GEE数据集:美国植被干旱响应指数 (Vegetation Drought Response Index,VegDRI)数据集

本文主要是介绍GEE数据集:美国植被干旱响应指数 (Vegetation Drought Response Index,VegDRI)数据集,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

植被干旱响应指数 (VegDRI) 

简介

植被干旱响应指数(VegDRI)是一个每周一次的地理空间模型,用于描述干旱对美国本土植被造成的压力。VegDRI干旱监测工具是由美国地质调查局EROS中心、内布拉斯加大学国家干旱缓解中心(NDMC)和高原区域气候中心(HPRCC)的科学家们合作开发的。

VegDRI方法将美国宇航局Terra平台上的中分辨率成像分光仪(MODIS)传感器提供的遥感数据与气候和生物物理数据整合在一起,形成了空间分辨率为1千米的无缝产品。与一般植被状况有关的卫星组件是年季节绿度百分比(PASG)和季节起始异常(SOSA)数据。年季节绿度百分比每周根据 eMODIS 归一化差异植被指数(NDVI)复合数据计算一次。

基于气候的干旱数据包括帕尔默干旱严重程度指数 (PDSI) 和来自 HPRCC 的每周标准化降水指数 (SPI) 数据。气候数据可确定正在经历干旱的地区,以帮助区分干旱造成的植被压力。环境的生物物理特征来自土地利用/土地覆盖、土壤可用水量、生态环境、灌溉状况和海拔数据。土地利用变化、土壤条件、虫害、疾病、冰雹、洪水或火灾等环境压力因素也会影响植被状况。

这种综合方法考虑了气候和生物物理条件,以确定植被压力的原因。这些信息被纳入VegDRI的计算中,从而绘制出一幅易于解读、以颜色编码的植被干旱压力图。干旱监测图每周使用最新信息制作,通常在每周一上午 10:30 时发布。您可以点击此处访问气候引擎 ORG 网站。有关 DRI 的更多信息,请点击此处,以及 USGS 提供的信息,请点击此处。

数据集说明

空间信息

AttributeDetails
Spatial extentConterminous United States
Spatial resolution1000m
Temporal resolutionWeekly
Time span2009-04-22 to present
Update frequencyWeekly on Monday by 10:30 a.m. CT

变量

VariableUnitsOffsetScale factorDescription
VegDRI (‘vegdri’)Unitless-1280.0625Values provided as 8-bit integers that can be scaled to range consistent with Palmer Drought Severity Index.
Water (‘water’)UnitlessN/A1.0Binary mask of water.
Out-of-Season (‘out_of_season’)UnitlessN/A1.0Binary mask of out-of-season (see documentation for more information).

代码

// 导入 VegDRI
var vegdri_ic = ee.ImageCollection('projects/climate-engine-pro/assets/ce-veg-dri')
var vegdri_i = vegdri_ic.first()
print(vegdri_i)// Link to methods webpage: https://www.usgs.gov/special-topics/monitoring-vegetation-drought-stress/science/methods-vegdri
// Link to EROS page: https://www.usgs.gov/centers/eros/science/usgs-eros-archive-vegetation-monitoring-vegetation-drought-response-index// VegDRI 数据存储为 8 位整数数据,可按比例转换为以下数值 来自 EROS 页面的干旱类别
// Category           Bitmap      PDSI vals
// Extreme drought:   001-064     -7.9375 - -4.0000
// Severe drought:    065-080     -3.9375 - -3.0000
// Moderate drought:  081-096     -2.9375 - -2.0000
// Abnormally dry:    097-112     -1.9375 - -1.0000
// Near normal:       113-160     -0.9375 - 2.0000
// Abnormally wet:    161-176     2.0625 - 3.0000
// Moderately wet:    177-192     3.0625 - 4.0000
// Extremely wet:     193-255     4.0625 - 7.7500
// Water:                 253
// Out of season:         254
// Other landcover:       255// 应用拉伸函数,使其与上述数值保持一致
function scale_vegdri(img){// Select vegdri band and scale to PDSI range.var vegdri_scale = img.select('vegdri').subtract(128) // convert to signed 8-bit integer.divide(16) // scale to PDSI range.rename('vegdri_scale') // rename imagereturn img.addBands(vegdri_scale)
}
vegdri_ic = vegdri_ic.map(scale_vegdri)
print(vegdri_ic)// VegDRI 调色板
var vegdri_palette = ["#720206", "#cb3121", "#e36b09", "#fee301", "#ffffff", "#ffffff", "#ffffff", "#88f9c7", "#53c285", "#2b8032"]// 选择个别图像并应用于地图
var vegdri_i = vegdri_ic.first()
Map.addLayer(vegdri_i.select('vegdri_scale'), {min: -5, max: 5, palette: vegdri_palette}, 'VegDRI')
Map.addLayer(vegdri_i.select('out_of_season'), {min:254, max:254, palette: ['878787']}, 'VegDRI Out-of-Season')
Map.addLayer(vegdri_i.select('water'), {min:253, max:253, palette: ['0000FF']}, 'Water')

