当前位置: 首页 > news >正文

2015-2018年咸海流域1km归一化植被指数8天合成数据集

数据集摘要

        数据集包含2015年-2018年咸海流域NDVI 8天均值数据。提取美国国家航空航天局中分辨率成像光谱仪MOD13A2产品第一波段作为归一化植被指数数据,乘以比例因子0.0001,叠加咸海流域边界数据,裁切后得到咸海流域范围内的NDVI月均值数据。空间分辨率为1000m×1000m,时间分辨率为8天,每个像元的值为八天归一化植被指数的平均值。

基本信息

采集时间2015/01/01  -  2018/12/31
采集地点咸海流域
数据量2.6 GiB
数据格式tif
数据空间分辨率(/米)1000
数据时间分辨率8天
坐标系WGS84
投影正弦投影 

2015-2018年咸海流域1km归一化植被指数8天合成数据集

数据源描述

        来源于美国国家航空航天局中分辨率成像光谱仪MOD13A2产品第一波段。

数据加工方法

        提取MOD13A2产品第一波段作为叶面积指数数据,乘以比例因子0.0001。

数据质量描述

        空间分辨率为1000m×1000m,时间分辨率为8天,每个像元的值为八天归一化植被指数的平均值。

项目支持信息

#编号名称类型
1XDA20000000泛第三极环境变化与绿色丝绸之路建设其他

引用和标注

        为保障平台科技资源的权益、扩展平台中心的服务、提升科技资源的应用潜力,请资源使用者在使用资源所产生的研究成果中(包括公开发表的论文、论著、数据产品和未公开发表的研究报告、数据产品等成果),请按以下方式规范标注和引用。

        中文发表的成果中参考以下规范注明: 数据来源于干早区生态与资源科学数据中心 (https://data.dcxjegi.cn)。

        英文发表的成果中参考以下规范注明: The dataset is provided by Arid Land Ecology and Resources Science Data Center. (https://data.dcxjegi.cn).

数据引用

        刘铁,钱静. 2015-2018年咸海流域1km归一化植被指数8天合成数据集. 干旱区生态与资源科学数据中心(https://data.dcxjegi.cn), 2025. https://cstr.cn/CSTR:33110.11.ariddc.00312.

        刘铁,钱静. 2015-2018年咸海流域1km归一化植被指数8天合成数据集. 干旱区生态与资源科学数据中心(https://data.dcxjegi.cn), 2025. https://www.doi.org/10.12389/ariddc.00312.

http://www.dtcms.com/a/347652.html

相关文章:

  • 【大模型应用开发 4.RAG高级技术与实践】
  • LeetCode算法日记 - Day 20: 两整数之和、只出现一次的数字II
  • 《P3623 [APIO2008] 免费道路》
  • Java22 stream 新特性 窗口算子 与 虚拟线程map操作:Gatherer 和 Gatherers工具类
  • 告别静态网页:我用Firefly AI + Spline,构建次世代交互式Web体验
  • 学习Java24天
  • React学习(十二)
  • IDEA相关的设置和技巧
  • C语言第十一章内存在数据中的存储
  • Redis资料
  • JAVA读取项目内的文件或图片
  • springboot项目结构
  • Axure:如何打开自定义操作界面
  • 顺序表(ArrayList)
  • 刷题日记0823
  • [特殊字符] 数据库知识点总结(SQL Server 方向)
  • MySQL:事务管理
  • games101 作业0 环境搭建与熟悉线性代数库
  • H264编解码过程简述
  • 数据结构 -- 哈希表
  • RAGFlow (一) 开发环境搭建
  • imx6ull-驱动开发篇37——Linux MISC 驱动实验
  • [机械结构设计-18]:Solidworks - 特征(Feature)是构成三维模型的基本单元,是设计意图的载体,也是参数化设计的核心。
  • 深入剖析分布式事务的Java实现:从理论到Seata实战
  • c语言中enum与#define的用法区别
  • 算法题(189):食物链
  • 如何利用数据库事务,来防止数据不一致的问题
  • 云原生概述
  • [e3nn] 归一化 | BatchNorm normalize2mom
  • 自然语言处理——06 迁移学习(上)