Loading [MathJax]/jax/output/CommonHTML/config.js
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >作物产量、植被指数、物候数据下载网站合集

作物产量、植被指数、物候数据下载网站合集

作者头像
疯狂学习GIS
发布于 2025-06-20 02:48:29
发布于 2025-06-20 02:48:29
1720
举报
文章被收录于专栏:疯狂学习GIS疯狂学习GIS

  本文对目前主要的作物类型与产量植被物候与指数数据产品的获取网站加以整理与介绍。

  本文为“GIS数据获取”专栏中第四篇独立博客,因此本文全部标题均由“4”开头。本文对目前主要的农业产量、作物物候、农业植被分布、植被指数等数据获取网站加以整理与介绍;若需其它GIS领域数据(如遥感影像数据、气象数据、土地土壤数据、行政区数据等),大家可以查看我们之前的文章。

4 植被农业数据

4.1 作物产量数据

4.1.1 SPAM

  • 网址:https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/PRFF8V

  SPAM(Spatial Production Allocation Model)是MapSPAM团队基于多种数据源生产的全球作物生产分配模型,其包括全球2010年41种作物的种植面积、收获面积、产量、作物加工产品产量、作物收获面积与产量总产值等数据。空间分辨率为8.6 km。如下图所示。

图片
图片

4.1.2 Aerial Intelligence

  • 网址:https://github.com/aerialintel/data-science-exercise

  Aerial Intelligence是一个致力于为世界农业带来最先进数据科学的初创企业,其在GitHub上发布了美国几个县的小麦产量,初衷是为了鼓励用户基于合适的数据分析方法实现作物产量预测。如下图所示。

图片
图片

4.2 作物物候数据

4.2.1 ChinaCropPhen1km

  • 网址:https://figshare.com/articles/dataset/ChinaCropPhen1km_A_high-resolution_crop_phenological_dataset_for_three_staple_crops_in_China_during_2000-2015_based_on_LAI_products/8313530/6

  ChinaCropPhen1km是由我国学者开发的全国2000年至2015年三种主要作物(水稻、小麦、玉米)物候数据集,每一个年份对应的每一种作物的每一个物候期分别是一张图像,像素值为该年份中该作物该种物候期对应的时间(儒略日)。其空间分辨率为1 km。如下图所示。

图片
图片

4.3 植被指数数据

4.3.1 Index-Data-Base

  • 网址:https://www.indexdatabase.de/

  Index-Data-Base(IDB)是一个植被指数数据资料库,而并非含有实际数据的数据库。其提供了一个索引,我们可以用以在特定的植被指数用途、指定特定的遥感平台情况下,对满足要求的植被指数加以索引。如下图所示。

图片
图片

4.3.2 MODIS Vegetation Index Products

  • 网址:https://modis.gsfc.nasa.gov/data/dataprod/mod13.php

  MODIS Vegetation Index Products是基于MODIS数据、由官方生产的16日植被指数数据产品,包括NDVI与EVI两种。其空间分辨率为250 m,500 m,1 km,0.05°。如下图所示。

图片
图片

4.3.3 LAI_TS_Val

  • 网址:https://zenodo.org/record/4393164#.X-V4HthLhPY

  LAI_TS_Val(LAI time-series validation)是一个全球2001年至2011年长时间序列LAI验证数据集产品,具有924个验证数据,空间分辨率为1 km。如下图所示。

图片
图片

4.3.4 CSIF

  • 网址:https://figshare.com/articles/dataset/CSIF/6387494

  CSIF是基于MCD43C4数据生产的全球叶绿素荧光参数数据集。如下图所示。

图片
图片

  至此,大功告成。

疯狂学习GIS

一起疯狂学习GIS!

