MODIS Leaf Area Index / FPAR
۲۰۰۲-اکنون
۵۰۰ متر
۸ روزه
MODIS Leaf Area Index / FPAR 8-Day
معرفی
شاخص سطح برگ (LAI) و کسر تابش فتوسنتزی (FPAR) MODIS هر ۸ روز با وضوح ۵۰۰ متر ارائه میشوند. این دادهها برای مطالعات پوشش گیاهی، مدلسازی اکوسیستم و کشاورزی استفاده میشوند.
ویژگیها
| ویژگی | مقدار |
|---|---|
| نام کامل | MODIS Leaf Area Index/FPAR 8-Day (MCD15A2H) |
| سال شروع | ۲۰۰۲ |
| وضوح مکانی | ۵۰۰ متر |
| عرض پوشش | ۲۳۳۰ کیلومتر |
| چرخه تکرار | ۸ روز |
| منبع داده | Microsoft Planetary Computer |
| هزینه | رایگان |
باندها
| باند | نام | مقیاس | وضوح (m) |
|---|---|---|---|
| Lai_500m | شاخص سطح برگ (LAI) | 0.1 | 500 |
| Fpar_500m | کسر تابش فتوسنتزی (FPAR) | 0.01 | 500 |
| LaiStdDev_500m | انحراف معیار LAI | 0.1 | 500 |
| FparStdDev_500m | انحراف معیار FPAR | 0.01 | 500 |
| FparLai_QC | کیفیت FPAR و LAI | - | 500 |
نصب پیشنیازها
pip install pystac-client planetary-computer
دسترسی مستقیم با پایتون
جستجوی تصاویر
from pystac_client import Client
import planetary_computer
catalog = Client.open(
"https://planetarycomputer.microsoft.com/api/stac/v1",
modifier=planetary_computer.sign_inplace,
)
# جستجوی MODIS LAI
search = catalog.search(
collections=["modis-15A2H-061"],
bbox=[51.0, 35.5, 51.8, 36.0],
datetime="2023-01-01/2023-12-31",
query={"id": {"starts_with": "MCD15A2H"}},
max_items=10,
)
for item in search.items():
print(f"تاریخ: {item.properties['datetime']}")
print(f"شناسه: {item.id}")
print("---")
خواندن LAI
import rasterio
import numpy as np
import planetary_computer
items = list(search.items())
if items:
item = items[0]
# خواندن LAI
lai_href = planetary_computer.sign(item.assets["Lai_500m"].href)
with rasterio.open(lai_href) as src:
lai = src.read(1).astype(float) * 0.1
print(f"LAI میانگین: {np.mean(lai):.2f}")
print(f"LAI حداکثر: {np.max(lai):.2f}")
# خواندن FPAR
fpar_href = planetary_computer.sign(item.assets["Fpar_500m"].href)
with rasterio.open(fpar_href) as src:
fpar = src.read(1).astype(float) * 0.01
print(f"FPAR میانگین: {np.mean(fpar):.2f}")