【遥感数据】下载并处理modis数据

关于modis

中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer,缩写MODIS)是美国宇航局研制大型空间遥感仪器,以了解全球气候的变化情况以及人类活动对气候的影响。
简而言之,modis是一种传感器,主要搭载在Terra和Aqua卫星上。

  • Terra卫星(拉丁语意为“地球”)发射于1999年12月18日,从北向南于地方时十点半左右通过赤道,一天最多可以获得4条过境轨道资料。
  • Aqua卫星(拉丁语意为“水、海洋”)于2002年4月22日发射,从南向北于地方时一点半左右通过赤道。

Terra和Aqua两颗卫星的交替运行,1-2天便可重复观测整个地球表面。

Modis数据主要有三个特点:

  • 全球免费;
  • 光谱范围广,共有36个波段,光谱范围从0.4um-14.4um;
  • 重访周期短,Terra和Aqua卫星都是太阳同步极轨卫星,上午和下午的更替交换,对于地球上同一位置来说,每天最少可以获得2次白天和2次黑夜的更新数据,这种数据更新频率,对于实时地球观测和应急处理(森林火灾监测和救灾)具有很大的应用价值。

MODIS数据产品按处理级别划分,可以分为以下5种:

  • 0级产品:也称原始数据;
  • 1级产品:指L1A数据,已经被赋予定标参数;
  • 2级产品:经过定标定位后数据,本系统产品是国际标准的EOS-HDF格式。包含所有波段数据,是应用比较广泛的一类数据;
  • 3级产品:在1B数据的基础上,对由遥感器成像过程产生的边缘畸变(Bowtie效应)进行校正,产生L3级产品;
  • 4级产品:由参数文件提供的参数,对图像进行几何纠正,辐射校正,使图像的每一点都有精确的地理编码、反射率和辐射率。L4级产品的MODIS图像进行不同时相的匹配时,误差小于1个像元。该级产品是应用级产品不可缺少的基础
  • 5级及以上产品:根据各种应用模型开发L5级产品。

数据下载

下载流程可参考EarthData中NDVI数据集下载教程
从官网上可获得一个txt文件。如下图,点击save后就会自动下载txt文件。
在这里插入图片描述

接下来我使用的是wget工具下载,没有的可参考这篇文章安装(在windows平台上使用wget下载文件)。

  • 创建一个空文件夹,将刚才获取到的txt文件放进去;
  • 打开cmd,切换至这个文件夹;
  • 创建cookies文件
NUL > .urs_cookies
  • 使用如下命令,开始下载
wget --load-cookies .\.urs_cookies --save-cookies .\.urs_cookies --auth-no-challenge=on --keep-session-cookies --user=自己的帐户 --ask-password -i .\download.txt --no-check-certificate

回车后会提示输入密码,输入时界面上不会显示密码,不用管直接输入即可。
结果如下:
在这里插入图片描述

等待片刻,下载成功:
在这里插入图片描述
在这里插入图片描述

数据预处理

下载到的数据时hdf格式的,需要转换成tif格式。
我使用的MRT工具(下载安装见https://cloud.tencent.com/developer/article/2091961)。
在这里插入图片描述

  • 点击open input file加载hdf文件
    在这里插入图片描述
  • 选择波段(我只用ndvi)
    在这里插入图片描述
  • 设置输出路径
    在这里插入图片描述
  • 设置输出文件的坐标系
    在这里插入图片描述
  • 点击run
    在这里插入图片描述
    最后结果:
    在这里插入图片描述
    使用arcmap打开:
    在这里插入图片描述

至此,modis数据从下载到处理为可用的tif格式的过程就介绍完了。

### 处理 MODIS NDVI 数据的方法 在 Google Earth Engine (GEE) 中处理 MODIS NDVI 数据涉及多个步骤,包括加载数据集、过滤时间范围、空间区域以及执行特定的分析操作。以下是关于如何在 GEE 中处理 MODIS NDVI 数据的具体方法: #### 加载和筛选数据 可以使用 `ee.ImageCollection` 来加载 MODIS NDVI 数据集,通过 `.filterDate()` 方法指定日期范围来缩小研究的时间跨度。 ```javascript // 定义时间范围 var startDate = '2019-01-01'; var endDate = '2019-12-31'; // 加载 MODIS NDVI 数据筛选时间范围 var modisNDVI = ee.ImageCollection('MODIS/006/MOD13Q1') .filterDate(startDate, endDate); ``` 此代码片段展示了如何加载名为 `'MODIS/006/MOD13Q1'` 的图像集合,将其限制在一个具体的时间范围内[^3]。 #### 设置地理区域 为了进一步限定研究区,可以通过定义一个几何对象(如多边形或点)来进行空间过滤。 ```javascript // 创建一个兴趣区域(AOI),这里以中国为例 var chinaBoundary = ee.Geometry.Rectangle([73.5, 18.14, 135.05, 53.55]); // 过滤 AOI modisNDVI = modisNDVI.filterBounds(chinaBoundary); ``` 上述脚本创建了一个矩形边界框表示中国的地理位置,利用它对原始影像进行了裁剪[^4]。 #### 可视化 NDVI 数据 一旦完成了时间和空间上的过滤之后,就可以准备可视化这些 NDVI 图像了。通常会设置颜色调色板以便更好地理解植被覆盖情况的变化趋势。 ```javascript // 显示单张 NDVI 影像 Map.setCenter(104.166, 37.917, 4); // 经纬度坐标与中国缩放级别 Map.addLayer(modisNDVI.first(), {min: 0, max: 9000, palette: ['brown', 'white', 'green']}, 'NDVI'); ``` 这段 JavaScript 代码设置了地图中心位置为中国某一点处,添加了一层显示第一个可用 NDVI 值的地图图层,其中指定了最小最大值及对应的颜色梯度[^2]。 #### 批量导出数据 如果希望将经过处理后的 NDVI 数据保存至本地计算机,则需借助 Export API 实现自动化下载流程。 ```javascript // 导出整个年度序列中的每幅图片到 Drive 文件夹下 function exportImage(image){ var date = image.date().format('YYYYMMdd').getInfo(); Export.image.toDrive({ image:image.select('NDVI'), description:'NDVI_' + date, folder:"GEE_Export", scale:250, region:chinaBoundary }); } // 遍历所有符合条件的影像逐个导出 modisNDVI.evaluate(function(collection){ collection.features.forEach(function(feature){ exportImage(ee.Image(feature.id)); }); }); ``` 以上函数实现了针对每个单独影像文件分别命名后上传云端存储的过程。
评论 9
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