简介2005—2021年中国西北地区新疆、青海、甘肃、内蒙古、宁夏1000米分辨率NPP年度栅格数据集源自MODIS MOD17A3HGF.006产品原始数据经重采样至1000m并统一为WGS84坐标同时完成无效值与异常值清洗可直接作为生态遥感、植被碳循环及气候变化研究的连续时序底图。资源包共79个文件包含19个逐年tif栅格、19个tfw坐标配准文件、38个xml元数据及3个ovr金字塔文件整体约150MB既可按年单独调用也可整体导入GIS或GEE批量分析。单位采用g*C/m^2时间分辨率为年附带的多年均值栅格可快速支持空间制图、趋势分析及区域统计。目前已有848人学习适合需要西北五省区长时序NPP数据的遥感、地理信息系统及生态学研究者可直接用于论文写作、课程设计或科研生产应用。 前阵子接手一批西北地区植被净初级生产力NPP数据文件名就是一个典型的GeoAI式标题西北地区_NPP_MOD17A3HGF_1000m_2005-2021.tif。这类数据在生态遥感、碳循环研究和土地利用变化分析里几乎是标配但很多人拿到手后第一反应是这玩意儿到底怎么打开、怎么才能落成一张能写进论文的图这篇文章就从这份tif文件出发把我从数据解析、预处理、实际操作到问题排查的完整过程写清楚重点聊聊ArcMap里怎么导出栅格边界、CASS加载tif之后的数据处理套路、以及tif文件太大时如何压缩希望能给刚接触MOD17系列产品的人省点时间。1. 数据初识先把这份NPP数据的前世今生搞清楚1.1 文件名拆解每个字段都不是随便写的按“项目”的约定俗成这种长文件名里几乎每个字段都有明确含义。“西北地区”是空间范围一般指陕、甘、宁、青、新有时也把内蒙古西部算进来具体边界看你拿到的shp掩膜“NPP”是Net Primary Productivity即植被净初级生产力指植物光合作用固定的有机碳扣除自身呼吸消耗后剩下的部分“MOD17A3HGF”是MODIS数据产品家族里的年度NPP产品编号1000m是像元大小2005-2021是时间跨度。这里多说一句MOD17A3HGF。它是NASA LP DAAC发布的Terra卫星MODIS产品HGF是Gap-Filled的缩写表示产品已经对云遮挡、传感器故障导致的缺失像元做了插补不需要用户额外做时间序列滤波。原始产品存在不同分辨率的版本这份tif标的是1000m实际使用中大概率是统一重采样到1km的结果。好处很直接像元尺寸一致区域尺度分析时不用再担心多源数据分辨率打架。1.2 算法角度这个NPP数据是怎么算出来的MOD17系列的光能利用率模型是生态遥感里绕不开的经典算法核心思想很朴素植被能固定的碳取决于吸收了多少光合有效辐射、以及把这些辐射转化为干物质的效率。简化公式是NPP GPP - Ra其中GPP由光合有效辐射PAR、植被吸收比例FPAR和光能利用率ε三个因子相乘得到。MODIS产品里FPAR直接取自MOD15A2H叶面积指数产品ε则按植被功能型查表同时用最低温和水汽压差做环境胁迫折减。这个方案的优点是全球算法统一、可回溯缺点也明显对森林的NPP普遍低估对草地、灌丛的模拟依赖土地覆盖分类精度分类错了NPP就跟着错。所以我处理这种数据时有个习惯先下载同期MOD12Q1土地覆盖产品确认研究区主要植被类型再看NPP数值是否合理避免拿一个明显偏高的均值去忽悠审稿人。1.3 值域和单位为什么刚打开栅格时数值看着不对劲MOD17A3HGF原始产品存储为整型像元值范围一般在0到30000之间缩放系数是0.0001真实单位是kg C/m²/yr。也就是说栅格里的10000换算后就是1 kg C/m²/yr。很多教程里展示的NPP单位是g C/m²/yr这就要再乘1000。西北干旱区大部分荒漠像元NPP接近0草原一般在100-300 g C/m²/yr农田灌溉区能到500以上山地森林甚至能超过900。拿到数据先看一眼直方图如果统计值异常巨大或者全是极值八成是单位换算或有效值提取没做好。2. 预处理拿到tif后别急着分析先做这四件事2.1 有效值提取与填充值处理这一步最容易被忽略但经常是后面所有奇怪问题的根源。原始MOD17A3HGF会给无法反演的像元打上填充值常见的是65535也可能有其他缺失标记。