MOD12Q1三级数据土地覆盖类型产品（Land Cover data）是根据一年的Terra和Aqua
观测所得的数据经过处理，描述土地覆盖的类型。该土地覆盖数据集中包含了17个主要土
地覆盖类型，根据国际地圈生物圈计划（IGBP），其中包括11个自然植被类型，3个土地
开发和镶嵌的地类和3个非草木土地类型定义类。
MODIS Terra + Aqua三级土地覆盖类型年度全球500米产品MCD12Q1采用五种不同
的土地覆盖分类方案，信息提取主要技术是监督决策树分类。下面是该数据中包含的五个
数据集，五个分类方案如下：
土地覆盖分类1：IGBP的全球植被分类方案
土地覆盖分类2：美国马里兰大学（UMD格式）方案
土地覆盖分类3：基于MODIS叶面积指数/光合有效辐射方案
土地覆盖分类4：基于MODIS衍生净初级生产力（NPP）方案
土地覆盖分类5：植物功能型（肺功能）方案
MCD12Q1是HDF格式的，包含16个数据集
Science Data Set Units Data-Type Fill Value Valid Range Land Cover Type 1 (IGBP)* Class # 8-bit unsigned 255 0–254 Land Cover Type 2 (UMD)* Class # 8-bit unsigned 255 0–254 Land Cover Type 3 (LAI/fPAR)* Class # 8-bit unsigned 255 0–254 Land Cover Type 4 (NPP/BGC)* Class # 8-bit unsigned 255 0–254 Land Cover Type 5 (PFT)** Class # 8-bit unsigned 255 0–254 Land Cover Type 1 Assessment % Integer 8-bit unsigned 255 0–254 Land Cover Type 2 Assessment Not populated 8-bit unsigned 255 0–254 Land Cover Type 3 Assessment Not populated 8-bit unsigned 255 0–254 Land Cover Type 4 Assessment Not populated 8-bit unsigned 255 0–254 Land Cover Type 5 Assessment Not populated 8-bit unsigned 255 0–254 Land Cover QC Concatenated Flags 8-bit unsigned 255 0–254 Land Cover Type 1 Secondary Class # 8-bit unsigned 255 0–254 Land Cover Type 1 Secondary % Not populated 8-bit unsigned 255 0–254 Land Cover Property 1 Not populated 8-bit unsigned 255 0–254 Land Cover Property 2 Not populated 8-bit unsigned 255 0–254 Land Cover Property 3 Not populated 8-bit unsigned 255 0–254 前五个就是五个分类方案的分类图，接下来是分类评估图、其中只有type1有产品，
还有质量控制数据集
各种分类数据中，数值代表类别如下表：
（以上数据均出自https://https://www.doczj.com/doc/8c13256273.html,/products/modis_products_table ）
Class IGBP (Type 1)
UMD (Type 2)
LAI/fPAR (Type 3)
NPP (Type 4)
PFT (Type 5)
0 Water
Water Water Water Water 1
Evergreen Needleleaf
forest
Evergreen Needleleaf forest
Grasses/Cereal
crops
