1. MODIS MCD12Q1数据简介与应用场景MODIS MCD12Q1是全球土地覆盖类型数据产品中最常用的数据集之一由NASA定期发布更新。这套数据最大的特点就是提供了每年更新的全球土地覆盖分类信息分辨率达到500米对于大范围生态监测、气候变化研究来说简直是神器。我最早接触这个数据集是在做省级尺度生态系统服务评估项目时当时需要连续10年的土地覆盖变化数据MCD12Q1完美满足了需求。这套数据采用HDF-EOS格式存储每个文件包含多个科学数据集SDS。最常用的分类方案是LC_Type1它将全球土地覆盖分为17个类别包括常绿针叶林、落叶阔叶林、混交林、灌丛、草原、农田、城市建筑等。在实际应用中我们经常需要根据研究区域特点对这些分类进行合并重组比如把17类简化为6大类这就是后面要讲的重分类操作。2. 数据获取与批量下载技巧从NASA官网下载MODIS数据看似简单但批量下载多年数据时还是有些门道的。官方数据仓库提供了多种访问方式我最推荐的是通过LAADS DAAChttps://ladsweb.modaps.eosdis.nasa.gov/进行下载。这里分享几个实测有效的技巧时间范围选择在搜索界面可以指定日期范围比如需要2003-2019年数据就设置Start Date为2003-01-01End Date为2019-12-31。注意MCD12Q1是年数据每年只有一个文件。区域筛选通过绘制矩形或多边形可以只下载特定区域的数据大幅减少下载量。中国区域的瓦片编号主要是h23v04、h23v05、h24v04、h24v05、h25v04、h25v05、h26v04、h26v05等。批量下载工具推荐使用DownThemAll这类支持断点续传的下载管理器。我通常会在火狐浏览器安装这个插件然后把所有文件链接导出为文本用wget命令批量下载wget -i file_links.txt --user你的账号 --password你的密码3. 使用MRT工具进行数据预处理MRTMODIS Reprojection Tool是NASA提供的官方处理工具虽然界面看起来有点过时但在HDF转TIFF、重投影和瓦片拼接方面非常可靠。安装过程网上教程很多这里重点说说实际使用中的关键点3.1 参数配置要点投影设置中国区域通常使用Albers等面积投影参数设置为投影类型Albers Conical Equal Area第一标准纬线25°N第二标准纬线47°N中央经线105°E坐标原点0°N输出设置输出格式选GeoTIFF像元大小保持500米重采样方法选Nearest Neighbor分类数据不要用双线性或三次卷积波段选择只勾选LC_Type1波段其他如QC波段等根据需求选择。3.2 批量处理技巧手动一个个处理年份效率太低可以通过MRT的批处理功能实现自动化。具体步骤为每个年份创建一个参数文件.prm编写批处理脚本for year in {2003..2019} do mrtmosaic -i input_${year}.txt -o mosaic_${year}.hdf resample -p ${year}.prm done4. ENVI中的后处理操作MRT处理后的TIFF文件还需要进行一些优化才能用于分析。ENVI在这方面表现很出色背景值处理MODIS数据的背景值通常是255需要在ENVI中设置为NoData使用Basic Tools → Change Data Values工具将255替换为0或其他指定值几何校正使用Geometric Correction → Build GLT工具选择对应的地理定位文件.hdf格式校正方法选多项式阶数设为2批量处理ENVI的IDL批处理功能可以自动化这些操作pro process_modis foreach file, files do begin envi_open_file, file envi_doit, ChangeValues, fidfid, dnamedname, $ from_value255, to_value0 envi_doit, GeoCorrect, fidfid, dnamedname, $ methodPolynomial, order2 endforeach end5. ArcGIS中的批量裁剪与重分类5.1 创建批量裁剪模型ArcGIS的Model