【转载学习】数据代码分享丨1990-2020年中国省级行政区1km分辨率NDVI数据_1990ndvi

数据代码分享丨1990-2020年中国省级行政区1km分辨率NDVI数据

原创 等你关注的 地理学人GeoCompany 2023-03-31 10:00 发表于广东

收录于合集

#植被变化3个

#数据分享6个

#代码分享2个

    1990-2020年中国省级行政区1km分辨率NDVI数据

    时间分辨率：年

    空间分辨率：1 km

    数据大小：753 MB

    数据时间范围：1990-2020年

Dataset

内容概要

归一化植被指数（NDVI, Normalized Difference Vegetation Index）是监测区域和全球植被的有效指标，可以准确反映地表植被覆盖状况，被广泛应用于目前的植被研究。

本文参考徐新良研究员“中国30m逐年NDVI最大值数据集”的计算方法，利用Google Earth Engine（GEE）平台，使用美国陆地卫星Landsat 5/7/8遥感影像计算得到1990-2020年逐年度的中国省级行政区（34个）1km尺度NDVI最大值数据集。数据数值范围为-10000-10000（由-1-1放大10000倍），格式为GeoTIFF。

经合并预处理后的2015年全国NDVI数据

计算代码

利用GEE平台进行NDVI计算，代码如下：

//**欢迎关注"地理学人GeoCompany"公众号**\\//2012年的NDVI计算调用Landsat7影像库//2013年及之后的NDVI计算调用Landsat8影像库var l5 = ee.ImageCollection("LANDSAT/LT05/C01/T1_TOA");var l7 = ee.ImageCollection("LANDSAT/LE07/C01/T1_SR");var l8 = ee.ImageCollection("LANDSAT/LC08/C01/T1_RT_TOA");
var provinces = ["study_area"];//提供研究区var startYear = 1990;var endYear = 2020;
for (var year = startYear; year <= endYear; year++) {  print("Processing year: " + year);
  for (var index = 0; index < provinces.length; index++) {    var qu = provinces[index];    var AOI = ee.FeatureCollection("users/xxx/" + qu);//提供研究区路径    var startyear = year + "-01-01";    var endyear = year + "-12-31";    var landsat;        if (year < 2012) {      landsat = l5        .filterBounds(AOI)        .filterDate(startyear, endyear);    } else if (year == 2012) {      landsat = l7        .filterBounds(AOI)        .filterDate(startyear, endyear);    } else {      landsat = l8        .filterBounds(AOI)        .filterDate(startyear, endyear);    }        //Landsat5/7的NDVI计算利用 B4和B3波段    //Landsat8 的NDVI计算利用 B5和B4波段    if (year < 2013) {      var get_NDVI = function(image) {        var NDVI = image.normalizedDifference(['B4', 'B3']).rename(['NDVI']);        image = image.addBands(NDVI);        return image.select("NDVI");      };    } else {      var get_NDVI = function(image) {        var NDVI = image.normalizedDifference(['B5', 'B4']).rename(['NDVI']);        image = image.addBands(NDVI);        return image.select("NDVI");      };    }
    var NDVI_Collection = ee.ImageCollection(landsat)          .map(get_NDVI);
    var greenest = NDVI_Collection.qualityMosaic('NDVI').clip(AOI).multiply(10000).toInt();
    Export.image.toDrive({      image: greenest,      description: qu,      folder : 'ndvi' + year,      fileNamePrefix: qu,      scale: 1000,      maxPixels: 1e13,      region: AOI.geometry(),      fileFormat: 'GeoTIFF',    });        Map.centerObject(AOI, 5);    Map.addLayer(greenest,{palette: ['black', 'green', 'red']},'greenest');  }}

获取方法

关注并星标"地理学人GeoCompany"公众号，后台回复“NDVI”即可获取数据。

参考文献：

徐新良. 中国30m逐年NDVI最大值数据集.资源环境科学数据注册与出版系统, 2022. DOI: 10.12078/2022030801.

*仅供学习交流使用，如有错误欢迎批评指正*

地理学人GeoCompany

这里是分享文献、数据、代码、模型与奇思妙想的地理梦工厂，请尽情探索吧!

17篇原创内容

公众号

​

撰稿丨GeoDUO

审核丨Geoffy, &DoraGeomon

公众号运营不易，欢迎关注、点赞、分享

收录于合集 #植被变化

 3个

上一篇OneEarth文献速递|全球山地森林流失加速对生物多样性热点地区构成威胁下一篇数据分享丨2000-2020年中国30米年际最大NDVI数据集

阅读 359

分享收藏

81