内容概要：本文档介绍了使用机器学习方法对ERA5地表温度数据进行降尺度处理的过程。首先选取了2010年至2020年间分辨率为10公里的ERA5地表温度数据和MODIS陆地表面温度作为预测因子。通过时间匹配将两个数据集连接起来，并构建了一个线性回归模型来确定两者之间的关系。计算了模型的性能指标如均方根误差（RMSE）和决定系数（R²）。接着利用所得到的回归参数对1970年的ERA5数据进行了降尺度预测，并引入了校正项以提高预测精度。 适合人群：气象学、地理信息系统以及环境科学领域的研究人员和技术人员，特别是那些对地表温度降尺度研究感兴趣的学者。 使用场景及目标：①学习如何利用Google Earth Engine平台处理和分析大规模时空数据；②掌握基于统计模型的地表温度降尺度技术；③评估不同时间段内模型的表现并应用到历史数据中进行预测。 其他说明：本案例展示了从数据准备、模型建立到结果验证的一系列步骤，为相关领域的研究提供了参考。同时强调了跨平台数据融合的重要性，以及通过适当的方法可以有效地提升低分辨率数据的空间表达能力。

利用2009年1-12月兰州地区的 MODIS气溶胶光学厚度产品与全球自动观测网（AERONET）SACOL站（104.08°E，35.57°N）数据进行对比分析，相关系数达到0.82，线性拟合的斜率为1.13，截距为0.07，表明 MODIS AOD能反映兰州地区气溶胶分布的信息.利用MODIS AOD产品与兰州市空气污染指数做相关分析，二者的相关程度较低.在进行湿度影响因子、气溶胶标高订正后，二者相关性有了较为显著的提高，说明 MODIS AOD产品可应用于监测兰州地区大气污染情况.

MOD17 User’s Guide Running, S.W., and M. Zhao (2015), User's guide: Daily GPP and Annual NPP (MOD17A2/A3) Products NASA Earth Observing System MODIS Land Algorithm, version 3.0, Univ. of Mont., Missoula, Mont.

MODIS MRT软件使用手册 适合初学者参考学习

本文对MODIS数据进行了处理和分析，探讨了利用MODIS数据提取渤海海冰信息的方法，得到三个不同时相的海冰分布情况。研究结果表明，利用MODIS提取的海冰纹理很清楚，可以很好的刻画出海冰的外缘线及冰块之间的缝隙。因此，利用MODIS准确监测海冰的分布及其面积变化是十分可行的。

关于modis数据处理的说明，遥感图像处理方面的材料，是学习遥感图像处理的好材料。

用 MODIS 地表反射率产品和 ProSAIL 模型反演叶面积指数。 （1）做本实验的代码在 codes/ 文件夹中。除了我们常用的 numpy、pandas和geopandas、gdal库之外，还用了tqdm显示进度条、用scikit-opt现成的遗传算法做优化、为使代码规范用了overrides库明确标明我要覆写某个方法，这些库都可以 pip 装上。 （2）主程序为main.py (3) 代码都有注释

数据经下载、拼接、去除异常值，最终得到中国范围逐年实际蒸散发（ET）数据，数据为

分析流域归一化植被指数INDV随时间变化的规律，提出了植被生长量评价方法，并基于植被生长量、植被生长状态和年际植被变化趋势等方法分别对2000、2002、2004、2007年流域不同时空分布的植被进行了评价，得出以下结论：1）上游、下游及分布在中游水源边的植被生长量较大，而且植被生长量较低的黄土高原经历先增加然后减少的变化趋势；2）生长状态较差的地区主要集中在兰州、宁夏、内蒙地区，但是2000年后这些区域的植被生长状态趋向好转；3）黄土高原地区在2000、2002、2004、2007年之间有转好的趋势，而

本研究的目的是利用MODIS数据调查苏丹在2001-2013年期间的土地覆盖变化，并确定影响土地覆盖的气候因素。 使用SPSS v 17软件调查气候因子与植被覆盖的相关性。 还使用ArcGIS v 10.2软件分析NDVI数据。 结果表明，在其他月份植被减少的两侧，7月至10月的年平均月尺度，NDVI值曲线分布为中心。 在苏丹平均NDVI的空间分布中，在南部地区发现了很高的价值。 另一方面，北部地区植被覆盖率较低。 NDVI空间意味着呈现特征值：秋季，然后是夏季，然后是冬季。 通过计算年平均NDVI值和季节NDVI值，可以推断出冬季和夏季主要植被覆盖类型以0.014 / 10a和0.008 / 10a的速率增加。 冬季，NDVI在秋季和年尺度分别降低0.001 / 10a和0.026 / 10a的速率。 年度NDVI显示，由于中部和东部地区的退化，该地区的中部和东部地区显着退化（面积= 12705.7 km2，占总面积的0.5％），而南部地区则显着改善（面积= 22485.4 km2，占总面积的0.9％）。降水增加，温度降低。 夏季和秋季的平均NDVI与夏季和秋季的平均降水量的显着性水