Builder可以很方便地创建批量处理工具新建模型添加迭代栅格数据工具连接按掩膜提取工具设置矢量边界为掩膜设置输出位置和命名规则如%Name%_clip.tif保存模型为工具箱(.tbx)对于代码党也可以用Python脚本实现import arcpy from arcpy.sa import * arcpy.env.workspace 输入文件夹 rasters arcpy.ListRasters() for raster in rasters: out_raster ExtractByMask(raster, 研究区边界.shp) out_raster.save(输出文件夹/ raster.replace(.tif, _clip.tif))5.2 重分类方案设计MCD12Q1的17类分类系统对很多应用来说过于详细。这是我常用的简化方案新类别原类别值土地类型11-5,8-9,16林地26-7,10草地313建设用地412,14农用地511,15水域617未利用地在ArcGIS中操作步骤右键点击图层 → 属性 → 符号系统 → 唯一值使用重分类工具按上述方案设置输出时选择使用缺失值选项处理NoData6. 常见问题与解决方案在实际处理过程中我遇到过不少坑这里分享几个典型问题的解决方法投影后数据偏移这是最常见的问题通常是因为MRT的投影参数设置错误。建议先用单幅影像测试确认投影正确后再批量处理。中国区域的中央经线一定要设为105°E。重分类失败ArcGIS的重分类工具有时会莫名其妙报错。我发现有两个解决方法一是确保输入栅格已经建立了属性表二是先把数据导出为GRID格式再进行重分类。批量处理内存不足处理多年数据时可以分时段处理比如每次处理5年数据。另外在ENVI和ArcGIS的设置中增加内存缓存大小也有帮助。分类结果出现杂斑这通常是由于原始数据质量问题。可以使用众数滤波工具Majority Filter进行后处理设置合适的邻域大小如3×3平滑结果。最后提醒一点整个处理流程会生成大量中间文件建议建立清晰的文件夹结构比如按处理步骤分为01_原始数据、02_投影转换、03_拼接裁剪等并在每个文件夹中放置readme文件说明处理参数。这样几个月后回头看还能清楚知道当时是怎么处理的。
MODIS MCD12Q1数据处理实战：从下载到重分类的完整工作流解析
1. MODIS MCD12Q1数据简介与应用场景MODIS MCD12Q1是全球土地覆盖类型数据产品中最常用的数据集之一由NASA定期发布更新。这套数据最大的特点就是提供了每年更新的全球土地覆盖分类信息分辨率达到500米对于大范围生态监测、气候变化研究来说简直是神器。我最早接触这个数据集是在做省级尺度生态系统服务评估项目时当时需要连续10年的土地覆盖变化数据MCD12Q1完美满足了需求。这套数据采用HDF-EOS格式存储每个文件包含多个科学数据集SDS。最常用的分类方案是LC_Type1它将全球土地覆盖分为17个类别包括常绿针叶林、落叶阔叶林、混交林、灌丛、草原、农田、城市建筑等。在实际应用中我们经常需要根据研究区域特点对这些分类进行合并重组比如把17类简化为6大类这就是后面要讲的重分类操作。2. 数据获取与批量下载技巧从NASA官网下载MODIS数据看似简单但批量下载多年数据时还是有些门道的。官方数据仓库提供了多种访问方式我最推荐的是通过LAADS DAAChttps://ladsweb.modaps.eosdis.nasa.gov/进行下载。这里分享几个实测有效的技巧时间范围选择在搜索界面可以指定日期范围比如需要2003-2019年数据就设置Start Date为2003-01-01End Date为2019-12-31。注意MCD12Q1是年数据每年只有一个文件。区域筛选通过绘制矩形或多边形可以只下载特定区域的数据大幅减少下载量。中国区域的瓦片编号主要是h23v04、h23v05、h24v04、h24v05、h25v04、h25v05、h26v04、h26v05等。批量下载工具推荐使用DownThemAll这类支持断点续传的下载管理器。我通常会在火狐浏览器安装这个插件然后把所有文件链接导出为文本用wget命令批量下载wget -i file_links.txt --user你的账号 --password你的密码3. 使用MRT工具进行数据预处理MRTMODIS Reprojection Tool是NASA提供的官方处理工具虽然界面看起来有点过时但在HDF转TIFF、重投影和瓦片拼接方面非常可靠。