这些像元如果不清除后续做趋势分析时会直接污染结果比如荒漠边缘某个填充值像元被当成NPP65535统计均值瞬间爆炸。处理方法我习惯用重分类Reclassify或栅格计算器把填充值统一设成NoData。在ArcMap里可以这样操作打开Spatial Analyst工具选“重分类”把0到30000范围内的值保留其他改为NoData。如果用Pythonrasterio里一句src.nodata设置好就行。注意处理完一定要重新检查最小值和最大值确保没有漏网的异常像元。2.2 单位换算别拿着整型值直接写进论文前面说了原始像元值要先乘0.0001才是kg C/m²/yr。不过很多下载平台比如AppEEARS或某些共享数据网站导出的tif已经帮你做过缩放转成了浮点型。怎么判断在ArcMap里右键图层打开属性查看像元类型和统计值。如果出现小数大概率已经换算过如果全是整数就需要手动算一遍。浮点型数据虽然精度高但文件体积也大后续存储和计算时要有心理准备。2.3 投影与裁剪边界对齐的细节决定分析准确性MODIS原始产品的投影是正弦投影Sinusoidal这种投影用于全球制图尚可但在中国区域做面积统计和叠加分析时会引入形变误差。我拿到数据的第一件事就是重投影国内常用WGS84地理坐标或者Albers等积投影。Albers投影中央经线一般设105°E双标准纬线设25°N和47°N这样西北地区面积量算误差能压到很小。这里有个教训我第一次处理西北NPP时序数据时直接用WGS84坐标叠加行政区shp做裁剪面积统计差出去十几个百分点。后来统一转成Albers再裁数值才正常。所以做面积相关分析前先把所有数据的投影对齐这一步省不得。2.4 数据压缩与存储优化tif文件太大时的常规解法整幅西北地区2005-2021年的NPP数据如果存成未压缩的GeoTIFF动辄几个GB打开和渲染都会卡到怀疑人生。热搜词里有人问“gis tif文件太大怎么办”其实解决办法很成熟用Copy Raster工具重新写入压缩类型选LZW或DEFLATE。设置像元类型为整数或匹配实际值域避免用高精度浮点。构建金字塔Build Pyramids重采样方式选双线性或最邻近。环境变量里把Tile Size设为128×128或256×256。处理完之后文件体积常常能缩小一个数量级ArcMap里缩放也流畅很多。唯一要注意的是压缩后不要频繁做像元级编辑器操作否则性能会打折扣。3. 实操流程从栅格到能出图、能转CAD的完整路线3.1 ArcMap中把tif数据边界导出的完整流程很多人问“arcmap将tif数据边界导出”怎么操作其实核心思路是把栅格有效区域转成矢量多边形。具体步骤加载tif先确保NoData设置正确。用“重分类”把有效值统一赋为1NoData保持NoData这一步是为了避免栅格转面时生成碎片。打开ArcToolbox找到“转换工具-从栅格-栅格转面”Raster to Polygon。勾选“简化面”Simplify polygons字段值选VALUE。导出的面图层右键-数据-导出要素存成shp或CAD格式。如果不先重分类而是直接拿原始值转面每个值区间都会生成一个面西北地区这种地貌复杂的区域会出来几十万个碎面后续处理直接崩溃。栅格转面时最好把环境设置里的“像元大小”调整为与输入栅格一致避免莫名其妙的重采样。如果只是要一个“有数据的范围”而不是分类边界也可以先做“按属性提取”把有效值提取成新栅格后再转面步骤差不多但结果更干净。3.2 CASS加载tif后怎么做数据处理CASS是测绘和地形图绘制里的常用软件很多人拿到带地理参考的栅格tif后想在CASS里描等高线或采集地物。CASS本质上是CAD平台加载tif的思路和CAD里插入光栅图像一致。操作流程是菜单“工具”-“光栅图像”-“插入图像”选择tif文件。如果tif带有tfw世界文件理论上位置能对上但CASS低版本对地理坐标支持有限经常出现图像位置飞了的情况。遇到这种情况建议先在ArcMap里把tif投影转换成当前图形坐标系比如国家2000高斯投影再导出一份带tfw的tif重新在CASS里插入。如果实在不要求严格坐标配准就用手动纠偏CASS“编辑”-“图像纠正”选两个以上控制点把图像扭到目标位置。