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}")

لینک‌های مفید