465篇原创内容

公众号

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2025-06-19,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 疯狂学习GIS 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
遥感数据、气象数据、土地土壤数据、农业数据、行政区数据...GIS数据获取网站整理
  本文对GIS行业相关的综合数据获取网站加以整理,包括但不限于遥感数据、气候数据、土地数据、土壤数据、农业数据、行政区数据、社会数据、经济数据等。数据较多,大家可以直接通过下方目录加以总览。
郭好奇同学
2021/05/28
5.3K0
遥感数据、气象数据、土地土壤数据、农业数据、行政区数据...GIS数据获取网站整理
植被农业数据下载网站整理
  我们继续GIS数据获取专栏,今天整理的是植被、农业数据。或许是由于专业原因,对于农业类的数据都会感到很亲切;而另一方面,遥感、GIS等技术应用于农业领域也是目前这一学术专业很重要的一部分,可以说是还有很大发展空间的一部分(并且公众号的头像和永远不换的封面图也是农业与GIS相关的一幅照片)。因此,农业类的数据应用需求也比较大。
疯狂学习GIS
2021/07/22
9240
利用机器学习和深度学习方法整合多源数据进行中国水稻产量预测
Juan cao,Zhao zhang,Fulu Tao,Liangliang Zhang,Yuchuan Luo,Jing Zhang,Jichong Han,JunXie
气象学家
2022/01/18
3.3K0
利用机器学习和深度学习方法整合多源数据进行中国水稻产量预测
Google Earth Engine ——MCD12Q2 V6土地覆盖动态产品(非正式地称为MODIS全球植被表征产品)提供全球范围内的植被表征时间估计
The MCD12Q2 V6 Land Cover Dynamics product (informally called the MODIS Global Vegetation Phenology product) provides estimates of the timing of vegetation phenology at global scales. Additionally, it provides information related to the range and summation of the enhanced vegetation index (EVI) computed from MODIS surface reflectance data at each pixel. It identifies the onset of greenness, greenup midpoint, maturity, peak greenness, senescence, greendown midpoint, dormancy, EVI2 minimum, EVI2 amplitude, integrated EVI2 over a vegetation cycle, as well as overall and phenology metric-specific quality information. The MCD12Q2 Version 6 data product is derived from time series of the 2-band Enhanced Vegetation Index (EVI2) calculated from MODIS Nadir Bidirectional Reflectance Distribution Function (BRDF)-Adjusted Reflectance (NBAR). Vegetation phenology metrics are identified for up to two detected growing cycles per year. For pixels with more than two valid vegetation cycles, the data represent the two cycles with the largest NBAR-EVI2 amplitudes.
此星光明
2024/02/02
4530
Google Earth Engine ——MCD12Q2 V6土地覆盖动态产品(非正式地称为MODIS全球植被表征产品)提供全球范围内的植被表征时间估计
2000 年至 2015 年中国(即水稻、小麦和玉米1km 网格)三种主要作物年收获面积的时空变化
