MODIS Vegetation Indices
۲۰۰۰-اکنون
۲۵۰ متر
۱۶ روزه
MODIS Vegetation Indices 16-Day
معرفی
شاخصهای پوشش گیاهی MODIS شامل NDVI و EVI هر ۱۶ روز با وضوح ۲۵۰ متر ارائه میشوند. این دادهها برای پایش پوشش گیاهی، خشکسالی و تغییرات اکوسیستم استفاده میشوند.
ویژگیها
| ویژگی | مقدار |
|---|---|
| نام کامل | MODIS Vegetation Indices 16-Day (MOD13Q1) |
| سال شروع | ۲۰۰۰ |
| وضوح مکانی | ۲۵۰ متر |
| عرض پوشش | ۲۳۳۰ کیلومتر |
| چرخه تکرار | ۱۶ روز |
| منبع داده | Microsoft Planetary Computer |
| هزینه | رایگان |
باندها
| باند | نام | مقیاس | وضوح (m) |
|---|---|---|---|
| 250m_16_days_NDVI | شاخص پوشش گیاهی | 0.0001 | 250 |
| 250m_16_days_EVI | شاخص پوشش گیاهی بهبودیافته | 0.0001 | 250 |
| 250m_16_days_red_reflectance | بازتاب قرمز | 0.0001 | 250 |
| 250m_16_days_NIR_reflectance | بازتاب مادون قرمز | 0.0001 | 250 |
| 250m_16_days_blue_reflectance | بازتاب آبی | 0.0001 | 250 |
| 250m_16_days_MIR_reflectance | بازتاب مادون قرمز میانی | 0.0001 | 250 |
| 250m_16_days_VI_Quality | کیفیت شاخص پوشش گیاهی | - | 250 |
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 Vegetation Indices
search = catalog.search(
collections=["modis-13Q1-061"],
bbox=[51.0, 35.5, 51.8, 36.0],
datetime="2023-01-01/2023-12-31",
query={"id": {"starts_with": "MOD13Q1"}},
max_items=10,
)
for item in search.items():
print(f"تاریخ: {item.properties['datetime']}")
print(f"شناسه: {item.id}")
print("---")
خواندن NDVI
import rasterio
import numpy as np
import planetary_computer
items = list(search.items())
if items:
item = items[0]
# خواندن NDVI
ndvi_href = planetary_computer.sign(item.assets["250m_16_days_NDVI"].href)
with rasterio.open(ndvi_href) as src:
ndvi = src.read(1).astype(float) * 0.0001
print(f"NDVI میانگین: {np.mean(ndvi):.3f}")
print(f"NDVI حداکثر: {np.max(ndvi):.3f}")
# خواندن EVI
evi_href = planetary_computer.sign(item.assets["250m_16_days_EVI"].href)
with rasterio.open(evi_href) as src:
evi = src.read(1).astype(float) * 0.0001
print(f"EVI میانگین: {np.mean(evi):.3f}")