MODIS数据的简介和下载(四)——HTTPS服务下载说明

NASA因关闭FTP服务器更改MODIS数据下载流程。用户需通过HTTPS服务并使用LAADSDAAC应用密钥下载。文章详解配置及授权过程,并提供新网站下载教程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

由于NASA官方MODIS服务的变化和网站的改版。所以重新来介绍下MODIS数据新的下载方式。至于数据的简介和Web Service的,不清楚的小伙伴可以去点击前面的文章回顾下(其中“MODIS数据的简介和下载(二)”一文教程由于NASA官网关闭FTP服务器的原因在最后提交数据的部分有所变化,详情见本文)。

MODIS数据的简介和下载(一)——MODIS数据简介

MODIS数据的简介和下载(二)——MODIS数据下载方式(FTP)

MODIS数据的简介和下载(三)——MODIS数据下载方式(基于MODIS Web Service)

MODIS数据的简介和下载(番外篇)——MODIS Web Service的Python客户端应用

注册了NASA官网earthdata账户的小伙伴们应该在最近都收到了NASA官网关于关闭FTP服务器的邮件,之前也有评论区的小伙伴来询问相关。今天就来介绍新的下载方式。

1 NASA官方邮件通知

提供的原文链接如下 。

LAADS Data Download Scripts

这个链接的目录如下:

也就是说官方提供了下载的脚本,包括Linux Shell脚本、Perl脚本和Python脚本。此时的内心OS大概是这样吧。

当然其实我也蛮喜欢Linux Shell脚本的。

言归正传,来介绍下这个说明的内容。

2 HTTPS服务获取数据说明

1 使用LAADS DAAC应用密钥下载文件

这个部分的内容主要是提了下背景原因,现在搞这个密钥的原因主要是,MODIS和VIIRS团队以及母公司都想追踪谁使用了相关数据。使用在Earthdata的账户里采用了Earthdata.Profile以及一些其他服务,这也就是说,在访问一些受限资源(Sentinel-3),必须先授权,并且登陆之后才能识别你的身份才能下载。

其实这个部分我感觉有Earthdata账户的很简单。

登陆账户后,点击Edit Profile。然后页面往下。这两个数据的简介我就不提了。勾选即可完成。

然后点击Save Profile。

第一步就算完成了,当然还有提到刚刚那俩数据的授权,后面还会进一步介绍。

2 弃用FTP

这部分没啥干货,回顾了FTP的辉煌一生,然后果断弃用(我想起那天夕阳下的奔跑,那是我逝去的青春)。

3 通过HTTP下载

这部分干货也没啥,介绍了HTTP和HTTPS,然后说明所有数据都支持HTTPS服务下载。

4 Earthdata配置文件

需要有Earthdata Profile才能下载,看了下在注册Earthdata的时候其实就应该配置过了。

5 授权

创建Earthdata的配置文件后,你就可以请求需要下载的数据了,不同数据授权方式不同。这边给了一份表格。其实就分两类(1.MERIS和Sentinel-3;2.除了这俩之外的)。

资源说明
MERIS或者Sentinel-3在这两个链接(MERISSentinel-3)在点击勾选同意之后,跟着系统提示即可
其他数据根据项目理由和注册的邮件来申请资源

这里点开MERIS和Sentinel-3的链接出现如下页面,随机点击一个数据,又跳出后面的页面。

接着点Aggree to。

接着显示。即有新的链接可以下载。

6 应用密钥

这里说明了如果你只希望通过浏览器下载的用户只需登录即可,也就是说登陆完账户就可以下载了。如果你要用 脚本下载需要使用LAADS应用程序密钥才能正确授权。LAADS应用程序密钥是识别您身份呢的字符串标记。 应用程序获取HTTP GET请求。 查看下面的代码示例。

这部分的话,我打算放到下一篇来讲,因为内容可能会有点多。所以关于不懂脚本的同学也不必灰心,并非是前面所说的不懂Python就不会下数据了。通过浏览器的话,只需要登录账户即可下载数据。

