没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
该植被指数(NDVI)数据来源于美国NASA定期发布的MODIS数据系列,原始数据集为MOD13A3。MOD13A3的空间分辨率为1km,时间分辨率为monthly。经过提取子数据集、拼接、投影栅格、换算单位、裁剪得到逐月1km的NDVI数据。 投影坐标系:WGS 1984 UTM分带 时间分辨率:逐月 空间分辨率:1 km 引用:Didan, K. (2015). MODIS/Terra Vegetation Indices Monthly L3 Global 1km SIN Grid V006, NASA EOSDIS Land Processes DAAC.https://doi.org/10.5067/MODIS/MOD13A3.006 CSDN主页:https://blog.csdn.net/qq_37948866 下载数据版权归原作者所有,基于开放数据二次处理加工得到,仅供学习使用,请支持正版!
资源推荐
资源详情
资源评论
收起资源包目录
甘肃2011-2021逐月1km NDVI数据集.zip (265个子文件)
E_ganS_A2018M01_NDVI1km.tif 13.13MB
E_ganS_A2011M02_NDVI1km.tif 13.13MB
E_ganS_A2021M01_NDVI1km.tif 13.13MB
E_ganS_A2011M03_NDVI1km.tif 13.13MB
E_ganS_A2020M02_NDVI1km.tif 13.13MB
E_ganS_A2012M06_NDVI1km.tif 13.13MB
E_ganS_A2012M01_NDVI1km.tif 13.13MB
E_ganS_A2020M03_NDVI1km.tif 13.13MB
E_ganS_A2017M02_NDVI1km.tif 13.13MB
E_ganS_A2021M02_NDVI1km.tif 13.13MB
E_ganS_A2011M01_NDVI1km.tif 13.13MB
E_ganS_A2014M10_NDVI1km.tif 13.13MB
E_ganS_A2012M02_NDVI1km.tif 13.13MB
E_ganS_A2015M02_NDVI1km.tif 13.13MB
E_ganS_A2019M03_NDVI1km.tif 13.13MB
E_ganS_A2012M03_NDVI1km.tif 13.13MB
E_ganS_A2016M02_NDVI1km.tif 13.13MB
E_ganS_A2019M02_NDVI1km.tif 13.13MB
E_ganS_A2021M03_NDVI1km.tif 13.13MB
E_ganS_A2017M04_NDVI1km.tif 13.13MB
E_ganS_A2012M12_NDVI1km.tif 13.13MB
E_ganS_A2014M01_NDVI1km.tif 13.13MB
E_ganS_A2014M02_NDVI1km.tif 13.13MB
E_ganS_A2018M02_NDVI1km.tif 13.13MB
E_ganS_A2018M08_NDVI1km.tif 13.13MB
E_ganS_A2015M11_NDVI1km.tif 13.13MB
E_ganS_A2015M06_NDVI1km.tif 13.13MB
E_ganS_A2015M05_NDVI1km.tif 13.13MB
E_ganS_A2013M04_NDVI1km.tif 13.13MB
E_ganS_A2013M10_NDVI1km.tif 13.13MB
E_ganS_A2021M06_NDVI1km.tif 13.13MB
E_ganS_A2021M08_NDVI1km.tif 13.13MB
E_ganS_A2013M01_NDVI1km.tif 13.13MB
E_ganS_A2014M12_NDVI1km.tif 13.13MB
E_ganS_A2012M08_NDVI1km.tif 13.13MB
E_ganS_A2017M05_NDVI1km.tif 13.13MB
E_ganS_A2014M05_NDVI1km.tif 13.13MB
E_ganS_A2016M09_NDVI1km.tif 13.13MB
E_ganS_A2015M04_NDVI1km.tif 13.13MB
E_ganS_A2018M09_NDVI1km.tif 13.13MB
E_ganS_A2018M05_NDVI1km.tif 13.13MB
E_ganS_A2012M04_NDVI1km.tif 13.13MB
E_ganS_A2012M11_NDVI1km.tif 13.13MB
E_ganS_A2016M03_NDVI1km.tif 13.13MB
E_ganS_A2012M05_NDVI1km.tif 13.13MB
E_ganS_A2013M05_NDVI1km.tif 13.13MB
E_ganS_A2012M10_NDVI1km.tif 13.13MB
E_ganS_A2018M04_NDVI1km.tif 13.13MB
E_ganS_A2016M05_NDVI1km.tif 13.13MB
E_ganS_A2019M05_NDVI1km.tif 13.13MB
E_ganS_A2018M12_NDVI1km.tif 13.13MB
E_ganS_A2019M07_NDVI1km.tif 13.13MB
E_ganS_A2018M03_NDVI1km.tif 13.13MB
E_ganS_A2011M04_NDVI1km.tif 13.13MB
E_ganS_A2014M04_NDVI1km.tif 13.13MB
E_ganS_A2016M12_NDVI1km.tif 13.13MB
E_ganS_A2020M10_NDVI1km.tif 13.13MB
E_ganS_A2019M10_NDVI1km.tif 13.13MB
E_ganS_A2019M12_NDVI1km.tif 13.13MB
E_ganS_A2013M06_NDVI1km.tif 13.13MB