Evergreen Needleleaf vegetation
Evergreen Needleleaf trees
2 Evergreen Broadleaf
forest
Evergreen Broadleaf forest Shrubs Evergreen Broadleaf
vegetation
Evergreen Broadleaf trees 3 Deciduous Needleleaf
forest
Deciduous Needleleaf forest
Broadleaf crops Deciduous Needleleaf vegetation
Deciduous Needleleaf trees
4 Deciduous Broadleaf
forest
Deciduous Broadleaf forest Savanna Deciduous Broadleaf vegetation
Deciduous Broadleaf trees
5 Mixed forest Mixed forest
Evergreen Broadleaf
forest
Annual Broadleaf
vegetation Shrub
6 Closed shrublands Closed shrublands Deciduous Broadleaf
forest
Annual grass vegetation Grass
7 Open shrublands Open shrublands Evergreen Needleleaf forest
Non-vegetated land
Cereal crops
8 Woody savannas Woody savannas Deciduous Needleleaf forest
Urban Broad-leaf crops
9 Savannas Savannas Non-vegetated
Urban and built-up 10 Grasslands Grasslands
Urban Snow and ice 11
Permanent wetlands
Barren or sparse vegetation
12 Croplands Croplands 13 Urban and built-up Urban and built-up
14
Cropland/Natural vegetation mosaic
15 Snow and ice
16
Barren or sparsely
vegetated
Barren or sparsely
vegetated
254 Unclassified Unclassified Unclassified Unclassified Unclassified 255
Fill Value
Fill Value
Fill Value
Fill Value
Fill Value
EOS-MODIS 1B数据格式与应用 王正兴，陈文波，邓芳萍，曹云刚 中国科学院地理科学与资源研究所 全球变化信息研究中心 2004年11月2日， 中国科学院资源环境科学信息中心，兰州 报告提纲 1、什么是MODIS 1B数据，已经作了那些校正？ 2、MODIS 1B 数据结构：HDF 与HDF-EOS 简介 3、MODIS 1B 数据结构示例 4、MODIS 1B 数据内容：正常数值与异常数值。 5、MODIS 1B 数据：与时间有关的因素。
1、什么是 MODIS 1B 数据？ 是MODIS 44种系列数据产品中的一种，产品编号为 MOD02 ( Terra-MODIS)/ MYD02(Aqua-MODIS); 是经过仪器标定的数据产品，但是没有经过大气校正； 是包含有地理坐标产品的数据，但是“科学数据”和“地理数据”还没有连接，直接 显示时，边缘存在“蝴蝶结”（Bow-tie）现象； MODIS 1B 数据采用层次数据模型（HDF）或其对地观测扩展（HDF-EOS），这些模 型有不同版本，受不同软件支持。本培训使用软件为ENVI3.X软件。 具体讲，L1B 程序校正了反射波段探测器中未加工的数字信号（DN）中所有已知仪器误差，输出经过校正的（dn。）。