于LANDSAT 7 ETM+在2011-2013年的SLC-off期间受损数据，开发了GapFill条带修复算法，通过周边像素值预测缺失信息，确保NDVI时序的完整性。2. 然后，使用较高分辨率的传感器图像，例如MODIS的数据，来填充缺失的数据。3. 接下来，通过对不同波段的颜色进行校正，将填充的数据与原始的Landsat 7数据进行融合。通过使用较高分辨率的传感器数据来填充缺失的数据，可以恢复Landsat 7图像的质量并减少条带状的颜色差异。
怎么用GEE下载NDVI数据30m分辨
11-27
Google Earth Engine (GEE) 是一个强大的在线数据分析平台，可以用来获取、处理和分析全球地表数据，包括NDVI（Normalized Difference Vegetation Index，归一化植被指数）。以下是使用GEE下载30米分辨率NDVI数据的基本步骤： 1. **登录并初始化GEE**： 首先，你需要有一个Google账号，并通过GEE官网（https://developers.google.com/earth-engine/getting-started）注册，然后在浏览器中访问GEE网站并登录。 2. **编写GEE脚本**： 使用JavaScript编写一个GEE脚本来选择你要的数据源。例如，你可以选择MODIS或 Landsat 数据集，因为它们通常提供30米分辨率的NDVI产品。下面是一个简单的示例，假设我们从MODIS Aqua传感器获取NDVI数据： ```javascript // 定义时间范围 var start = '2020-01-01'; var end = '2020-12-31'; // 选择MODIS Aqua的MCD13Q1 NDVI产品 var ndviCollection = ee.ImageCollection('MODIS/006/MCD13Q1') .filterDate(start, end) .select(['NDVI']); ``` 3. **设置输出区域和格式**： 确定你想要下载的地理区域，以及是否需要将结果转换为GeoTIFF文件。比如： ```javascript // 定义输出区域（经纬度范围） var bounds = ee.Geometry.Rectangle([-180, -90, 180, 90]); // 设置输出格式 var exportOptions = { region: bounds, scale: 30, // 30米分辨率 crs: 'EPSG:4326', // WGS84坐标系 format: 'GeoTIFF' }; ``` 4. **导出数据**： 最后，使用`ee.batch.Export.image.toDrive()`函数将计算好的NDVI数据导出到Google云端硬盘： ```javascript // 导出到Google云端硬盘 Export.image.toDrive({ image: ndviCollection.mean(), // 计算平均NDVI description: 'ndvi_30m_' + start + '_' + end, // 输出文件名 folder: 'my_gdrive_folder', // 存储目录 maxPixels: 1e13, // 如果超过此限制会分成多个任务 **exportOptions** }); ``` 5. **执行任务**： 在GEE控制台，点击“任务”面板，运行这个导出任务。注意GEE可能会根据数据量和服务器资源分配时间来完成任务。
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
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