【数据分享】2000-2023年全国逐年归一化植被指数（NDVI）栅格数据（年平均值）
NDVI，全名为Normalized Difference Vegetation Index，中文名称为归一化植被指数。这个指数可以用来定性和定量评价植被覆盖及其生长活力，我们也可以简单地将它理解为体现植被密度和健康状况的一个指标。
之前我们给大家分享了来源于MOD13A3数据集的2000-2023年逐月的NDVI栅格数据（可查看之前的文章获悉详情）！很多小伙伴拿到逐月数据后还一直询问我们有没有逐年的NDVI数据。
我们基于上述逐月数据，采用求年平均值的方法得到了2000-2023年逐年的归一化植被指数（NDVI）栅格数据，分享给大家！数据分辨率为1km，数据格式为.tif栅格，数据坐标为WGS1984，数据范围为全国，NDVI数值在-0.2—1之间。对于求年平均值的方法我们再详细解释一下：基于每年12个月的逐月NDVI栅格数据，计算12个月NDVI数值的平均值，得到2000-2023年逐年的NDVI数据。
数据引用：
之前我们给大家分享了来源于MOD13A3数据集的2000-2023年逐月的NDVI栅格数据（可查看之前的文章获悉详情）！很多小伙伴拿到逐月数据后还一直询问我们有没有逐年的NDVI数据。
我们基于上述逐月数据，采用求年平均值的方法得到了2000-2023年逐年的归一化植被指数（NDVI）栅格数据，分享给大家！数据分辨率为1km，数据格式为.tif栅格，数据坐标为WGS1984，数据范围为全国，NDVI数值在-0.2—1之间。对于求年平均值的方法我们再详细解释一下：基于每年12个月的逐月NDVI栅格数据，计算12个月NDVI数值的平均值，得到2000-2023年逐年的NDVI数据。
01 数据预览
我们以2023年全国归一化植被指数数据为例来预览一下：02 数据详情
原始数据来源：
该逐年NDVI数据是基于逐月NDVI数据计算得来的。逐月NDVI数据来源于MOD13A3数据集，逐月NDVI数据集的下载网址为：https://www.earthdata.nasa.gov/
数据格式：
tif
数据处理：
基于逐月NDVI数据，我们利用求年平均值的方式，处理得到逐年NDVI数据。具体处理过程为：利用逐月NDVI数据，计算每年12个月NDVI数值的平均值，以此得到逐年的NDVI数值！
时间范围：
2000年2月-2023年12月（逐年）
地理坐标系：
GCS_WGS_1984
空间分辨率：
1km
空间范围：
全国
数值范围：
-0.2—1之间数据引用：
如有数据使用需求请严格按照官方平台的要求进行引用，更多数据详情可以查看官网获悉！
03 数据获取
全国各省、市、县人工智能企业数量（2000-2023年）
Paper数据分析 2023-12-19
2021-2000年上市公司企业数字化转型数据、上市公司数字化转型数据
一切都好668 2023-02-08
人工智能AI面试题-3.9 为何频繁进行数据归一化在机器学习中至关重要？
机器爱上学习 2023-10-14