这些校正包括： 电子偏移 在“模拟-数字”转换器里的非线性问题 扫描镜反射的角度变异 由于仪器和焦平面变异引起的增益的变化 在短波红外波段外的光谱响应，如波段5，6，7和波段26。 dn*之后，L1B根据每个波段内不同探测器之间变异参数，把dn*教正为dn**。由于dn**的数据量很大（小数，需要用浮点储存），为了节省空间,在反射太阳波段的科学数据中进行尺度转换，用 16-bit 整数表示法。实际上，16-bit中的15-bit用于储存有效数据；第16-bit 储存几类无效数据。 2、MODIS 1B 数据结构：HDF 与HDF-EOS 简介 HDF：分等级的数据格式（层次结构，树结构） HDF-EOS：是对地观测系统（EOS）对HDF的扩展。 重要性：HDF-EOS 已经被美国对地观测系统的数据与信息系统（EOSDIS）选定为 数据标准，许多由美国政府合同支持的产品和免费软件等都以此为基础。如Terra, Aqua, Landsat ETM。 开发和维护：伊利诺斯州大学的美国国家超级计算应用中心（NCSA） （https://www.doczj.com/doc/8c13256273.html,）。 说明：我们可能已经使用过许多数据而不一定知道该数据的结构，如GeoTiff。重要 的是，需要了解那些软件能够识别这些数据结构。具体到HDF,它的结构可能很简单，也可能很复杂。我们的目的是使用MODIS 数据，并不意味着先要了解所有的结构。
一、描述统计描述性统计是指运用制表和分类，图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。 1、缺失值填充：常用方法：剔除法、均值法、最小邻居法、比率回归法、决策 树法。 2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W 检验、动差法。 二、假设检验 1、参数检验 参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数（如均值、百分数、方差、相关系数等）进行的检验。 1）U验使用条件：当样本含量n较大时，样本值符合正态分布 2）T检验使用条件：当样本含量n较小时，样本值符合正态分布 A 单样本t检验：推断该样本来自的总体均数卩与已知的某一总体均数卩0 （常为理论值或标准值）有无差别； B 配对样本t 检验：当总体均数未知时，且两个样本可以配对，同对中的两者在可能会影响处理效果的各种条件方面扱为相似； C 两独立样本t 检验：无法找到在各方面极为相似的两样本作配对比较时使用。 2、非参数检验 非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一股性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。 适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。 A 虽然是连续数据，但总体分布形态未知或者非正态； B 体分布虽然正态，数据也是连续类型，但样本容量极小，如10 以下； 主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。 三、信度分析检査测量的可信度，例如调查问卷的真实性。 分类： 1、外在信度：不同时间测量时量表的一致性程度，常用方法重测信度 2、内在信度；每个量表是否测量到单一的概念，同时组成两表的内在体项一致性如何，常用方法分半信度。 四、列联表分析用于分析离散变量或定型变量之间是否存在相关。对于二维表，可进行卡 方检验，对于三维表，可作Mentel-Hanszel 分层分析列联表分析还包括配对计数资料的卡方检验、行列均为顺序变量的相关检验。 五、相关分析 研究现象之间是否存在某种依存关系，对具体有依存关系的现象探讨相关方向及相关程度。 1、单相关：两个因素之间的相关关系叫单相关，即研究时只涉及一个自变量和一个因变量； 2、复相关：三个或三个以上因素的相关关系叫复相关，即研究时涉及两个或两个以