真正进入数据处理阶段插进去的tif只是底图数字化时最好新建独立图层CASS里打开“图层管理”建一个“底图”层放光栅再建“地形要素”层做描图。描图时可以用CASS自带的简码识别功能快速画房屋、道路、水系等要素。注意光栅图像颜色太深会影响作图选中图像后按Ctrl1打开属性把“淡入度”调高一些或者调对比度描图会轻松很多。3.3 时间序列数据的批量处理思路这份数据是2005-2021年如果一张tif里只存了一年那就有17张单波段tif如果合成了一张多波段tif那更好办波段顺序跟年份对应即可。做年际趋势分析最常用的方案是逐像元计算Theil-Sen中位数斜率再用Mann-Kendall检验显著性。这套组合在生态遥感论文里出镜率极高ArcGIS Pro的“时空模式挖掘”工具箱里有现成模块但Python脚本更灵活import rasterio import numpy as np # 假设已经有17个单波段tif文件列表files_2005.tif, files_2006.tif, ... files [fnpp_{y}.tif for y in range(2005, 2022)] stack [] for f in files: with rasterio.open(f) as src: stack.append(src.read(1)) stack np.array(stack, dtypenp.float32) # 有效值掩膜 valid stack 0 npp_mean np.where(valid, stack.mean(axis0), np.nan) # 后续可自行实现Sen斜率分析这段代码简单做了逐年堆叠和多年均值计算实际用的时候可以进一步计算年际变异系数、趋势显著性等。不过要注意当像元值本身接近0时多年均值可能因为个别年份异常而失真建议先做质量控制和异常值剔除。4. 常见问题与排查技巧实录4.1 图层一片黑或一片白刚加载tif时ArcMap经常显示黑乎乎一片或者白得刺眼。这多半是因为符号系统没有正确设置。解决办法图层属性-符号系统-拉伸把拉伸类型从“百分比截断”改成“最小值-最大值”或自定义范围。如果数据里NoData很多拉伸时会按全幅统计容易出现极端对比度建议先做有效值提取再显示。4.2 值域异常为什么最小值不是0辛苦加载完数据统计一番发现最小值是-9999或者65535说明填充值没有被识别为NoData。需要在栅格属性里手动设定NoData值或者在rasterio里指定nodata参数。还有一种情况是某些平台导出的tif把填充值写成了0这时候要把0设成NoData不然NPP统计值会被大量0像元拉低。4.3 裁剪出来的区域是空的用shp去裁剪栅格结果输出全黑或没有数据常见原因有三个一是shp和tif的投影不一致空间没有实际交集二是掩膜范围没有覆盖有效值区域三是NoData阈值设置不对导致有效像元也被过滤了。处理方式是先确保两者投影一致再检查shp边界范围和tif的像元范围最后确认裁剪工具的“Extent”环境变量没被锁定到某个小矩形。4.4 常用问题速查表异常现象常见原因解决思路文件太大软件卡顿未压缩存储、无金字塔Copy Raster压缩LZW、构建金字塔栅格转面出现大量碎面未先重分类、未勾简化面先重分类再转面并勾选SimplifyCASS里图像位置偏差大坐标系不匹配、缺tfw转成当前图纸坐标系并附带tfw再插入NPP数值偏小或偏大单位换算错误、填充值未清除检查缩放因子统一有效值范围时间序列分析结果太乱未做异常值剔除做质量控制标记极端年份实际操作中的一点体会这批数据我从下载到出图折腾了大约三天最大的坑反而不是算法而是那些看着不起眼的元数据设置。单位、投影、NoData任何一个地方出了一点偏差后面的趋势分析都会做出完全不同的结果。MOD17A3HGF这类产品在国内已经用得相当成熟资料也好找但每个人拿到的tif版本和预处理流程可能都不一样建议拿到数据后先把基本属性摸清楚再动手分析。最后再分享一个技巧如果你打算长期用这套NPP时间序列做研究处理完成的中间结果最好单独存一份原始格式备份压缩后的tif虽然省空间但某些工具对压缩格式支持不好到时候还得回头重导。数据管理这件事前期越省事后期越费事。本文还有配套的精品资源点击获取
