MODIS Snow Cover
۲۰۰۰-اکنون
۵۰۰ متر
روزانه
MODIS Snow Cover Daily
معرفی
دادههای پوشش برف MODIS به صورت روزانه با وضوح ۵۰۰ متر ارائه میشوند. این دادهها شامل شاخص تفکیک برف (NDSI) و albido برف هستند و برای مطالعات هیدرولوژیکی و اقلیمی استفاده میشوند.
ویژگیها
| ویژگی | مقدار |
|---|---|
| نام کامل | MODIS Snow Cover Daily (MOD10A1) |
| سال شروع | ۲۰۰۰ |
| وضوح مکانی | ۵۰۰ متر |
| عرض پوشش | ۱۲۰۰×۱۲۰۰ کیلومتر |
| چرخه تکرار | روزانه |
| منبع داده | Microsoft Planetary Computer |
| هزینه | رایگان |
باندها
| باند | نام | مقیاس | وضوح (m) |
|---|---|---|---|
| NDSI_Snow_Cover | پوشش برف | - | 500 |
| Snow_Albedo_Daily_Tile | albido برف | - | 500 |
| NDSI | شاخص تفکیک برف | 0.0001 | 500 |
| NDSI_Snow_Cover_Basic_QA | کیفیت پایه | - | 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 Snow Cover
search = catalog.search(
collections=["modis-10A1-061"],
bbox=[51.0, 35.5, 51.8, 36.0],
datetime="2023-01-01/2023-12-31",
query={"id": {"starts_with": "MOD10A1"}},
max_items=10,
)
for item in search.items():
print(f"تاریخ: {item.properties['datetime']}")
print(f"شناسه: {item.id}")
print("---")
خواندن پوشش برف
import rasterio
import numpy as np
import planetary_computer
items = list(search.items())
if items:
item = items[0]
# خواندن NDSI Snow Cover
snow_href = planetary_computer.sign(item.assets["NDSI_Snow_Cover"].href)
with rasterio.open(snow_href) as src:
snow = src.read(1)
# مقادیر > 100 پوشش برف دارند
snow_cover = np.sum(snow > 100) / snow.size * 100
print(f"درصد پوشش برف: {snow_cover:.1f}%")