可靠、连续的主要作物收获面积信息对于研究地表动态和制定影响农业生产、土地利用和可持续发展的政策至关重要。然而,中国目前还没有高分辨率的空间明确和时间连续的作物收获面积信息。全国范围内主要农作物收获面积的时空格局也鲜有研究。在本研究中,我们提出了一种新的基于作物物候的作物制图方法,以 GLASS 叶面积指数(LAI)产品为基础,生成 2000 年至 2015 年中国三种主要作物(即水稻、小麦和玉米)的 1 km 收获面积数据集。首先,我们结合基于拐点和阈值的方法,检索了三种主要作物的关键物候期。然后,如果能同时确定某种作物的三个关键物候期,我们就能确定该作物的种植网格。最后,我们综合考虑了作物物候特征和旱地、水田的参照系,绘制了作物分类图和年收获面积数据集(ChinaCropArea1 km)。与县级农业统计数据相比,作物分类精度较高,R2 值始终大于 0.8。进一步分析了这一时期主要农作物收获区域的时空格局。结果表明,水稻收获面积在中国东北地区急剧扩大,而在中国南方地区则有所减少。全国主要玉米种植区的玉米收获面积大幅扩大。小麦收获面积虽然在主产区显著增加,但总体上有所减少。这些时空模式可归因于各种人为、生物物理和社会经济驱动因素,包括城市化、华南地区耕作强度降低、气候变化导致的灾害频发以及华北和西南地区的大面积撂荒农田。由此产生的数据集可用于多种用途,包括地表建模、农业生态系统建模、农业生产和土地利用决策。前言 – 人工智能教程
此星光明
2024/05/27
1900
2000 年至 2015 年中国(即水稻、小麦和玉米1km 网格)三种主要作物年收获面积的时空变化
Google Earth Engine——全球增强植被指数(EVI)产品的基础数据集是MODIS BRDF校正图像(MCD43B4)
The underlying dataset for this Enhanced Vegetation Index (EVI) product is MODIS BRDF-corrected imagery (MCD43B4), which was gap-filled using the approach outlined in Weiss et al. (2014) to eliminate missing data caused by factors such as cloud cover. Gap-free outputs were then aggregated temporally and spatially to produce the monthly ≈5km product.
此星光明
2024/02/02
2350
Google Earth Engine——全球增强植被指数(EVI)产品的基础数据集是MODIS BRDF校正图像(MCD43B4)
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
ABoVE: MODIS-derived Maximum NDVI, Northern Alaska and Yukon Territory for 2002-2017
此星光明
2025/02/04
770
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
大田作物四情监测系统:打造协同预警与精准管理的动态调控引擎
该系统(苗情、墒情、虫情、灾情)通过整合多模态传感器阵列与数字孪生建模技术,突破传统单点监测的时空局限,构建从作物生理生态到宏观灾情的全维度感知体系,其核心优势在于实现 "四情" 数据的实时化、定量化与可视化。系统采用 "天 - 空 - 地" 三级监测架构:卫星遥感层面搭载高分六号 WFV 传感器(空间分辨率 16m,光谱范围 450-1050nm)。
山东万象环境科技有限公司
2025/08/01
1120
大田作物四情监测系统:打造协同预警与精准管理的动态调控引擎
Google Earth Engine ——MOD13Q1.006 Terra Vegetation Indices 16-Day Global 250m归一化植被指数(NDVI)和增强植被指数EVI
The MOD13Q1 V6 product provides a Vegetation Index (VI) value at a per pixel basis. There are two primary vegetation layers. The first is the Normalized Difference Vegetation Index (NDVI) which is referred to as the continuity index to the existing National Oceanic and Atmospheric Administration-Advanced Very High Resolution Radiometer (NOAA-AVHRR) derived NDVI. The second vegetation layer is the Enhanced Vegetation Index (EVI) that minimizes canopy background variations and maintains sensitivity over dense vegetation conditions. The EVI also uses the blue band to remove residual atmosphere contamination caused by smoke and sub-pixel thin cloud clouds. The MODIS NDVI and EVI products are computed from atmospherically corrected bi-directional surface reflectances that have been masked for water, clouds, heavy aerosols, and cloud shadows.