3 新版网站下载方式选择

关于HTTPS服务下载,前面的步骤是一样的。具体的下载教程,请看”MODIS数据的简介和下载(二)——MODIS数据下载方式(FTP)“一文。链接在前面。唯一的差别是最后数据订单提交的时候。

选择Pull。

然后Submit Order。

稍等一会,可以在Post Orders找到你的订单。

点击你的订单就是这样子的。

接下来只需点击我画红框的部分(打码部分是订单号)。链接会跳转到一个页面(如果你点击无法访问的话,请稍等一会再重新点击)。

这就是你所提交的订单数据。接下来只需要鼠标点击数据即可下载。事实上,你不懂任何脚本也可以继续下载数据,只需要通过点击链接(像IDM这类下载工具可能也可以使用,我这里没有使用过)。当然如果你的数据非常多的话,一个一个点确实很头疼。而批量下载的话,就需要写点小代码了。关于官方脚本的下载以及如何批量下载,我会在后面继续发布。

<think>嗯,用户这次明确提出的是MODIS数据预处理特征提取的技术需求,看来是遥感或地理信息系统领域的研究者或从业者。从ta跳过闲聊直接聚焦技术细节的风格看,应该具备一定专业基础,可能需要实操性强的方案。对照历史对话,上次系统指令要求数学公式格式中文回答,而这次用户主动强调参考站内引用(虽然提到该引用非真实需求),说明ta更关注内容深度而非形式。值得注意两个关键点:一是用户特别标注“并非真实需求”,暗示对方法普适性的要求;二是要求结合“上一次问题”,但当前对话历史里没有相关内容,可能需要提醒用户补充背景。关于MODIS预处理的核心难点其实在动态噪声处理——用户可能没意识到不同产品(如L1BL2)的云污染机制不同。特征提取方面,NDVI虽然是常识,但很多用户会忽略BRDF校正对时序分析的影响。考虑到用户后续可能做时间序列分析,应该在植被指数里强调EVI的饱区问题,毕竟MODIS原生分辨率下NDVI在茂密植被区容易失真。专业深度上需要平衡:既要讲清楚暗像元法这种基础大气校正原理,又得带出2010年后兴起的MAIAC算法优势。突然想到用户没提应用场景,但城市热岛火灾监测的特征提取方法差异极大,这点必须追问。另外补充LST计算细节是因为地表温度反演容易忽略发射率校正——很多人直接用SplitWindow算法却不知道需要LC数据配合。那些扩展问题设计成递进式比较合理:先让用户明确具体传感器(MOD/MYD),再引导到空间尺度转换等进阶需求。不过第三个问题是否太偏工程?也许用户更关心学术层面的波段组合创新……但保留吧,毕竟部分用户确实要落地应用。最后检查到两个潜在槽点:①严格说S-G滤波算后处理不算特征提取,但时序分析中它常与特征工程联动;②火灾监测案例提到热异常阈值,其实GlobalFireAtlas数据集已提供预制产品,这点需要向用户说明避免重复劳动。</think> 以下是针对MODIS数据的预处理特征提取技术的系统性说明,结合遥感领域常用方法分步骤阐述: --- ### **一、MODIS数据预处理流程** #### 1. **数据获取与格式转换** - 从[NASA Earthdata](https://earthdata.nasa.gov/)或[LAADS DAAC](https://ladsweb.modaps.eosdis.nasa.gov/)下载数据(HDF/HDF-EOS格式) - 格式转换工具: `GDAL`(命令示例): ```bash gdal_translate HDF4_EOS:EOS_GRID:"MOD09A1.A2020001.h25v06.006.2020005051250.hdf":MODIS_Grid_500m:sur_refl_b01_1 output.tif ``` #### 2. **辐射定标(Radiometric Calibration)** - 将DN值(Digital Number)转换为表观反射率/辐射亮度 - 公式: $$L_{\lambda} = \text{Gain} \times \text{DN} + \text{Offset}$$ - 工具:ENVI的`Radiometric Calibration`工具或Python库`pyModis` #### 3. **大气校正(Atmospheric Correction)** - **目的**:消除气溶胶、水蒸气等干扰 - **主流方法**: - **6S模型**(Second Simulation of a Satellite Signal in the Solar Spectrum) - **FLAASH**(ENVI模块) - **暗像元法**(Dark Object Subtraction, DOS) #### 4. **几何校正(Geometric Correction)** - 