NPP栅格数据如何打开、预处理与出图？ArcMap与CASS实操全流程解析
简介2005—2021年中国西北地区新疆、青海、甘肃、内蒙古、宁夏1000米分辨率NPP年度栅格数据集源自MODIS MOD17A3HGF.006产品原始数据经重采样至1000m并统一为WGS84坐标同时完成无效值与异常值清洗可直接作为生态遥感、植被碳循环及气候变化研究的连续时序底图。资源包共79个文件包含19个逐年tif栅格、19个tfw坐标配准文件、38个xml元数据及3个ovr金字塔文件整体约150MB既可按年单独调用也可整体导入GIS或GEE批量分析。单位采用g*C/m^2时间分辨率为年附带的多年均值栅格可快速支持空间制图、趋势分析及区域统计。目前已有848人学习适合需要西北五省区长时序NPP数据的遥感、地理信息系统及生态学研究者可直接用于论文写作、课程设计或科研生产应用。 前阵子接手一批西北地区植被净初级生产力NPP数据文件名就是一个典型的GeoAI式标题西北地区_NPP_MOD17A3HGF_1000m_2005-2021.tif。这类数据在生态遥感、碳循环研究和土地利用变化分析里几乎是标配但很多人拿到手后第一反应是这玩意儿到底怎么打开、怎么才能落成一张能写进论文的图这篇文章就从这份tif文件出发把我从数据解析、预处理、实际操作到问题排查的完整过程写清楚重点聊聊ArcMap里怎么导出栅格边界、CASS加载tif之后的数据处理套路、以及tif文件太大时如何压缩希望能给刚接触MOD17系列产品的人省点时间。1. 数据初识先把这份NPP数据的前世今生搞清楚1.1 文件名拆解每个字段都不是随便写的按“项目”的约定俗成这种长文件名里几乎每个字段都有明确含义。“西北地区”是空间范围一般指陕、甘、宁、青、新有时也把内蒙古西部算进来具体边界看你拿到的shp掩膜“NPP”是Net Primary Productivity即植被净初级生产力指植物光合作用固定的有机碳扣除自身呼吸消耗后剩下的部分“MOD17A3HGF”是MODIS数据产品家族里的年度NPP产品编号1000m是像元大小2005-2021是时间跨度。这里多说一句MOD17A3HGF。它是NASA LP DAAC发布的Terra卫星MODIS产品HGF是Gap-Filled的缩写表示产品已经对云遮挡、传感器故障导致的缺失像元做了插补不需要用户额外做时间序列滤波。原始产品存在不同分辨率的版本这份tif标的是1000m实际使用中大概率是统一重采样到1km的结果。好处很直接像元尺寸一致区域尺度分析时不用再担心多源数据分辨率打架。1.2 算法角度这个NPP数据是怎么算出来的MOD17系列的光能利用率模型是生态遥感里绕不开的经典算法核心思想很朴素植被能固定的碳取决于吸收了多少光合有效辐射、以及把这些辐射转化为干物质的效率。简化公式是NPP GPP - Ra其中GPP由光合有效辐射PAR、植被吸收比例FPAR和光能利用率ε三个因子相乘得到。MODIS产品里FPAR直接取自MOD15A2H叶面积指数产品ε则按植被功能型查表同时用最低温和水汽压差做环境胁迫折减。这个方案的优点是全球算法统一、可回溯缺点也明显对森林的NPP普遍低估对草地、灌丛的模拟依赖土地覆盖分类精度分类错了NPP就跟着错。所以我处理这种数据时有个习惯先下载同期MOD12Q1土地覆盖产品确认研究区主要植被类型再看NPP数值是否合理避免拿一个明显偏高的均值去忽悠审稿人。1.3 值域和单位为什么刚打开栅格时数值看着不对劲MOD17A3HGF原始产品存储为整型像元值范围一般在0到30000之间缩放系数是0.0001真实单位是kg C/m²/yr。也就是说栅格里的10000换算后就是1 kg C/m²/yr。很多教程里展示的NPP单位是g C/m²/yr这就要再乘1000。西北干旱区大部分荒漠像元NPP接近0草原一般在100-300 g C/m²/yr农田灌溉区能到500以上山地森林甚至能超过900。拿到数据先看一眼直方图如果统计值异常巨大或者全是极值八成是单位换算或有效值提取没做好。2. 预处理拿到tif后别急着分析先做这四件事2.1 有效值提取与填充值处理这一步最容易被忽略但经常是后面所有奇怪问题的根源。原始MOD17A3HGF会给无法反演的像元打上填充值常见的是65535也可能有其他缺失标记。