此星光明
2024/02/02
2680
Google Earth Engine ——MOD13Q1.006 Terra Vegetation Indices 16-Day Global 250m归一化植被指数(NDVI)和增强植被指数EVI
基于大地遥感卫星和哨兵图像的 30 米分辨率中国玉米分布图
作为全球第二大玉米生产国,中国的玉米产量占全球总产量的 23%,在保证玉米市场稳定方面发挥着重要作用。尽管其重要性不言而喻,但目前还没有全中国 30 米空间分辨率的玉米分布图。本研究采用时间加权动态时间扭曲法,通过比较每个像素点的卫星植被指数时间序列与已知玉米田得出的标准时间序列的相似性来识别玉米种植区,绘制了占中国玉米种植面积 99% 以上的 22 个省份 2016 年至 2020 年的玉米分布图。基于 18800 个 30 米空间分辨率的田间调查像素,该分布图在整个调查省份的生产者和用户平均精确度分别为 76.15%和 81.59%。市级和县级普查数据在再现玉米空间分布方面也表现良好。这项研究提供了一种基于少量实地调查数据绘制大面积玉米地图的方法。
此星光明
2024/05/24
2830
基于大地遥感卫星和哨兵图像的 30 米分辨率中国玉米分布图
MODIS数据的简介和下载(一)——MODIS数据简介
借最近上课实习上机内容,来介绍MODIS数据相关方面内容。本部分主要包括了MODIS数据的简介和下载的问题。本篇是第一部分,MODIS的简介。主要分为三个部分:1.MODIS传感器简介及参数;2.MODIS产品及命名规则;3.MODIS的典型应用。 1.MODIS传感器简介及参数 首先来纠正件很容易被误解的事,MODIS是传感器而不是卫星,尽管我们平常称呼的时候更习惯叫MODIS数据(以传感器来称呼),Landsat数据(以卫星来称呼)。MODIS传感器的全称为中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer),主要搭载在Terra和Aqua星上。 Terrra的简介如下(摘自百度百科和遥感集市): EOS(Earth Observation System)卫星是美国地球观测系统计划中一系列卫星的简称。经过长达8年的制造和前期预研究准备工作,第一颗EOS的上午轨道卫星于1999年12月18日发射升空,发射成功的卫星命名为Terra(拉丁语“地球”的意思),主要目的是观测地球表面。它是一个用一系列低轨道卫星对地球进行连续综合观测的计划。它的主要目的是:实现从单系列极轨空间平台上对太阳辐射、大气、海洋和陆地进行综合观测,获取有关海洋、陆地、冰雪圈和太阳动力系统等信息;进行土地利用和土地覆盖研究、气候的季节和年际变化研究、自然灾害监测和分析研究、长期气候变率和变化以及大气臭氧变化研究等;进而实现对大气和地球环境变化的长期观测和研究的总体(战略)目标。EOS卫星轨道高度为距地球705公里,目前的第一颗上午轨道卫星(Terra)过境时间为地方时10:30am左右,一天最多可以获得4条过境轨道资料。 Terra卫星于1999年12月18日发射成功,Aqua卫星于2002年5月4日发射成功。Terra为上午星,从北向南于地方时10:30左右通过赤道,Aqua为下午星,从南向北于地方时13:30左右通过赤道。两颗星相互配合每1-2天可重复观测整个地球表面,得到36个波段的观测数据 EOS系列卫星上的最主要的仪器是中分辨率成像光谱仪(MODIS),其最大空间分辨率可达250米。 对应的MODIS传感器的简介如下(摘自百度百科和遥感集市): MODIS是当前世界上新一代“图谱合一”的光学遥感仪器,有36个离散光谱波段,光谱范围宽,从0.4微米(可见光)到14.4微米(热红外)全光谱覆盖。MODIS的多波段数据可以同时提供反映陆地表面状况、云边界、云特性、海洋水色、浮游植物、生物地理、化学、大气中水汽、气溶胶、地表温度、云顶温度、大气温度、臭氧和云顶高度等特征的信息。可用于对地表、生物圈、固态地球、大气和海洋进行长期全球观测。中分辨率成像光谱仪(MODIS)最大空间分辨率可达250米,扫描宽度2330公里。MODIS是CZCS、AVHRR、HIRS和TM等仪器的继续。MODIS是被动式成像分光辐射计。共有490个探测器,分布在36个光谱波段,从0.4微米(可见光)到14.4微米(热红外)全光谱覆盖。 MODIS仪器的地面分辨率为250m、500m和1000m,扫描宽度为2330km。 