Google Earth Engine ——MOD17A3H.006: Terra Net Primary Production Yearly Global 500m这是该产品的NASA版本年度净初级

简介: Google Earth Engine ——MOD17A3H.006: Terra Net Primary Production Yearly Global 500m这是该产品的NASA版本年度净初级

The MOD17A3H V6 product provides information about annual Net Primary Productivity (NPP) at 500m pixel resolution. Annual NPP is derived from the sum of the 45 8-day Net Photosynthesis (PSN) products (MOD17A2H) from the given year. The PSN value is the difference of the GPP and the Maintenance Respiration (MR) (GPP-MR).

This is a NASA version of this product. Another version is produced by the Numerical Terradynamic Simulation Group (NTSG), University of Montana (UMT). The NTSG version corrects the problem with cloud-contaminated MODIS LAI-FPAR inputs to the MOD17 algorithm, but its resolution is 1km. It is ingested into Earth Engine as MODIS/055/MOD17A3.

For further details regarding the differences between the NTSG and NASA versions of this product, please consult this document .


MOD17A3H V6产品提供500米像素分辨率的年度净初级生产力(NPP)信息。年净初级生产力是由给定年份的45个8天净光合作用(PSN)产品(MOD17A2H)之和得出的。PSN值是GPP和维持呼吸(MR)之差(GPP-MR)。

这是该产品的NASA版本。另一个版本是由蒙大拿大学(UMT)的数字地球动力学模拟小组(NTSG)制作的。NTSG版本纠正了MOD17算法中被云层污染的MODIS LAI-FPAR输入的问题,但其分辨率为1公里。它作为MODIS/055/MOD17A3被录入地球引擎。

关于该产品的NTSG和NASA版本之间的差异的进一步细节,请参考该文件。

Dataset Availability

2000-01-01T00:00:00 - 2014-01-01T00:00:00

Dataset Provider

NASA LP DAAC at the USGS EROS Center

Collection Snippet

ee.ImageCollection("MODIS/006/MOD17A3H")

Resolution

500 meters

Bands Table

Name Description Min Max Units Scale
Npp Net primary productivity -3000 32700 kg*C/m^2 0.0001
Npp_QC Quality control bits 0
Npp_QC Bitmask
  • Bit 0: MODLAND QC bits
    • 0: Good quality
    • 1: Other quality
  • Bit 1: Sensor
    • 0: Terra
    • 1: Aqua
  • Bit 2: Dead detector
    • 0: Detectors apparently fine for up to 50% of channels 1, 2
    • 1: Dead detectors caused >50% adjacent detector retrieval
  • Bits 3-4: Cloud state
    • 0: Significant clouds NOT present (clear)
    • 1: Significant clouds WERE present
    • 2: Mixed cloud present on pixel
    • 3: Cloud state not defined, assumed clear
  • Bits 5-7: 5-level confidence quality score
    • 0: Very best possible
    • 1: Good, very usable, but not the best
    • 2: Substandard due to geometry problems - use with caution
    • 3: Substandard due to other than geometry problems - use with caution
    • 4: Couldn't retrieve pixel (NOT PRODUCED AT ALL - non-terrestrial biome)
    • 7: Fill Value


使用说明:

MODIS data and products acquired through the LP DAAC have no restrictions on subsequent use, sale, or redistribution.

数据引用:

LP DAAC - MOD17A3H

代码:

var dataset = ee.ImageCollection('MODIS/006/MOD17A3H')
                  .filter(ee.Filter.date('2014-01-01', '2015-05-01'));
var npp = dataset.select('Npp');
var nppVis = {
  min: 0.0,
  max: 19000.0,
  palette: ['bbe029', '0a9501', '074b03'],
};
Map.setCenter(6.746, 46.529, 2);
Map.addLayer(npp, nppVis, 'NPP');


相关文章
|
7月前
|
数据可视化 定位技术 Sentinel
如何用Google Earth Engine快速、大量下载遥感影像数据?
【2月更文挑战第9天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,批量下载指定时间范围、空间范围的遥感影像数据(包括Landsat、Sentinel等)的方法~
2647 1
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
7月前
|
编解码 人工智能 算法
Google Earth Engine——促进森林温室气体报告的全球时间序列数据集
Google Earth Engine——促进森林温室气体报告的全球时间序列数据集
96 0
|
7月前
|
机器学习/深度学习 算法 数据可视化
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
244 0
|
6月前
|
机器学习/深度学习 人工智能 数据处理
人工智能平台PAI产品使用合集之PAI-DSW实例服务器ping不通google.com,该如何排查
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
7月前
|
Web App开发 网络安全 Windows
Chrome版本太旧,无法访问此网站www.google.com 的响应时间过长
Chrome版本太旧,无法访问此网站www.google.com 的响应时间过长
227 1
|
7月前
|
分布式计算 Kubernetes 监控
容器服务Kubernetes版产品使用合集之registry.aliyuncs.com/google_containers 镜像仓库的地址是什么
容器服务Kubernetes版,作为阿里云提供的核心服务之一,旨在帮助企业及开发者高效管理和运行Kubernetes集群,实现应用的容器化与微服务化。以下是关于使用这些服务的一些建议和合集,涵盖基本操作、最佳实践、以及一些高级功能的使用方法。
683 0
|
7月前
|
存储 编解码 数据可视化
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
【2月更文挑战第14天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,按照给定的地表分类数据,对每一种不同的地物类型,分别加以全球范围内随机抽样点自动批量选取的方法~
637 1
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
|
7月前
|
数据处理
Google Earth Engine(GEE)——sentinel-1数据处理过程中出现错误Dictionary does not contain key: bucketMeans
Google Earth Engine(GEE)——sentinel-1数据处理过程中出现错误Dictionary does not contain key: bucketMeans
120 0
|
3月前
|
开发框架 前端开发 JavaScript
ASP.NET MVC 教程
ASP.NET 是一个使用 HTML、CSS、JavaScript 和服务器脚本创建网页和网站的开发框架。
46 7
|
3月前
|
存储 开发框架 前端开发
ASP.NET MVC 迅速集成 SignalR
ASP.NET MVC 迅速集成 SignalR
74 0