MODIS数据介绍 数据概况 1999年2月18日，美国成功地发射了地球观测系统（EOS）的第一颗先进的极地轨道环境遥感卫星Terra。它的主要目标是实现从单系列极轨空间平台上对太阳辐射、大气、海洋和陆地进行综合观测，获取有关海洋、陆地、冰雪圈和太阳动力系统等信息，进行土地利用和土地覆盖研究、气候季节和年际变化研究、自然灾害监测和分析研究、长期气候变率的变化以及大气臭氧变化研究等，进而实现对大气和地球环境变化的长期观测和研究的总体（战略）目标。2002年5月4日成功发射Aqua星后，每天可以接收两颗星的资料。 搭载在Terra和Aqua两颗卫星上的中分辨率成像光谱仪（MODIS）是美国地球观测系统（EOS）计划中用于观测全球生物和物理过程的重要仪器。它具有36个中等分辨率水平（0.25um~1um）的光谱波段，每1-2天对地球表面观测一次。获取陆地和海洋温度、初级生产率、陆地表面覆盖、云、汽溶胶、水汽和火情等目标的图像。 本网站提供的MODIS陆地标准产品来自NASA的陆地过程分布式数据档案中心（The Land Processes Distributed Active Archive Center,LP DAAC/NASA）。包括：基于Terra星和Aqua星数据的地表反射率（250m,daily;500m,daily;250m,8days;500m,8day）、地表温度（1000m,daily;1000m,8days;5600m,daily）、地表覆盖（500m,96days;1000m,yearly）、植被指数NDVI&EVI（250m,16daily;500m,16days;1000m,16days;1000m,monthly;、温度异常/火产品（1000m,daily;1000m,8days）、叶面积指数LAI/光合有效辐射分量FPAR（1000m,8days）、总初级生产力GPP（1000m,8days）。 本网站提供的所有MODIS陆地标准产品的格式为HDF-EOS，数据组织方式为10°经度*10°纬度的分片（TILE）方式。 MODIS数据特点及技术指标 1999年2月18日，美国成功地发射了地球观测系统（EOS）的第一颗先进的极地轨道环境遥感卫星Terra。它的主要目标是实现从单系列极轨空间平台上对太阳辐射、大气、海洋和陆地进行综合观测，获取有关海洋、陆地、冰雪圈和太阳动力系统等信息，进行土地利用和土地覆盖研究、气候季节和年际变化研究、自然灾害监测和分析研究、长期气候变率的变化以及大气臭氧变化研究等，进而实现对大气和地球环境变化的长期观测和研究的总体
以下是我在近三年做各类计量和统计分析过程中感受最深的东西，或能对大家有所帮助。当然，它不是ABC的教程，也不是细致的数据分析方法介绍，它只是“总结”和“体会”。由于我所学所做均甚杂，我也不是学统计、数学出身的，故本文没有主线，只有碎片，且文中内容仅为个人观点，许多论断没有数学证明，望统计、计量大牛轻拍。 于我个人而言，所用的数据分析软件包括EXCEL、SPSS、STATA、EVIEWS。在分析前期可以使用EXCEL进行数据清洗、数据结构调整、复杂的新变量计算（包括逻辑计算）；在后期呈现美观的图表时，它的制图制表功能更是无可取代的利器；但需要说明的是，EXCEL毕竟只是办公软件，它的作用大多局限在对数据本身进行的操作，而非复杂的统计和计量分析，而且，当样本量达到“万”以上级别时，EXCEL的运行速度有时会让人抓狂。 SPSS是擅长于处理截面数据的傻瓜统计软件。首先，它是专业的统计软件，对“万”甚至“十万”样本量级别的数据集都能应付自如；其次，它是统计软件而非专业的计量软件，因此它的强项在于数据清洗、描述统计、假设检验（T、F、卡方、方差齐性、正态性、信效度等检验）、多元统计分析（因子、聚类、判别、偏相关等）和一些常用的计量分析（初、中级计量教科书里提到的计量分析基本都能实现），对于复杂的、前沿的计量分析无能为力；第三，SPSS主要用于分析截面数据，在时序和面板数据处理方面功能了了；最后，SPSS兼容菜单化和编程化操作，是名副其实的傻瓜软件。 STATA与EVIEWS都是我偏好的计量软件。前者完全编程化操作，后者兼容菜单化和编程化操作；虽然两款软件都能做简单的描述统计，但是较之 SPSS差了许多；STATA与EVIEWS都是计量软件，高级的计量分析能够在这两个软件里得到实现；STATA的扩展性较好，我们可以上网找自己需要的命令文件（.ado文件），不断扩展其应用，但EVIEWS 就只能等着软件升级了；另外，对于时序数据的处理，EVIEWS较强。 