快捷搜索:  汽车  科技

历年植被覆盖度(全国植被覆盖度VFC逐月数据)

历年植被覆盖度(全国植被覆盖度VFC逐月数据)VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil)目前已经发展了很多利用遥感测量植被覆盖度的方法,较为实用的方法是利用植被指数近似估算植被覆盖度,常用的植被指数为NDVI。我们采用在像元二分模型的基础上研究的模型:正文容易与植被覆盖度混淆的概念是植被盖度,植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。两个概念主要区别就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度,遥感估算常用于区域尺度。

数据下载链接:百度云下载链接

数据福利是专门为关注小编博客及公众号的朋友定制的,未关注用户不享受免费共享服务,已经被列入黑名单的用户和单位不享受免费共享服务。参与本号发起的数据众筹,向本号捐赠过硬盘以及多次转发、评论的朋友优先享有免费共享服务。


引言

植被覆盖度是指植被(包括叶、茎、枝)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 也是指示生态环境变化的重要指标之一。

正文


数据简介

容易与植被覆盖度混淆的概念是植被盖度,植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。两个概念主要区别就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。

植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度,遥感估算常用于区域尺度。

目前已经发展了很多利用遥感测量植被覆盖度的方法,较为实用的方法是利用植被指数近似估算植被覆盖度,常用的植被指数为NDVI。我们采用在像元二分模型的基础上研究的模型:

VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil)

其中,NDVIsoil为完全是裸土或无植被覆盖区域的NDVI值,相当于NDVImin,NDVIveg则代表完全被植被所覆盖的像元的NDVI值,即纯植被像元的NDVI值,相当于NDVImax

历年植被覆盖度(全国植被覆盖度VFC逐月数据)(1)

历年植被覆盖度(全国植被覆盖度VFC逐月数据)(2)

​编辑

数据名称

植被覆盖度逐月分布数据

数据类型

栅格

数据格式

GRID、TIFF

分辨率/比例尺

10m、30m、100m、250m、500m、1km等多种分辨率

覆盖范围

全境陆地国土

坐标系

默认投影为Krasovsky_1940_Albers,其他坐标系可进行投影转换

时间序列

基本时间序列: 1980年-至今;时间尺度逐月逐年

《植被覆盖度逐月分布数据》共享方法如下:

(1)人员,限定为关注小编的用户。

(2)各类项目(包括各类科研项目)申请本数据扔享受免费政策,但需向本号捐赠一定数量的硬盘才能获取。

(3)捐赠硬盘可免留言获取数据。

数据获取来源:地理遥感生态网www.gisrs.cn

地理遥感生态网平台主要由土地利用遥感监测数据、行政区划边界数据(行政村边界、乡镇街道边界、省市县边界)、气象数据(降雨量、气温、蒸散量、辐射、湿度、日照时数、风速、水汽压数据)、水文站点数据(径流量数据)、遥感数据(npp净初级生产力数据数据、NDVI数据、LAI叶面积指数、GPP初级生产力数据、地表温度LST数据、高精度遥感影像等)、土壤数据(土壤类型、土壤质地、土壤有机质、土壤PH值、土壤质地、土壤侵蚀、土壤NPK、土壤厚度土、土壤重金属含量分布、土壤含水量等)、POI兴趣点数据(餐饮服务、道路附属设施、地名地址信息、风景名胜、公共设施、公司企业、购物服务、交通设施服务、金融保险服务、科教文化服务、摩托车服务、汽车服务、汽车维修、汽车销售、商务住宅、生活服务、事件活动、体育休闲服务、通行设施、医疗保健服务、政府机构及社会团体、住宿服务等)、全国作物类型分布数据(大豆、玉米、水稻、甘蔗、小麦空间分布数据等)、生态系统服务空间数据集、中国湿地沼泽分类数据集、城市空气质量监测数据、中国水系流域空间分布数据集、中国道路空间分布数据、中国陆地生态系统类型分布数据、社会经济统计年鉴数据、中国GDP空间分布数据集、中国人口空间分布数据集、城市建筑轮廓空间分布数据、全国地质灾害空间分布数据(崩塌、塌陷、泥石流、地面沉降、地裂缝、滑坡、斜坡、地震等)、地质岩性分布图、地形地貌数字高程DEM数据(地貌类型矢量数据、12.5米高精度DEM数据等)、中国NDVI植被指数空间分布数据集、夜间灯光数据、三级流域矢量边界、植被类型分布、自然保护区分布、建筑轮廓分布等土地利用、生态环境、灾害监测、社会经济和气象气候系列数据。

还看什么呢?赶紧三连获取数据吧!

猜您喜欢: