一、说明
MOD16A2.061是基于Penman-Monteith方程的8天复合蒸散量产品,空间分辨率为500米,时间范围自2001年起至今。基于GEE对ET进行时间变化分析,包括日、月、季节和年,并导出对应的栅格数据。
各位同学可以根据需求更改研究区、时间段和分辨率,当然也可以分析其他产品数据。
二、日变化特征



三、月尺度

<
墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
500+累计阅读
550平均单平台
已同步平台
CSDN
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年,写一次发全网
我也要 →
码龄6年
一、说明
MOD16A2.061是基于Penman-Monteith方程的8天复合蒸散量产品,空间分辨率为500米,时间范围自2001年起至今。基于GEE对ET进行时间变化分析,包括日、月、季节和年,并导出对应的栅格数据。
各位同学可以根据需求更改研究区、时间段和分辨率,当然也可以分析其他产品数据。
二、日变化特征



三、月尺度

<
GEE 训练教——利用MODIS MOD16A2数据ET(蒸散发数据)的时序图表分析
GEE 训练教——利用MODIS MOD16A2数据ET(蒸散发数据)的时序图表分析MODIS MOD16A2数据是美国国家航空航天局(NASA)的MODIS传感器所获取的陆地蒸散发和植被蒸腾量数据。该数据集提供了全球范围内每日和年度的蒸散发和植被蒸腾量数据,以及其他相关的地表水文过程数据。MOD16A2数据基于多种遥感数据和模型算法,可以用于监测陆地的水分循环和蒸散发过程。
GEE教程:MODIS/006/MOD16A2数据计算蒸散发数据的时序图表和下载
MODIS/006/MOD16A2数据计算蒸散发数据的时序图表和下载。
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)
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...
SAP 小结
关于SAP 开发的实习就要告一段落了,从刚开始接触,到现在已经6个月了,想要很简要的把自己对SAP的理解写出来,便于以后查阅(不定期更新)。 1. 什么是SAP? 广义的SAP,可以指代SAP公司以及SAP的各种产品,它的意义要在特定语境下才能确定。一般我们所说的SAP特指SAP ERP。 SAP ERP(enterprise resource planning)是一个企业信息系统。通过这个系
从RRT到平滑轨迹:机械臂避障规划仿真全流程解析
本文详细解析了机械臂避障规划从RRT算法到平滑轨迹优化的全流程,包括MATLAB实现、碰撞检测工程实践及轨迹平滑优化技巧。通过RRT算法在关节空间的路径搜索与Minimum Jerk/Snap优化,实现机械臂在复杂环境中的高效安全运动,适用于工业自动化与机器人控制领域。
Python+Appium实现泛微OA自动打卡:5分钟搭建移动端自动化脚本
移动端自动化测试是软件测试与办公自动化领域的重要技术方向,其核心原理是通过程序模拟用户对手机应用界面的操作,实现重复性任务的自动执行。Appium作为主流的开源移动端自动化框架,基于WebDriver协议,支持跨平台且无需修改被测应用,为自动化脚本开发提供了标准化接口。在工程实践中,结合Python简洁的语法和丰富的生态,可以快速构建稳定可靠的自动化解决方案。这一技术组合的价值在于能够高效处理“重复性、低价值、高频率”的日常操作,例如考勤打卡、数据填报等办公场景,显著提升工作效率。本文以泛微OA Emobi
告别双系统!用Ventoy把Ubuntu 22.04装进U盘,打造你的随身开发环境(附保姆级避坑指南)
本文详细介绍了如何使用Ventoy将Ubuntu 22.04安装到U盘,打造便携式开发环境。通过即插即用的特性,开发者可以在任何x86电脑上快速启动完整的Ubuntu系统,无需配置双系统或虚拟机。文章提供了从硬件准备到系统优化的全流程指南,帮助用户高效创建随身开发环境。
如何程序化的将 Wire 文件转换成 STEP、CATIA、DWG、NX、FBX 等格式
Wire 文件是专有格式,只有 Autodesk Alias 软件能够直接打开和编辑。 虽然可以在 Alias 软件中手动打开文件并导出为 STEP,但在实际工作中,经常会遇到需要转换数十甚至数百个文件的场景。如果每次都手动操作软件进行转换,不仅效率低下,还容易出错,批量场景下会非常麻烦。因此,程序化、自动化的转换方案变得至关重要。
Docker Desktop 从 C 盘迁移到 D 盘的正确方法
本文介绍了三种将Docker数据目录从C盘迁移到D盘的方案。方案1针对WSL2用户,通过导出/导入虚拟磁盘实现迁移;方案2采用软链接方式,适合所有Docker模式;方案3则建议重装Docker到D盘。其中WSL2迁移方案(方案1)最为稳定可靠,推荐使用。文章详细说明了各方案的操作步骤及注意事项,并提供了迁移后常见问题的解决方法,帮助用户彻底解决Docker占用C盘空间的问题。
基于应用谱减法进行语音去噪的算法
在上述代码中首先通过读取语音信号和噪声信号,将两个信号都转换为频域信号,然后计算出语音信号在各频率下的功率谱和噪声信号在各频率下的功率谱,并基于此计算信噪比,接着根据信噪比计算出阈值,并将低于阈值的能量对应的频段进行清零操作,最终实现去噪处理,最后将处理后的信号转换回时域信号。该算法采用谱减法进行降噪处理,能有效地去除语音信号中的噪声,但是在实际应用中,该方法也存在一些问题,如会对语音信号的高频部分产生影响,所以需要在应用过程中进行适当的调整。
YOLOv11涨点改进| Kimi团队 2026 |独家创新首发、注意力改进篇|爆火AttnRes残差自注意力模块,含多种创新改进,借助残差思想,缓解细节信息在传播过程中被稀释,促进YOLOv11涨点
🔥本文提出AttnRes残差自注意力模块,通过深度维度的注意力加权机制替代传统固定残差累加方式,使YOLOv11网络能自适应选择更有价值的历史层特征进行聚合。该方法缓解了浅层细节信息在深层传播过程中被稀释的问题,有效融合浅层纹理与深层语义特征,提升小目标、密集目标和复杂场景的检测能力。AttnRes还改善了深层网络的梯度分布与训练稳定性,增强模型收敛质量和泛化能力。实验表明,该模块能以较小计算开销显著提升YOLOv11的特征表达能力、检测精度和整体鲁棒性。文中详细介绍了模块结构、实现原理、优势特点
VB摄像头监控
该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制
汉书HE8,好用的汇编代码编写工具
汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大
迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)
迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

被折叠的 条评论
为什么被折叠?