综上，各款软件有自己的强项和弱项，用什么软件取决于数据本身的属性及分析方法。EXCEL适用于处理小样本数据，SPSS、 STATA、EVIEWS可以处理较大的样本；EXCEL、SPSS适合做数据清洗、新变量计算等分析前准备性工作，而STATA、EVIEWS在这方面较差；制图制表用EXCEL；对截面数据进行统计分析用SPSS，简单的计量分析SPSS、STATA、EVIEWS可以实现，高级的计量分析用 STATA、EVIEWS，时序分析用EVIEWS。 关于因果性 做统计或计量，我认为最难也最头疼的就是进行因果性判断。假如你有A、B两个变量的数据，你怎么知道哪个变量是因（自变量），哪个变量是果（因变量）？ 早期，人们通过观察原因和结果之间的表面联系进行因果推论，比如恒常会合、时间顺序。但是，人们渐渐认识到多次的共同出现和共同缺失可能是因果关系，也可能是由共同的原因或其他因素造成的。从归纳法的角度来说，如果在有A的情形下出现B，没有A的情形下就没有B，那么A很可能是B的原因，但也可能是其他未能预料到的因素在起作用，所以，在进行因果判断时应对大量的事例进行比较，以便提高判断的可靠性。 有两种解决因果问题的方案：统计的解决方案和科学的解决方案。统计的解决方案主要指运用统计和计量回归的方法对微观数据进行分析，比较受干预样本与未接受干预样本在效果指标（因变量）上的差异。需要强调的是，利用截面数据进行统计分析，不论是进行均值比较、频数分析，还是方差分析、相关分析，其结果只是干预与影响效果之间因果关系成立的必要条件而非充分条件。类似的，利用截面数据进行计量回归，所能得到的最多也只是变量间的数量关系；计量模型中哪个变量为因变量哪个变量为自变量，完全出于分析者根据其他考虑进行的预设，与计量分析结果没有关系。总之，回归并不意味着因果关系的成立，因果关系的判定或推断必须依据经过实践检验的相关理论。虽然利用截面数据进行因果判断显得勉强，但如果研究者掌握了时间序列数据，因果判断仍有可为，其
MODIS数据下载说明 李英杰 中国科学院遥感应用研究所远程通讯与地学处理课题组 2007年8月 第一部分提交MODIS数据订单 这里我们以订购2007年6月20日覆盖中国大陆的MODIS数据为例，说明订单提交步骤。 首先请确保您有一台能够连接到Internet的计算机并正常运行。接着请在地址栏键入：https://www.doczj.com/doc/8c13256273.html,/。该网站首页如图1所示。 图1 然后点击网页中的“Data”，在新出现的页面（图2）中点击“Search”。这时将出现一个名为“Search for Level 1 and Atmosphere Products”的页面，如图3，在里面可根据需要设置所需数据的类型、时间、空间范围等。
图2 图3
这里我们将Product Selection中的Satellite/Instrument设置为Terra MODIS，Group设置为Terra Level 1 Products，在Products中选择MOD021KM-Level 1B Calibrated Radiances-1km。注意：每设置一个参数，页面都会刷新一次。在Temporal Selection中，将Temporal Type设置为Individual Dates and Times，并将Dates(one per line)设置为06/20/2007，表示2007年6月20日。Collection Selection中采用默认设置。Spatial Selection中Coordinate System选择Latitude/Longitude以设置经纬度。在图4中经纬度示意图的右侧，将North、South、West、East四个方向的经纬度分别设置为：54、18、73、136，以覆盖中国大陆。其他设置均采用默认，最后点击页面左下角的Search按钮。 图4 此时将出现查询结果列表，如图5。由于文件较多，这里分为2页显示，为了查看所有文件，可点击文件列表右上方的View All。 在新弹出的页面中，请注意文件列表最左边一列的时间，这里的时间是卫星成像时的格林尼治时间，加上8小时后转换为北京时间。注意到MODIS可见光波段在夜间不能成像，所以这里要根据时间将夜间数据剔除掉（图6），最后点击页面左下角的Add Files To Shopping Cart按钮。