E_ganS_A2017M03_NDVI1km.tif 13.13MB
E_ganS_A2014M06_NDVI1km.tif 13.13MB
E_ganS_A2014M03_NDVI1km.tif 13.13MB
E_ganS_A2020M07_NDVI1km.tif 13.13MB
E_ganS_A2017M08_NDVI1km.tif 13.13MB
E_ganS_A2015M01_NDVI1km.tif 13.13MB
E_ganS_A2017M09_NDVI1km.tif 13.13MB
E_ganS_A2017M07_NDVI1km.tif 13.13MB
E_ganS_A2021M09_NDVI1km.tif 13.13MB
E_ganS_A2011M08_NDVI1km.tif 13.13MB
E_ganS_A2015M08_NDVI1km.tif 13.13MB
E_ganS_A2013M08_NDVI1km.tif 13.13MB
E_ganS_A2011M10_NDVI1km.tif 13.13MB
E_ganS_A2021M10_NDVI1km.tif 13.13MB
E_ganS_A2017M12_NDVI1km.tif 13.13MB
E_ganS_A2014M07_NDVI1km.tif 13.13MB
E_ganS_A2011M11_NDVI1km.tif 13.13MB
E_ganS_A2014M09_NDVI1km.tif 13.13MB
E_ganS_A2020M04_NDVI1km.tif 13.13MB
E_ganS_A2020M01_NDVI1km.tif 13.13MB
E_ganS_A2013M07_NDVI1km.tif 13.13MB
E_ganS_A2016M06_NDVI1km.tif 13.13MB
E_ganS_A2019M01_NDVI1km.tif 13.13MB
E_ganS_A2019M06_NDVI1km.tif 13.13MB
E_ganS_A2021M11_NDVI1km.tif 13.13MB
E_ganS_A2021M07_NDVI1km.tif 13.13MB
E_ganS_A2012M07_NDVI1km.tif 13.13MB
E_ganS_A2011M05_NDVI1km.tif 13.13MB
E_ganS_A2015M03_NDVI1km.tif 13.13MB
E_ganS_A2019M08_NDVI1km.tif 13.13MB
E_ganS_A2016M08_NDVI1km.tif 13.13MB
E_ganS_A2012M09_NDVI1km.tif 13.13MB
E_ganS_A2018M11_NDVI1km.tif 13.13MB
E_ganS_A2015M09_NDVI1km.tif 13.13MB
E_ganS_A2016M10_NDVI1km.tif 13.13MB
E_ganS_A2013M03_NDVI1km.tif 13.13MB
E_ganS_A2017M10_NDVI1km.tif 13.13MB
E_ganS_A2020M05_NDVI1km.tif 13.13MB
E_ganS_A2016M01_NDVI1km.tif 13.13MB
E_ganS_A2011M12_NDVI1km.tif 13.13MB
共 265 条
- 1
- 2
- 3
资源评论
- qq_534020342022-09-09超级好的资源,很值得参考学习,对我启发很大,支持!
- m0_679742302024-03-15资源内容总结的很到位,内容详实,很受用,学到了~
- gengxizi2023-03-08支持这个资源,内容详细,主要是能解决当下的问题,感谢大佬分享~
Salierib
- 粉丝: 9758
- 资源: 291
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 一个简单的Python程序,用于计算并打印出一个列表中所有数字的平均值 这个程序适合初学者理解基本的Python语法和功能,如列表、循环、条件语句和函数等
- 网带螺旋机sw16可编辑全套技术资料100%好用.zip
- 四点电阻焊机sw17全套技术资料100%好用.zip
- 物料搅拌混合设备sw18全套技术资料100%好用.zip
- Matlab基于TTAO-CNN-LSTM-Attention三角拓扑聚合优化算法优化卷积神经网络-长短期记忆网络-注意力机制的数据分类预测的详细项目实例(含完整的程序,GUI设计和代码详解)
- MATLAB实现BiTCN-selfAttention自注意力机制结合双向时间卷积神经网络多变量时间序列预测的详细项目实例(含完整的程序,GUI设计和代码详解)
- 洗砂机stp全套技术资料100%好用.zip
- Matlab实现GSWOA-KELM混合策略改进的鲸鱼优化算法优化核极限学习机的数据回归预测的详细项目实例(含完整的程序,GUI设计和代码详解)
- 吸塑机(sw12可编辑+工程图)全套技术资料100%好用.zip
- 线缆抗拉试验机sw18全套技术资料100%好用.zip
- Matlab实现BiTCN双向时间卷积神经网络数据分类预测的详细项目实例(含完整的程序,GUI设计和代码详解)
- Matlab实现RIME-TCN-BiGRU-Attention霜冰算法优化时间卷积双向门控循环单元融合注意力机制多变量时间序列预测的详细项目实例(含完整的程序,GUI设计和代码详解)
- 综合课程设计I报告题目: 血氧仪设计
- MATLAB 实现基于ISSA(改进的麻雀搜索算法)进行时间序列预测模型的项目详细实例(含完整的程序,GUI设计和代码详解)
- 本教程是某型永磁同步电机电磁场和温度场联合仿真,48槽8极,转速为3000rpm,输出转矩为240-400Nm,定子外径270mm,铁芯长度83mm 非常不错的案例教程
- MATLAB 实现基于GVSAO(广义变分同步优化)进行时间序列预测模型的项目详细实例(含完整的程序,GUI设计和代码详解)
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功