【GLASS FVC数据】利用Python批量下载GLASS的植被覆盖度（FVC）数据

captain_keating

已于 2024-10-31 17:29:51 修改

阅读量1.1k

点赞数 4

CC 4.0 BY-SA版权

分类专栏： Python 文章标签： python 开发语言

于 2024-05-22 11:10:21 首次发布

本文链接：https://blog.youkuaiyun.com/captain_keating/article/details/139114310

本文介绍了如何利用Python批量下载GLASS产品的植被覆盖度（FVC）数据，主要针对马里兰大学提供的无限制下载链接。GLASS FVC产品基于MODIS和AVHRR数据，具有高时间和空间分辨率。文章提供了基于MODIS和AVHRR数据的Python下载代码示例，以解决手动下载的不便。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据简介： GLASS产品包括2022年之前发布的数据：叶面积指数（LAI），反照率（Albedo）,发射率（BBE），光合有效辐射（PAR），长波辐射（LW），下行短波辐射（DSR），净辐射（NR），陆表温度（LST），光合有效辐射吸收比（FAPAR），植被覆盖率（FVC），潜热通量（ET），植被总初级生产力（GPP）;还有2023年增加数据：植被聚集指数，中国建筑物屋顶数据（CBRA），国际湿地城市数据，森林覆盖度（FFC），土壤湿地数据。本文目标为下载GLASS中的FVC数据。

常用下载网址为：

国家地球系统科学数据中心共享服务平台下载： http://glass-product.bnu.edu.cn/index.html
马里兰大学GLASS产品发布网站： http://www.glass.umd.edu/Download.html

FVC数据： <参考自https://mp.weixin.qq.com/s/6hx98GZnuoLJmYJGDkoDNQ>

植被覆盖度（Fractional Vegetation Cover，FVC）定义为绿色植被在地面的垂直投影面积占统计区总面积的百分比，是刻画地表植被覆盖的一个重要参数。基于MODIS数据的GLASS FVC产品具有500米空间分辨率和8天时间分辨率特征，时间覆盖范围为2000年以后，采用标准的MODIS分幅存储。GLASS FVC 产品与现有GEOV2、GEOV3两种全球尺度的FVC产品进行了对比，并利用IMAGINES全球分布的地面数据对产品精度进行了比较。三种FVC产品在全球大部分区域具有较好的时空一致性，而GLASS FVC产品在空间连续性和完整性上更具优势。

基于AVHRR数据生产的植被覆盖度遥感数据集产品的时间范围为1981-2020，采用经纬度投影方式，空间分辨率为 5 km×5 km；
基于MODIS数据生产的植被覆盖度遥感数据集产品的时间范围为2000-2021，采用SIN投影方式，空间分辨率为 0.5 km×0.5 km。

代表文献： Jia K, Yang L, Liang S, Xiao Z, Zhao X, Yao Y, Zhang X, Jiang B and Liu D. 2019. Long-Term Global Land Surface Satellite (GLASS) Fractional Vegetation Cover Product Derived from MODIS and AVHRR Data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 12(2): 508-518. DOI: 10.1109/JSTARS.2018.2854293. https://ieeexplore.ieee.org/document/8417967

存在问题： 使用国家地球系统科学数据中心下载链接需要登陆，且过程下载繁琐；使用马里兰大学下载链接无限制，但必须手动

需求： 使用马里兰大学下载链接，实现python自动下载

下载基于MODIS数据的代码：

import os
import re
import requests
 
base_url = "http://www.glass.umd.edu/FVC/MODIS/0.05D/"# 数据集产品

# 生成年份列表
years = list(range(2001, 2021))#2001-01-01 to 2021-12-30
# 指定下载数据的保存目录
output_folder = "ori_data"

#生成数据URL
#该数据集时间分辨率为8天
for year in years:
    dirname = 'ori_data'+os.sep+str(year)
    if str(year) not in os.listdir(output_folder):
        os.mkdir(dirname)
    for day in range(1, 362