GIMMS数据集包含1981到2013的全球分辨率8km的数据集
代码如下(示例):
var roi= ee.FeatureCollection("users/czx2019/huanan");//研究区var scol= ee.ImageCollection("NASA/GIMMS/3GV0");//数据集选择for(var i = 1986;i<=1999;i++){var data_collection = scol.filterBounds(roi).filterDate(i+'-01-01',i+'-12-28');var ndvi_before = data_collection.qualityMosaic('ndvi').clip(roi);print(ndvi_before);Map.addLayer(ndvi_before, {}, 'scolNDVI');Drive({ image: ndvi_before.select('ndvi'), description: "ndvi"+i, fileNamePrefix:"ndvi"+i , //文件命名folder: "GIMMS_NDVI", //保存的云盘文件夹scale: 250, //分辨率region: roi, //研究区maxPixels: 1e13, //最大像元素,默认就好//crs: "EPSG:4326" //设置投影});
}
提示:这里对文章进行总结:
例如:以上就是今天要讲的内容,本文仅仅简单介绍了GIMMS的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
本文发布于:2024-02-04 09:01:37,感谢您对本站的认可!
本文链接:https://www.4u4v.net/it/170703628354184.html
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。
留言与评论(共有 0 条评论) |