【数据分享】2000—2023年我国省市县三级逐月归一化植被指数(NDVI)数据(Shp/Excel格式)

本文主要是介绍【数据分享】2000—2023年我国省市县三级逐月归一化植被指数(NDVI)数据(Shp/Excel格式),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!

之前我们分享过2000—2023年逐月归一化植被指数(NDVI)栅格数据(可查看之前的文章获悉详情),该数据来源于NASA定期发布的MOD13A3数据集!很多小伙伴拿到数据后反馈栅格数据不太方便使用,问我们能不能把数据处理为更方便使用的Shp和Excel格式的数据!

我们特地对数值在-0.2—1之间的NDVI栅格数据进行了处理,将2000-2023年逐月的归一化植被指数栅格分别按照我国省级行政边界、地级市行政边界、区县级行政边界进行了求平均数处理得到了本次分享的数据——Shp和Excel格式的我国省市县三个等级的2000-2023年的逐月归一化植被指数数据!

大家可以在公众号回复关键词 334 按照转发要求获取数据!以下为数据的详细介绍:

01 数据预览

1.省级2000-2023年逐月归一化植被指数数据

首先是Shp格式的数据,34个省级区划2000-2023年逐月的归一化植被指数数据汇总在一个Shp文件中,下面我们以2023年12月为例来预览一下:

2023年12月各省的NDVI数据(Shp格式)
2000年各省逐月NDVI数据的属性表

下面是Excel格式的数据,34个省级区划2000-2023年逐月的归一化植被指数数据汇总在一个Excel文件中,下面我们来预览一下:

2000年-2023年各省逐月NDVI数据(Excel格式)

2.市级2000-2023年逐月归一化植被指数数据

首先是Shp格式的数据,375个城市2000-2023年逐月的归一化植被指数数据汇总在一个Shp文件中,下面我们以2023年12月为例来预览一下:

2023年12月各市的NDVI数据(Shp格式)
2000年-2023年各市逐月NDVI数据的属性表

下面是Excel格式的数据,375个城市2000-2023年逐月的归一化植被指数数据汇总在一个Excel文件中,下面我们来预览一下:

2000年-2023年各市逐月NDVI数据(Excel格式)

3.县级2000-2023年逐月归一化植被指数数据

首先是Shp格式的数据,2875个区县2000-2023年逐月的归一化植被指数数据汇总在一个Shp文件中,下面我们以2023年12月为例来预览一下:

2023年12月各区县的NDVI数据(Shp格式)
2000年-2023年各区县逐月NDVI数据的属性表

下面是Excel格式的数据,2891个区县2000-2023年逐月的归一化植被指数数据汇总在一个Excel文件中,下面我们来预览一下:

2000年-2023年各区县逐月NDVI数据(Excel格式)

02 数据详情

数据来源:

原始数据来源于NASA定期发布的MOD13A3数据集,官方提供自2000年2月起逐月的NDVI数据,数据空间分辨率为1km,数据格式为Tiff,数据范围为全国范围,数值在-2000—10000之间。官方下载网站:https://search.earthdata.nasa.gov/search

数据处理说明:

基于逐月归一化植被指数(NDVI)数据,我们采用国家地理信息公共服务平台(天地图)发布的审图号为GS(2024)0650号的2024年省市县三级行政区划Shp数据(可查看之前的文章获悉详情),对每个省\每个地级市\每个区县内的栅格值进行了求平均数处理,得到了省市县三级的逐月归一化植被指数!

数值范围

-0.2—1

数据格式

Shp和Excel格式

时间范围:

2000年2月-2023年12月(逐月)

空间范围:

省市县三级

数据引用

Didan, K. (2015). MOD13A3 MODIS/Terra vegetation Indices Monthly L3 Global 1km SIN Grid V006 [Data set]. NASA EOSDIS Land Processes Distributed Active Archive Center. Accessed 2024-08-10 from https://doi.org/10.5067/MODIS/MOD13A3.006如有数据使用需求请按照官方平台的要求进行引用,更多数据详情可以查看官网获悉!

03 数据获取

这篇关于【数据分享】2000—2023年我国省市县三级逐月归一化植被指数(NDVI)数据(Shp/Excel格式)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/1139459

相关文章

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【专题】2024飞行汽车技术全景报告合集PDF分享(附原数据表)

原文链接: https://tecdat.cn/?p=37628 6月16日,小鹏汇天旅航者X2在北京大兴国际机场临空经济区完成首飞,这也是小鹏汇天的产品在京津冀地区进行的首次飞行。小鹏汇天方面还表示,公司准备量产,并计划今年四季度开启预售小鹏汇天分体式飞行汽车,探索分体式飞行汽车城际通勤。阅读原文,获取专题报告合集全文,解锁文末271份飞行汽车相关行业研究报告。 据悉,业内人士对飞行汽车行业

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X