本文档共三大部分,分别为: 一、modis数据和产品说明 二、风云卫星FY-3数据说明 三、FY-3A MERSI L1数据产品使用指南 一、modis数据和产品说明 1.MODIS数据的技术指标 2.MODIS数据的波段分布特征
3.Modis 命名规则 MODIS 文件名的命名遵循一定的规则，通过文件名，可以获得很多关于此文件的详细信息，比如：文件名MOD09A1.A2006001.h08v05.005.2006012234657.hdf
MOD09A1 –产品缩写 A2006001 –数据获得时间(A-YYYYDDD) h08v05 –分片标示( 水平XX ，垂直YY) 005 –数据集版本号 2006012234567 –产品生产时间(YYYYDDDHHMMSS) hdf –数据格式(HDF-EOS) Terra卫星数据产品
MODIS土地覆盖类型产品包括从每年Terra星数据中提取的土地覆盖特征不同分类方案的数据分类产品。基本的土地覆盖分为有IGBP（国际地圈生物圈计划）定义的17类，包括11类自然植被分类，3类土地利用和土地镶嵌，3类无植生土地分类。 Modis Terra数据lKM土地覆盖类型年合成栅格数据产品包含5中不同的土地覆盖分类体系。数据分类来自监督决策树分类方法。 第一类土地覆盖：国际地圈生物圈计划（IGBP）全球植被分类方案； 第二类土地覆盖：马里兰大学（UMD）植被分类方案； 第三类土地覆盖：MODIS提取叶面积指数/光合有效辐射分量（LAI/fPAR）方案； 第四类土地覆盖：MODIS提取净第一生产力（NPP）方案； 第五类土地覆盖：植被功能型（PFT）分类方案； 本网站提供的为MYD12Q1 V4（第四版本）的分片数据（tile），除提供五类全球土地覆盖分类体系外还提供了陆地覆盖分类评估和质量控制信息。
介绍一下利用ENVI去除MODIS数据条带的方法与步骤。 MODIS数据应用日益广泛，但是由于波谱的相互干涉作用导致MODIS的5通道和26通道的反射率中“条带”现象非常严重，这严重影响了MODIS数据的应用。5通道分辨率5OOM，对云、气溶胶特性敏感。26通道分辨率1000M在薄云、卷云识别方面具有优越特性。 本文主要利用ENVI的ReplacingBadLines功能进行条带去除说明。这主要是利用条带出现的行两边对称的临近行数值进行平均，利用这个平均值来替代条带的数值。手工输入条带的行数超级慢，可以利用条带的周期性特点通过编制一个小程序来快速确定行数，然后通过ReplacingBadLines 的Restore功能载入行数即可。 对MODIS的500M分辨率的数据中5通道进行条带去除：因为5通道的条带只有一条，去除条带后效果很明显。而26通道的条带去除较为困难，因为该通道的条带特征是以中心为主向两侧羽化扩展，而且羽化的程度不一样，所以去条带效果不好。 下面以500M分辨率的5通道为例利用ENVI的ReplacingBadLines功能进行条带的去处，其中条带的行数利用自定义的一个过程： MakeBadLineList,first,interval,lines,filename=filename，得到并生成一个BLL文件存贮条带行的信息用于ReplacingBadLines的Restore。first为出现第一个条带的行数，interval是条带的间隔，lines是数据的总行数，filename是输出文件名存贮行信息。 1、去除条带前，横向条纹十分明显 2、去除条带后，数据平滑，
修订日：2010.12.8实证论文数据分析方法详解 （周健敏整理） 名称变量类型在SPSS软件中的简称（自己设定的代号） 变革型领导自变量1 zbl1 交易型领导自变量2 zbl2 回避型领导自变量3 zbl3 认同和内部化调节变量 TJ 领导成员交换中介变量 ZJ 工作绩效因变量 YB 调节变量：如果自变量与因变量的关系是变量M的函数，称变量M为调节变量。也就是, 领 导风格（自变量）与工作绩效（因变量）的关系受到组织认同（调节变量）的影 响，或组织认同（调节变量）在领导风格（自变量）对工作绩效（因变量）影响 关系中起到调节作用。具体来说，对于组织认同高的员工，变革型领导对工作绩 效的影响力，要高于组织认同低的员工。 中介变量：如果自变量通过影响变量N 来实现对因变量的影响，则称N 为中介变量。也就 是，领导风格（自变量）对工作绩效（因变量）影响作用是通过领导成员交换（中 介变量）的中介而产生的。 研究思路及三个主要部分组成： （1）领导风格对于员工工作绩效的主效应（Main Effects）研究。 （2）组织认同对于不同领导风格与员工工作绩效之间关系的调节效应（Moderating Effects）研究。 （3）领导成员交换对于不同领导风格与员工工作绩效之间关系的中介效应（Mediator Effects）研究。
