GEE开发之Modis_ET数据分析和获取

从ET数据到实际应用:用GEE和MOD16A2监测农田耗水与干旱的实战案例 本文详细介绍了如何利用Google Earth Engine(GEE)平台和MOD16A2数据集监测农田蒸散量(ET),实现精准农业和水资源管理。通过实战案例,展示了从数据获取、预处理到时空分析和决策支持的全流程,帮助农业从业者优化灌溉策略并提升作物产量。 阅读详情


前言:主要介绍Modis下的ET数据的获取和下载(日数据、月数据、年数据的下载)。MOD16A2版本6蒸发蒸腾/潜热通量产品是一种以500米像素分辨率生产的8天复合产品。用于MOD16数据产品收集的算法基于Penman-Monteith方程的逻辑,该方程包括每日气象再分析数据的输入以及MODIS遥感数据产品,如植被特性动力学、反照率和土地覆盖。


1 ET(蒸散量)

土壤蒸发和植物蒸腾的总耗水量,植物群落蒸散量和CO2交换量的测定方法多种多样.该文以水分、CO2动态的区域性整合为目标,开创了一种新的、同时测定群落蒸散量和CO2交换量的方法–LI-6262 CO2/H2O分析仪接气室法.

  • 注意1:Modis下的ET数据属于红外遥感法获得。
  • 注意2:两个蒸散层(ET和PET)的像素值是综合期内所有8天的总和。
  • 注意3:两个潜热层(LE和PLE)的像素值是综合期内所有8天的平均值。
  • 注意4:每年的最后8天是一个5或6天的综合期,这取决于年份。
  • 官方介绍https://developers.google.cn/earth-engine/datasets/catalog/MODIS_006_MOD16A2#description

2 MOD16A2(500米/8天)

2.1 MOD16A2下的所有指数

MOD16A2主要有ET、PET、LE、PLE等指数。

var geometry = ee.FeatureCollection('users/www1573979951/luyixian');
Map.centerObject(geometry,6);
var dataset = ee.ImageCollection("MODIS/006/MOD16A2")
.filter(ee.Filter.date('2020-01-01', '2020-12-31'))
.filterBounds(geometry);
print(dataset);

在这里插入图片描述

2.2 ET影像获取和查看

var geometry = ee.FeatureCollection('users/www1573979951/luyixian');
Map.centerObject(geometry,6);
var dataset = ee.ImageCollection("MODIS/006/MOD16A2")
.filter(ee.Filter.date('2001-01-01', '2001-12-31'))
.filterBounds(geometry)
.select('ET');
print(dataset);
var colorizedVis = {
   
   min: 0.0,  max: 1.0,  palette: ['FFFFFF', 'CE7E45', 'DF923D', 'F1B555', 'FCD163', '99B718', '74A901', '66A000', '529400', '3E8601', '207401', '056201', '004C00', '023B01',  
用Python复现《CATENA》论文:植被绿化对水分利用效率的影响分析全流程 本文详细介绍了使用Python复现《CATENA》期刊论文中植被绿化对水分利用效率影响分析的全流程。内容涵盖从Google Earth Engine获取GLASS GPP/ET数据、利用Theil-Sen和Mann-Kendall方法进行趋势检验,到计算水分利用效率变化模式及归因分析。重点分享了数据处理、统计模型实现及空间可视化中的关键技巧与常见问题解决方案,旨在帮助读者完整复现论文核心图表与结论。 阅读详情

相关推荐

如何处理MODIS蒸散数据(ET)中的填充值(仅作参考)

如何处理MODIS蒸散数据(ET)中的填充值(仅作参考)

Z_W_H_的博客 2028

GEE python:使用 Google Earth Engine 和 Xarray 对 NDVI 和 ET 数据进行了分析和可视化

通过以上步骤,我们成功地使用 Google Earth Engine 和 Xarray 对 NDVI 和 ET 数据进行了分析和可视化。这种方法可以帮助我们理解植被状况与水分蒸散之间的关系,为生态研究和水资源管理提供重要的数据支持。希望这篇博客能为你提供有用的信息和灵感!如果你有任何问题,请随时联系我。

此星光明博客 176

Google Earth Engine(GEE)——MODIS数据蒸散发数据北京市2001—2020年四季平均值案例分析

这里直接看代码了: 代码: var start_year = 2001 var end_year = 2020 var no_of_years = end_year - start_year + 1 // print (no_of_years) var etPalette = ['#a50026','#d73027','#f46d43','#fdae61', '#fee08b','#d9ef8b','#a6d96a','#66bd63','#1a9...

此星光明博客 2434

GEE 案例:利用MODIS蒸散发数据进行CWSI农作物水分胁迫程度的指数的计算和分析

利用MODIS蒸散发数据进行CWSI农作物水分胁迫程度的指数的计算和分析。

此星光明博客 164

Google Earth Engine MODIS数据蒸散发数据北京市年季平均值案例分析

通过上述代码,我们可以获取到北京市的年季平均蒸散发值,并进行进一步的分析和研究。然后,我们对数据集中的每个影像应用了该函数,得到带有平均蒸散发值的新数据集。然后,我们对数据集中的每个影像应用了该函数,得到带有平均蒸散发值的新数据集。通过上述代码,我们可以获取北京市的年度季度平均蒸散发值,并进行进一步的分析和研究。函数遍历新数据集中的每个影像,提取年份和季度信息,并将平均蒸散发值存储为属性。函数遍历新数据集中的每个影像,提取年份和季度信息,并将平均蒸散发值存储为属性。接下来,我们可以计算年季平均蒸散发值。