这些像元如果不清除后续做趋势分析时会直接污染结果比如荒漠边缘某个填充值像元被当成NPP65535统计均值瞬间爆炸。处理方法我习惯用重分类Reclassify或栅格计算器把填充值统一设成NoData。在ArcMap里可以这样操作打开Spatial Analyst工具选“重分类”把0到30000范围内的值保留其他改为NoData。如果用Pythonrasterio里一句src.nodata设置好就行。注意处理完一定要重新检查最小值和最大值确保没有漏网的异常像元。2.2 单位换算别拿着整型值直接写进论文前面说了原始像元值要先乘0.0001才是kg C/m²/yr。不过很多下载平台比如AppEEARS或某些共享数据网站导出的tif已经帮你做过缩放转成了浮点型。怎么判断在ArcMap里右键图层打开属性查看像元类型和统计值。如果出现小数大概率已经换算过如果全是整数就需要手动算一遍。浮点型数据虽然精度高但文件体积也大后续存储和计算时要有心理准备。2.3 投影与裁剪边界对齐的细节决定分析准确性MODIS原始产品的投影是正弦投影Sinusoidal这种投影用于全球制图尚可但在中国区域做面积统计和叠加分析时会引入形变误差。我拿到数据的第一件事就是重投影国内常用WGS84地理坐标或者Albers等积投影。Albers投影中央经线一般设105°E双标准纬线设25°N和47°N这样西北地区面积量算误差能压到很小。这里有个教训我第一次处理西北NPP时序数据时直接用WGS84坐标叠加行政区shp做裁剪面积统计差出去十几个百分点。后来统一转成Albers再裁数值才正常。所以做面积相关分析前先把所有数据的投影对齐这一步省不得。2.4 数据压缩与存储优化tif文件太大时的常规解法整幅西北地区2005-2021年的NPP数据如果存成未压缩的GeoTIFF动辄几个GB打开和渲染都会卡到怀疑人生。热搜词里有人问“gis tif文件太大怎么办”其实解决办法很成熟用Copy Raster工具重新写入压缩类型选LZW或DEFLATE。设置像元类型为整数或匹配实际值域避免用高精度浮点。构建金字塔Build Pyramids重采样方式选双线性或最邻近。环境变量里把Tile Size设为128×128或256×256。处理完之后文件体积常常能缩小一个数量级ArcMap里缩放也流畅很多。唯一要注意的是压缩后不要频繁做像元级编辑器操作否则性能会打折扣。3. 实操流程从栅格到能出图、能转CAD的完整路线3.1 ArcMap中把tif数据边界导出的完整流程很多人问“arcmap将tif数据边界导出”怎么操作其实核心思路是把栅格有效区域转成矢量多边形。具体步骤加载tif先确保NoData设置正确。用“重分类”把有效值统一赋为1NoData保持NoData这一步是为了避免栅格转面时生成碎片。打开ArcToolbox找到“转换工具-从栅格-栅格转面”Raster to Polygon。勾选“简化面”Simplify polygons字段值选VALUE。导出的面图层右键-数据-导出要素存成shp或CAD格式。如果不先重分类而是直接拿原始值转面每个值区间都会生成一个面西北地区这种地貌复杂的区域会出来几十万个碎面后续处理直接崩溃。栅格转面时最好把环境设置里的“像元大小”调整为与输入栅格一致避免莫名其妙的重采样。如果只是要一个“有数据的范围”而不是分类边界也可以先做“按属性提取”把有效值提取成新栅格后再转面步骤差不多但结果更干净。3.2 CASS加载tif后怎么做数据处理CASS是测绘和地形图绘制里的常用软件很多人拿到带地理参考的栅格tif后想在CASS里描等高线或采集地物。CASS本质上是CAD平台加载tif的思路和CAD里插入光栅图像一致。操作流程是菜单“工具”-“光栅图像”-“插入图像”选择tif文件。如果tif带有tfw世界文件理论上位置能对上但CASS低版本对地理坐标支持有限经常出现图像位置飞了的情况。遇到这种情况建议先在ArcMap里把tif投影转换成当前图形坐标系比如国家2000高斯投影再导出一份带tfw的tif重新在CASS里插入。如果实在不要求严格坐标配准就用手动纠偏CASS“编辑”-“图像纠正”选两个以上控制点把图像扭到目标位置。