在对地观测过程中,每秒可同时获得11兆比特的来自大气、海洋和陆地表面信息,日或每两日可获取一次全球观测数据。 MODIS参数(摘自百度百科和遥感集市) 空间分辨率——250 m (1-2波段);500 m (3-7波段);1000 m (8-36波段) 扫描宽度——2330km 时间分辨率——1天 光谱波段——36个离散光谱波段,光谱范围宽,从0.4微米(可见光)到14.4微米(热红外)全光谱覆盖 。 轨道——705KM,降轨上午10:30过境,升轨下午1:30过境;太阳同步;近极地圆轨道 设计寿命——5年 2.MODIS产品及命名规则 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。
全栈程序员站长
2022/09/02
8.4K0
MODIS数据的简介和下载(一)——MODIS数据简介
Google Earth Engine——FORMA火灾警报数据集是使用两个MODIS产品的组合来检测的。NDVI(归一化植被指数)和FIRMS(资源管理系统的火灾信息)。
NOTE from WRI: WRI decided to stop updating FORMA alerts. The goal was to simplify the Global Forest Watch user experience and reduce redundancy. We found that Terra-i and GLAD were more frequently used. Moreover, using GLAD as a standard, found that Terra-i outperformed FORMA globally.
此星光明
2024/02/02
1840
Google Earth Engine——FORMA火灾警报数据集是使用两个MODIS产品的组合来检测的。NDVI(归一化植被指数)和FIRMS(资源管理系统的火灾信息)。
Google Earth Engine——VNP13算法过程产生三种植被指数。(1)归一化差异植被指数(NDVI),(2)增强植被指数(EVI),以及(3)增强植被指数-2(EVI2)。
The Suomi National Polar-Orbiting Partnership (S-NPP) NASA Visible Infrared Imaging Radiometer Suite (VIIRS) Vegetation Indices (VNP13A1) data product provides vegetation indices by a process of selecting the best available pixel over a 16-day acquisition period at 500 meter resolution. The VNP13 data products are designed after the Moderate Resolution Imaging Spectroradiometer (MODIS) Terra and Aqua Vegetation Indices product suite to promote the continuity of the Earth Observation System (EOS) mission.
此星光明
2024/02/02
3210
Google Earth Engine——VNP13算法过程产生三种植被指数。(1)归一化差异植被指数(NDVI),(2)增强植被指数(EVI),以及(3)增强植被指数-2(EVI2)。
慧天卓特:东南亚基于多源遥感的干旱、土壤水分及洪灾、植被指数、火灾监测和空气质量监测分析
亚洲的东南部地理位置具有特殊的意义,是亚洲纬度最低的地区,也处于亚澳之间的过渡地带,属热带季风气候,森林等自然资源丰富,人口稠密,东南亚和南亚地区面临农业生产、环境保护和经济发展的多重挑战,遥感技术可为其农业和环境的监测与管理提供重要的支持。
此星光明
2024/06/08
2170
慧天卓特:东南亚基于多源遥感的干旱、土壤水分及洪灾、植被指数、火灾监测和空气质量监测分析
人工智能、机器学习和深度学习在植物育种中的应用介绍
近年来,由于人工智能(AI)技术的进步,特别是机器学习(ML)和深度学习(DL)技术的推动,植物育种领域经历了一场范式转变。这些尖端技术改变了我们对植物生物学的理解。从解码植物防御的复杂分子机制到自动化疾病检测和优化营养水平,AI正在重塑植物育种。AI辅助的组学技术提供了对植物-病原体相互作用的新见解,并促进了应激反应基因的识别。
生信菜鸟团
2024/11/23
6930
人工智能、机器学习和深度学习在植物育种中的应用介绍
GEE数据集:美国植被干旱响应指数 (Vegetation Drought Response Index,VegDRI)数据集
