通过IDL,输入landsat遥感影像，自动计算降水与植被NDVI相关性及滞后性，可以计算1个月、2个月、3个月延迟效果，得出相关系数，如果输入气温数据，也可以计算气温与植被NDVI相关性及滞后性，其他指数也可以。

植被指数（NDVI, Normalized Difference Vegetation Index）可以准确反映地表植被覆盖状况。目前，基于SPOT/VEGETATION以及MODIS等卫星遥感影像得到的NDVI时序数据已经在各尺度区域的植被动态变化监测、土地利用/覆被变化检测、宏观植被覆盖分类和净初级生产力估算等研究中得到了广泛的应用。

NDVI全国分布专题图

GDAL是空间数据处理的开源包，支持多种数据格式的读写。遥感图像是一种带大地坐标的栅格数据，遥感图像的栅格模型包含以下两部分的内容： 栅格矩阵：由正方形或者矩形栅格点组成，每个栅格点所对应的数值为该点的像元值，在遥感图像中用于表示地物属性值；遥感图像有单波段与多波段，波段表示地物属性的种类，每个波段表示地物一种属性。 大地坐标：空间数据参考表示地图的投影信息；仿射矩阵能将行列坐标映射到面坐标上。 GDAL读写遥感数据的代码： from osgeo import gdal import os class GRID: #读图像文件 def read_img(self,filename):

MODIS 13Q1 250m 分辨率 NDVI，每月两期，可自行合成其它尺度，大小17点几g，仅供科研用途。

分享百度里的基于IDL语言编写NDVI计算程序源代码，大学里的测绘行业实习能用上

2020年中国Landsat 8 ndvi 指数最大值合成 250m分辨率

很短的几句代码，可是我却花了很长的时间才写出来，因为array那里的除法运算结果老是不对，正常在-1-1之间的。从别的资料摘来处理NDVI计算的array代码处，出现了很多问题，可能它用了什么优化计算的函数，但是结果不对，果断放弃了。 直接硬算，影像波段是整数，转成浮点型数字就行，然后再参与运算得出了正确的结果范围。 这个效率还是不行，用c++&&GDAL计算速率快得多了。 from osgeo import gdal_array as ga import gdal, ogr, os, osr import numpy as np b3=r'C:\Users\suns\Desktop\b4.

NDVI数据集是基于连续时间序列的SPOT/VEGETATION NDVI卫星遥感数据，采用最大值合成法生成的，时间跨度1998-2020年，格式为tif格式，已分别按年份对月数据进行打包压缩。该数据集有效反映了全国各地区在空间和时间尺度上的植被覆盖分布和变化状况。CSDN资源为txt，内含百度网盘下载链接。

ndvi代码matlab 冰川提取 论文中概述的冰川映射脚本：“使用多方法改进半自动冰川映射：在天山中的应用 该自述文件提供了Smith，Bookhagen和Cannon的“使用多方法改进半自动冰川映射：天山中的应用”中描述的冰川轮廓提取脚本和配置文件套件的文档。 Taylor Smith和Bodo Bookhagen开发的脚本（v0.3），2015年2月。 （1）配置文件（a）Extract.conf此文件包含在'Glacier_Outline_Extraction.py'脚本中使用的主要变量。 文件路径必须采用C：\ PATH \ PATH.tif格式或其他图像格式，或者指向文件夹/目录。 （i）SRTM或其他DEM文件作为栅格（ii）在每次迭代过程中用于计算坡度栅格的NULL，或指向栅格坡度的.tif文件（iii）栅格格式的River Centerlines（iv）碎片轮廓，如果包含手动碎片点，则为栅格格式。 （v）速度测量目录，以\ VelocityDirectory \ PATH_ROW_Normed.tif命名。 如果需要在第109行使用其他命名方案，则可以在python代