安装过程网上教程很多这里重点说说实际使用中的关键点3.1 参数配置要点投影设置中国区域通常使用Albers等面积投影参数设置为投影类型Albers Conical Equal Area第一标准纬线25°N第二标准纬线47°N中央经线105°E坐标原点0°N输出设置输出格式选GeoTIFF像元大小保持500米重采样方法选Nearest Neighbor分类数据不要用双线性或三次卷积波段选择只勾选LC_Type1波段其他如QC波段等根据需求选择。3.2 批量处理技巧手动一个个处理年份效率太低可以通过MRT的批处理功能实现自动化。具体步骤为每个年份创建一个参数文件.prm编写批处理脚本for year in {2003..2019} do mrtmosaic -i input_${year}.txt -o mosaic_${year}.hdf resample -p ${year}.prm done4. ENVI中的后处理操作MRT处理后的TIFF文件还需要进行一些优化才能用于分析。ENVI在这方面表现很出色背景值处理MODIS数据的背景值通常是255需要在ENVI中设置为NoData使用Basic Tools → Change Data Values工具将255替换为0或其他指定值几何校正使用Geometric Correction → Build GLT工具选择对应的地理定位文件.hdf格式校正方法选多项式阶数设为2批量处理ENVI的IDL批处理功能可以自动化这些操作pro process_modis foreach file, files do begin envi_open_file, file envi_doit, ChangeValues, fidfid, dnamedname, $ from_value255, to_value0 envi_doit, GeoCorrect, fidfid, dnamedname, $ methodPolynomial, order2 endforeach end5. ArcGIS中的批量裁剪与重分类5.1 创建批量裁剪模型ArcGIS的Model Builder可以很方便地创建批量处理工具新建模型添加迭代栅格数据工具连接按掩膜提取工具设置矢量边界为掩膜设置输出位置和命名规则如%Name%_clip.tif保存模型为工具箱(.tbx)对于代码党也可以用Python脚本实现import arcpy from arcpy.sa import * arcpy.env.workspace 输入文件夹 rasters arcpy.ListRasters() for raster in rasters: out_raster ExtractByMask(raster, 研究区边界.shp) out_raster.save(输出文件夹/ raster.replace(.tif, _clip.tif))5.2 重分类方案设计MCD12Q1的17类分类系统对很多应用来说过于详细。这是我常用的简化方案新类别原类别值土地类型11-5,8-9,16林地26-7,10草地313建设用地412,14农用地511,15水域617未利用地在ArcGIS中操作步骤右键点击图层 → 属性 → 符号系统 → 唯一值使用重分类工具按上述方案设置输出时选择使用缺失值选项处理NoData6. 常见问题与解决方案在实际处理过程中我遇到过不少坑这里分享几个典型问题的解决方法投影后数据偏移这是最常见的问题通常是因为MRT的投影参数设置错误。建议先用单幅影像测试确认投影正确后再批量处理。中国区域的中央经线一定要设为105°E。重分类失败ArcGIS的重分类工具有时会莫名其妙报错。我发现有两个解决方法一是确保输入栅格已经建立了属性表二是先把数据导出为GRID格式再进行重分类。批量处理内存不足处理多年数据时可以分时段处理比如每次处理5年数据。另外在ENVI和ArcGIS的设置中增加内存缓存大小也有帮助。分类结果出现杂斑这通常是由于原始数据质量问题。可以使用众数滤波工具Majority Filter进行后处理设置合适的邻域大小如3×3平滑结果。最后提醒一点整个处理流程会生成大量中间文件建议建立清晰的文件夹结构比如按处理步骤分为01_原始数据、02_投影转换、03_拼接裁剪等并在每个文件夹中放置readme文件说明处理参数。这样几个月后回头看还能清楚知道当时是怎么处理的。