代码链接

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:/weather-climate/VEGETATION-DROUGHT-RESPONSE-INDEX

结果

引用

Brown, J. F., Wardlow, B. D., Tadesse, T., Hayes, M. J., & Reed, B. C. (2008). The Vegetation Drought Response Index (VegDRI): A New Integrated Approach for Monitoring Drought Stress in Vegetation. GIScience & Remote Sensing, 45(1), 16–46. https://doi.org/10.2747/1548-1603.45.1.16

许可

ECMWF is available under an open license with terms of agreement available here

USGS-authored or produced data and information are considered to be in the U.S. Public Domain.

Dataset provider: USGS

Keywords : Drought, Climate, Remote sensing, MODIS, PDSI, CONUS, United States

Curated in GEE by: Climate Engine Org

网址推荐

0代码在线构建地图应用

https://invite.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

https://www.cbedai.net/xg 

这篇关于GEE数据集:美国植被干旱响应指数 (Vegetation Drought Response Index,VegDRI)数据集的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1027048

相关文章

Java Response返回值的最佳处理方案

《JavaResponse返回值的最佳处理方案》在开发Web应用程序时,我们经常需要通过HTTP请求从服务器获取响应数据,这些数据可以是JSON、XML、甚至是文件,本篇文章将详细解析Java中处理... 目录摘要概述核心问题:关键技术点:源码解析示例 1:使用HttpURLConnection获取Resp

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

html5的响应式布局的方法示例详解

《html5的响应式布局的方法示例详解》:本文主要介绍了HTML5中使用媒体查询和Flexbox进行响应式布局的方法,简要介绍了CSSGrid布局的基础知识和如何实现自动换行的网格布局,详细内容请阅读本文,希望能对你有所帮助... 一 使用媒体查询响应式布局        使用的参数@media这是常用的

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient

SpringValidation数据校验之约束注解与分组校验方式

《SpringValidation数据校验之约束注解与分组校验方式》本文将深入探讨SpringValidation的核心功能,帮助开发者掌握约束注解的使用技巧和分组校验的高级应用,从而构建更加健壮和可... 目录引言一、Spring Validation基础架构1.1 jsR-380标准与Spring整合1

MySQL 中查询 VARCHAR 类型 JSON 数据的问题记录

《MySQL中查询VARCHAR类型JSON数据的问题记录》在数据库设计中,有时我们会将JSON数据存储在VARCHAR或TEXT类型字段中,本文将详细介绍如何在MySQL中有效查询存储为V... 目录一、问题背景二、mysql jsON 函数2.1 常用 JSON 函数三、查询示例3.1 基本查询3.2

SpringBatch数据写入实现

《SpringBatch数据写入实现》SpringBatch通过ItemWriter接口及其丰富的实现,提供了强大的数据写入能力,本文主要介绍了SpringBatch数据写入实现,具有一定的参考价值,... 目录python引言一、ItemWriter核心概念二、数据库写入实现三、文件写入实现四、多目标写入

使用Python将JSON,XML和YAML数据写入Excel文件

《使用Python将JSON,XML和YAML数据写入Excel文件》JSON、XML和YAML作为主流结构化数据格式,因其层次化表达能力和跨平台兼容性,已成为系统间数据交换的通用载体,本文将介绍如何... 目录如何使用python写入数据到Excel工作表用Python导入jsON数据到Excel工作表用

Mysql如何将数据按照年月分组的统计

《Mysql如何将数据按照年月分组的统计》:本文主要介绍Mysql如何将数据按照年月分组的统计方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录mysql将数据按照年月分组的统计要的效果方案总结Mysql将数据按照年月分组的统计要的效果方案① 使用 DA