IxtProgramming的博客 238

GEE Python:基于VIIRS数据的蒸散发计算和可视化

本文介绍了一种基于Google Earth Engine平台和VIIRS卫星数据的湖泊蒸散发监测方法。该方法利用MODIS土地覆盖数据识别水体区域,获取并处理VIIRS蒸散发数据,通过Python进行时空分析和可视化。研究流程包括数据获取、区域划定、预处理、年际聚合和结果展示,最终生成蒸散发的空间分布图和时间序列趋势。该方法为水资源管理和气候变化研究提供了自动化、高效的解决方案,具有重要的应用价值。

此星光明博客 211

GEE APP:全球植被与气候监测平台可视化应用

本文介绍了一个基于Google Earth Engine的全球植被与气候数据可视化平台,该平台提供交互式地图功能,支持NDVI、蒸散量、地表温度等多种环境指标的动态分析。主要特点包括图层选择、时间范围筛选、自动缩放和区域特定分析,并配备动态图例显示。平台采用直观界面设计,便于研究人员和政策制定者进行环境监测与分析。文中提供了完整的中文注释代码实现,帮助用户理解技术细节。该工具整合了MODIS等卫星数据资源,为全球植被与气候研究提供了可视化解决方案。

此星光明博客 125

Python GDAL MODIS ET(MOD16A2GF)8天合成月尺度

Python GDAL MODIS ET(MOD16A2GF)8天合成月尺度

MODIS中国500米分辨率2021年逐年实际蒸散发(ET)数据

数据经下载、拼接、去除异常值,最终得到中国范围逐年实际蒸散发(ET)数据,数据为

YOLO系列训练时出现loss出现nan值或者测试时P\R\map全部为0值的解决办法(GTX16xx系列显卡大坑)

YOLO系列训练时出现loss出现nan值或者测试时P\R\map全部为0值的解决办法(GTX16xx系列显卡大坑)

weixin_55249340的博客 3万+

基于RTL8367S与XS2184的工业级POE交换机硬件设计全解析

本文深入解析基于RTL8367S与XS2184芯片的工业级POE交换机硬件设计,涵盖核心价值、芯片选型、原理图设计、PCB布局及可靠性验证等关键环节。重点探讨双芯片协同工作优势,如RTL8367S的自适应调度算法和XS2184的智能功率分配功能,为工业环境下的稳定供电与数据传输提供专业解决方案。

weixin_42614269的博客 449

Python小波变换实战:用PyCWT分析气候数据(附完整代码)

本文详细介绍了如何使用Python中的PyCWT库进行小波变换分析,特别针对气候数据(如NINO3海温异常数据)的多尺度周期性特征提取。通过完整的代码示例,从数据预处理、小波参数配置到结果可视化,逐步指导读者掌握小波变换在气候研究中的实际应用。

weixin_29088655的博客 273

Open Lovable 网站克隆AI工具超详细实战教程(含环境配置、排错与代码修改)

本教程面向有一定计算机基础的新手用户,提供一份全面、深入的 Open Lovable 使用指南。从开发环境搭建、API密钥获取、项目部署到网站克隆、代码下载、本地运行与二次开发,涵盖全流程细节与常见问题解决方案。通过本教程,新手可掌握如何利用AI驱动的Open Lovable工具,将任意目标网站智能复刻为结构清晰、可编辑的现代前端项目(React/Vite),实现快速原型开发与技术学习。

hy行者勇哥的博客 4214

STM32cubemx配置驱动DHT11模块

本篇文章将带大家学习使用DHT11湿温度模块,使用这个模块可以获取当前的温度和湿度数据。DHT11可以用于智能家居,蔬菜大棚等项目当中适用范围广。DHT11 是一种数字式温湿度传感器,由杜邦公司推出。它可以测量环境中的温度和湿度,并将测量结果以数字形式传输给微控制器或其他电子设备,适用于通过数字信号读取环境温湿度的应用场景。DHT11 传感器使用单总线数据交换协议,可以通过一个 I/O 引脚进行控制和数据传输。

m0_49476241的博客 5900

华为OD机试2025A卷 - BOSS的收入(Java & Python& JS & C++ & C )

华为OD机试2025A卷 - BOSS的收入(Jav一个XX产品行销总公司,只有一个boss,其有若干一级分销,一级分销又有若干二级分销,每个分销只有唯一的上级分销。规定,每个月,下级分销需要将自己的总收入(自己的+下级上交的)每满100元上交15元给自己的上级。现给出一组分销的关系,和每个分销的收入,请找出boss并计算出这个boss的收入。输入:分销关系和收入:[[分销id 上级分销id 收入], [分销id 上级分销id 收入], [分销id 上级分销id 收入]]输出:[boss的ID, 总收入]

算法大师! 1168

[QMT量化交易小白入门]-七十九、增加标的后,五年回测收益率达到了2493%

本专栏主要是介绍QMT的基础用法,常见函数,写策略的方法,也会分享一些量化交易的思路,大概会写100篇左右。QMT的相关资料较少,在使用过程中不断的摸索,遇到了一些问题,记录下来和大家一起沟通,共同进步。

木头大左的博客 1556

番外篇 | 关于YOLO11算法的改进点总结

关于YOLO11算法的改进点总结。🌈

小哥谈 2305

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

上一篇: GEE开发之Modis_NDVI数据分析获取大总结
下一篇: GEE开发之Modis_LAI数据分析和获取
等待着冬天的风
博客等级 码龄11年 732粉丝 218原创
评论 44
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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

等待着冬天的风

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