植被干旱响应指数(VegDRI)是一个每周一次的地理空间模型,用于描述干旱对美国本土植被造成的压力。VegDRI干旱监测工具是由美国地质调查局EROS中心、内布拉斯加大学国家干旱缓解中心(NDMC)和高原区域气候中心(HPRCC)的科学家们合作开发的。
此星光明
2024/06/04
2480
GEE数据集:美国植被干旱响应指数 (Vegetation Drought Response Index,VegDRI)数据集
MODIS数据介绍及下载
EOS(Earth Observation System) 卫星是美国地球观测系统计划中一系列卫星的简称。经过长达8年的制造和前期预研究准备工作,第一颗EOS的上午轨道卫星于1999年12月18日发射升空,发射成功的卫星命名为Terra(拉丁语“地球”的意思),主要目的是观测地球表面。它是一个用一系列低轨道卫星对地球进行连续综合观测的计划。它的主要目的是:实现从单系列极轨空间平台上对太阳辐射、大气、海洋和陆地进行综合观测,获取有关海洋、陆地、冰雪圈和太阳动力系统等信息;进行土地利用和土地覆盖研究、气候的季节和年际变化研究、自然灾害监测和分析研究、长期气候变率和变化以及大气臭氧变化研究等;进而实现对大气和地球环境变化的长期观测和研究的总体(战略)目标。
全栈程序员站长
2022/09/02
3.1K0
MODIS数据介绍及下载
【GEE】6、在 Google 地球引擎中构建各种遥感指数
一个田地已经灌溉的年数的卫星图像。灌溉水最可能的来源是奥加拉拉含水层。图片来自科罗拉多州霍利奥克附近。资料来源:美国国家航空航天局
Twcat_tree
2023/11/07
8370
【GEE】6、在 Google 地球引擎中构建各种遥感指数
数据集 | 如何方便的下载GLASS数据
全球陆表特征参量数据产品(GLASS产品),由北京师范大学梁顺林教授团队自主研发,数据产品包括叶面积指数(LAI)、反照率(Albedo)、发射率(BBE)、光合有效辐射(PAR)、下行短波辐射(DSR)、净辐射(NR)、光合有效辐射吸收比(FAPAR)、植被覆盖率(FVC)、潜热(ET)和植被总初级生产力(GPP)等多种产品。
GIS与遥感开发平台
2022/04/29
4.6K0
数据集 | 如何方便的下载GLASS数据
全球历史小麦产量数据集
全球历史粮食产量数据集是农业普查统计(粮农组织报告的国家产量统计数据)和卫星遥感(遥感反演的作物指数)的混合数据产品,小麦的两个生长季节包括“冬(winter)”和“春(spring)”。
此星光明
2024/02/02
2620
全球历史小麦产量数据集
推荐阅读
遥感数据、气象数据、土地土壤数据、农业数据、行政区数据...GIS数据获取网站整理
5.3K0
植被农业数据下载网站整理
9240
利用机器学习和深度学习方法整合多源数据进行中国水稻产量预测
3.3K0
Google Earth Engine ——MCD12Q2 V6土地覆盖动态产品(非正式地称为MODIS全球植被表征产品)提供全球范围内的植被表征时间估计
4530
2000 年至 2015 年中国(即水稻、小麦和玉米1km 网格)三种主要作物年收获面积的时空变化
1900
Google Earth Engine——全球增强植被指数(EVI)产品的基础数据集是MODIS BRDF校正图像(MCD43B4)
2350
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
770
大田作物四情监测系统:打造协同预警与精准管理的动态调控引擎
1120
Google Earth Engine ——MOD13Q1.006 Terra Vegetation Indices 16-Day Global 250m归一化植被指数(NDVI)和增强植被指数EVI
2680
基于大地遥感卫星和哨兵图像的 30 米分辨率中国玉米分布图
2830
MODIS数据的简介和下载(一)——MODIS数据简介
8.4K0
Google Earth Engine——FORMA火灾警报数据集是使用两个MODIS产品的组合来检测的。NDVI(归一化植被指数)和FIRMS(资源管理系统的火灾信息)。
1840
Google Earth Engine——VNP13算法过程产生三种植被指数。(1)归一化差异植被指数(NDVI),(2)增强植被指数(EVI),以及(3)增强植被指数-2(EVI2)。
3210
慧天卓特:东南亚基于多源遥感的干旱、土壤水分及洪灾、植被指数、火灾监测和空气质量监测分析
2170
人工智能、机器学习和深度学习在植物育种中的应用介绍
6930
GEE数据集:美国植被干旱响应指数 (Vegetation Drought Response Index,VegDRI)数据集
2480
MODIS数据介绍及下载
3.1K0
【GEE】6、在 Google 地球引擎中构建各种遥感指数
8370
数据集 | 如何方便的下载GLASS数据
4.6K0
全球历史小麦产量数据集
2620
相关推荐
遥感数据、气象数据、土地土壤数据、农业数据、行政区数据...GIS数据获取网站整理
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档