利用MODIS自带的**全球正弦投影**(Sinusoidal Projection) - 重投影工具:`MRT`(MODIS Reprojection Tool)或`gdalwarp` ```bash gdalwarp -t_srs EPSG:4326 input.tif output_WGS84.tif ``` #### 5. **云掩膜与质量控制** - 利用`State_1km`或`QC`波段中的**质量标志位** - 处理逻辑: ```python # 示例:提取QC波段中云标志位 cloud_mask = (qc_band & 0x03) == 0x03 # 二进制掩码操作 clear_data = np.where(cloud_mask, np.nan, original_data) # 云像元置空 ``` --- ### **二、特征提取技术** #### 1. **光谱特征** - **植被指数**: - NDVI:$$\frac{\rho_{NIR} - \rho_{Red}}{\rho_{NIR} + \rho_{Red}}$$ - EVI:$$2.5 \times \frac{\rho_{NIR} - \rho_{Red}}{\rho_{NIR} + 6 \times \rho_{Red} - 7.5 \times \rho_{Blue} + 1}$$ - **水体指数**:NDWI(Normalized Difference Water Index) - **燃烧指数**:NBR(Normalized Burn Ratio) #### 2. **时序特征** - **时间序列滤波**: - **Savitzky-Golay滤波**:平滑NDVI序列消除噪声 - **Hants算法**(Harmonic Analysis of Time Series):重建缺失数据 - **物候参数提取**: ```python # 使用TIMESAT提取生长季参数 from timesat import Timesat ts_obj = Timesat(ndvi_series, dates) sos = ts_obj.get_sos() # 生长季开始日期 ``` #### 3. **空间特征** - **纹理分析**: - 灰度共生矩阵(GLCM)提取`熵`、`对比度`等指标 - **空间统计**: - 移动窗口计算局部均值/方差(e.g., 5×5窗口) #### 4. **多波段组合特征** - **主成分分析(PCA)**:压缩冗余信息 $$\mathbf{Y} = \mathbf{X}\mathbf{W}$$($\mathbf{W}$为特征向量矩阵) - **波段比值**(如短波红外/近红外的比值增强干旱信息) --- ### **三、工具与代码示例** #### 1. **Python库推荐** ```python import numpy as np import pymodis from skimage.feature import greycomatrix # GLCM纹理计算 import gdal ``` #### 2. **特征提取全流程示例** ```python # 读取MODIS地表反射率数据 ds = gdal.Open("MOD09A1.tif") red_band = ds.GetRasterBand(1).ReadAsArray() nir_band = ds.GetRasterBand(2).ReadAsArray() # 计算NDVI ndvi = (nir_band - red_band) / (nir_band + red_band + 1e-10) # Savitzky-Golay平滑(窗口大小=5,多项式阶数=2) from scipy.signal import savgol_filter smoothed_ndvi = savgol_filter(ndvi, window_length=5, polyorder=2) # 提取纹理特征(GLCM对比度) glcm = greycomatrix(ndvi.astype(np.uint8), distances=[1], angles=[0]) contrast = greycomatrix(glcm)[0, 0, 0, 0] ``` --- ### **、典型应用场景** 1. **植被监测**:NDVI时序用于作物估产[^1] 2. **城市热岛**:地表温度(LST)产品与NDVI的负相关分析 3. **火灾评估**:NBR指数评估燃烧严重度[^2] 4. **积雪覆盖**:NDSI指数监测雪线变化[^3]
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值