​

 ABoVE: MODIS-derived Maximum NDVI, Northern Alaska and Yukon Territory for 2002-2017

简介

该数据集提供了 2002-2017 年美国阿拉斯加北部和加拿大育空地区每年 1 公里分辨率的最大归一化差异植被指数 (NDVI)，以及 16 年最大 NDVI 产品。 MODIS 产品 MOD13Q1 和 MYD13Q1 来自采集 6，采集时间为每年 6 月 1 日至 8 月 30 日，像素尺寸为 250 米。 在 2002-2017 年的每个生长季，确定了每个像素的最大 NDVI 值。 然后，从嵌套在每个 1 公里像素内的 16 个 250 米像素值中选择最大 NDVI 值，将这些最大 NDVI 值汇总到 1 公里。 然后从年度最大 NDVI 值的时间序列中得出 16 年的长期最大 NDVI 值。

摘要

ABoVE: MODIS-derived Maximum NDVI, Northern Alaska and Yukon Territory for 2002-2017是一组数据，其中包含了2002年至2017年期间，北阿拉斯加和育空地区的最大归一化植被指数（NDVI）的MODIS衍生数据。

归一化植被指数是一种用于测量和监测植被的健康和生长状况的指标。它基于植物叶绿素对可见光和近红外光的吸收和反射能力。NDVI的值范围在-1到1之间，较高的值表示更丰富的植被覆盖和更健康的植被。

这组数据是通过MODIS（Moderate Resolution Imaging Spectroradiometer）卫星遥感数据衍生而来的。MODIS是美国国家航空航天局（NASA）的一个传感器，可以提供全球的高空间和时间分辨率的地球观测数据。

这些数据对于研究北阿拉斯加和育空地区的植被动态和生态系统健康非常有用。研究人员可以利用这些数据来分析植被变化、植被生长季节、气候变化对植被的影响等。这些数据还可以用于评估植被的适应性和脆弱性，以及研究人类活动对植被的影响等方面的研究。

总之，ABoVE: MODIS-derived Maximum NDVI, Northern Alaska and Yukon Territory for 2002-2017是一组关于北阿拉斯加和育空地区2002年至2017年期间植被指数的MODIS衍生数据，可用于研究区域的植被动态和生态系统健康等方面的研究。

代码

!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassify
 
import pandas as pd
import leafmap
 
url = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
df
 
leafmap.nasa_data_login()
 
 
results, gdf = leafmap.nasa_data_search(
    short_name="Alaska_Yukon_NDVI_1614",
    cloud_hosted=True,
    bounding_box=(-175.76, 52.17, -97.93, 68.97),
    temporal=("2002-06-01", "2017-08-08"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Verbyla, D. 2018. ABoVE: MODIS-derived Maximum NDVI, Northern Alaska and Yukon Territory for 2002-2017. ORNL DAAC, Oak Ridge, Tennessee, USA. https://doi.org/10.3334/ORNLDAAC/1614

网址推荐

知识星球

知识星球 | 深度连接铁杆粉丝，运营高品质社群，知识变现的工具 (zsxq.com)https://wx.zsxq.com/group/48888525452428

机器学习

https://www.cbedai.net/xg 

干旱监测平台

慧天干旱监测与预警-首页https://www.htdrought.com/

​