真正进入数据处理阶段插进去的tif只是底图数字化时最好新建独立图层CASS里打开“图层管理”建一个“底图”层放光栅再建“地形要素”层做描图。描图时可以用CASS自带的简码识别功能快速画房屋、道路、水系等要素。注意光栅图像颜色太深会影响作图选中图像后按Ctrl1打开属性把“淡入度”调高一些或者调对比度描图会轻松很多。3.3 时间序列数据的批量处理思路这份数据是2005-2021年如果一张tif里只存了一年那就有17张单波段tif如果合成了一张多波段tif那更好办波段顺序跟年份对应即可。做年际趋势分析最常用的方案是逐像元计算Theil-Sen中位数斜率再用Mann-Kendall检验显著性。这套组合在生态遥感论文里出镜率极高ArcGIS Pro的“时空模式挖掘”工具箱里有现成模块但Python脚本更灵活import rasterio import numpy as np # 假设已经有17个单波段tif文件列表files_2005.tif, files_2006.tif, ... files [fnpp_{y}.tif for y in range(2005, 2022)] stack [] for f in files: with rasterio.open(f) as src: stack.append(src.read(1)) stack np.array(stack, dtypenp.float32) # 有效值掩膜 valid stack 0 npp_mean np.where(valid, stack.mean(axis0), np.nan) # 后续可自行实现Sen斜率分析这段代码简单做了逐年堆叠和多年均值计算实际用的时候可以进一步计算年际变异系数、趋势显著性等。不过要注意当像元值本身接近0时多年均值可能因为个别年份异常而失真建议先做质量控制和异常值剔除。4. 常见问题与排查技巧实录4.1 图层一片黑或一片白刚加载tif时ArcMap经常显示黑乎乎一片或者白得刺眼。这多半是因为符号系统没有正确设置。解决办法图层属性-符号系统-拉伸把拉伸类型从“百分比截断”改成“最小值-最大值”或自定义范围。如果数据里NoData很多拉伸时会按全幅统计容易出现极端对比度建议先做有效值提取再显示。4.2 值域异常为什么最小值不是0辛苦加载完数据统计一番发现最小值是-9999或者65535说明填充值没有被识别为NoData。需要在栅格属性里手动设定NoData值或者在rasterio里指定nodata参数。还有一种情况是某些平台导出的tif把填充值写成了0这时候要把0设成NoData不然NPP统计值会被大量0像元拉低。4.3 裁剪出来的区域是空的用shp去裁剪栅格结果输出全黑或没有数据常见原因有三个一是shp和tif的投影不一致空间没有实际交集二是掩膜范围没有覆盖有效值区域三是NoData阈值设置不对导致有效像元也被过滤了。处理方式是先确保两者投影一致再检查shp边界范围和tif的像元范围最后确认裁剪工具的“Extent”环境变量没被锁定到某个小矩形。4.4 常用问题速查表异常现象常见原因解决思路文件太大软件卡顿未压缩存储、无金字塔Copy Raster压缩LZW、构建金字塔栅格转面出现大量碎面未先重分类、未勾简化面先重分类再转面并勾选SimplifyCASS里图像位置偏差大坐标系不匹配、缺tfw转成当前图纸坐标系并附带tfw再插入NPP数值偏小或偏大单位换算错误、填充值未清除检查缩放因子统一有效值范围时间序列分析结果太乱未做异常值剔除做质量控制标记极端年份实际操作中的一点体会这批数据我从下载到出图折腾了大约三天最大的坑反而不是算法而是那些看着不起眼的元数据设置。单位、投影、NoData任何一个地方出了一点偏差后面的趋势分析都会做出完全不同的结果。MOD17A3HGF这类产品在国内已经用得相当成熟资料也好找但每个人拿到的tif版本和预处理流程可能都不一样建议拿到数据后先把基本属性摸清楚再动手分析。最后再分享一个技巧如果你打算长期用这套NPP时间序列做研究处理完成的中间结果最好单独存一份原始格式备份压缩后的tif虽然省空间但某些工具对压缩格式支持不好到时候还得回头重导。数据管理这件事前期越省事后期越费事。本文还有配套的精品资源点击获取