目录 1.《调查问卷表》中数据预先处理～～～～～～～～～～～～～～ 3 1.1 剔除无效问卷～～～～～～～～～～～～～～～～～～～～ 3 1.2 重新定义控制变量～～～～～～～～～～～～～～～～～～ 3 2. 把Excel数据导入到SPSS软件中的方法～～～～～～～～～～ 4 3. 确认所有的变量中有无“反向计分”项～～～～～～～～～～～4 3.1 无“反向计分”题～～～～～～～～～～～～～～～～～～ 5 3.2 有“反向计分”题～～～～～～～～～～～～～～～～～～ 5 4. 效度分析～～～～～～～～～～～～～～～～～～～～～～～～6 5. 信度分析～～～～～～～～～～～～～～～～～～～～～～～～8 6. 描述统计～～～～～～～～～～～～～～～～～～～～～～～～9 7. 各变量相关系数～～～～～～～～～～～～～～～～～～～～ 12 7.1 求均值～～～～～～～～～～～～～～～～～～～～～～～12 7.2 相关性～～～～～～～～～～～～～～～～～～～～～～～12 8. 回归分析～～～～～～～～～～～～～～～～～～～～～～～13 8.1 使用各均值来分别求Z值～～～～～～～～～～～～～～～13 8.2 自变量Z值与调节变量Z值的乘积～～～～～～～～～～～13 8.3 进行回归运算～～～～～～～～～～～～～～～～～～～～14 8.3.1 调节作用分析～～～～～～～～～～～～～～～～～～14 8.3.2 中介作用分析～～～～～～～～～～～～～～～～～～18 8.4 调节作用作图～～～～～～～～～～～～～～～～～～～～22
常用数据分析方法详解 目录 1、历史分析法 2、全店框架分析法 3、价格带分析法 4、三维分析法 5、增长率分析法 6、销售预测方法 1、历史分析法的概念及分类 历史分析法指将与分析期间相对应的历史同期或上期数据进行收集并对比，目的是通过数据的共性查找目前问题并确定将来变化的趋势。 *同期比较法：月度比较、季度比较、年度比较 *上期比较法：时段比较、日别对比、周间比较、 月度比较、季度比较、年度比较 历史分析法的指标 *指标名称： 销售数量、销售额、销售毛利、毛利率、贡献度、交叉比率、销售占比、客单价、客流量、经营品数动销率、无销售单品数、库存数量、库存金额、人效、坪效 *指标分类： 时间分类 ——时段、单日、周间、月度、季度、年度、任意 多个时段期间 性质分类 ——大类、中类、小类、单品 图例 2框架分析法 又叫全店诊断分析法 销量排序后，如出现50/50、40/60等情况，就是什么都能卖一点但什么都不 好卖的状况，这个时候就要对品类设置进行增加或删减，因为你的门店缺少 重点，缺少吸引顾客的东西。 如果达到10/90，也是品类出了问题。 如果是20/80或30/70、30/80，则需要改变的是商品的单品。 *单品ABC分析（PSI值的概念） 销售额权重（0.4）×单品销售额占类别比＋销售数量权重（0.3） × 单品销售数量占类别比＋毛利额权重（0.3）单品毛利额占类别比 *类别占比分析（大类、中类、小类） 类别销售额占比、类别毛利额占比、 类别库存数量占比、类别库存金额占比、
类别来客数占比、类别货架列占比 表格例 3价格带及销售二维分析法 首先对分析的商品按价格由低到高进行排序，然后 *指标类型：单品价格、销售额、销售数量、毛利额 *价格带曲线分布图 *价格带与销售对数图 价格带及销售数据表格 价格带分析法 4商品结构三维分析法 *一种分析商品结构是否健康、平衡的方法叫做三维分析图。在三维空间坐标上以X、Y、Z 三个坐标轴分别表示品类销售占有率、销售成长率及利润率，每个坐标又分为高、低两段，这样就得到了8种可能的位置。 *如果卖场大多数商品处于1、2、3、4的位置上，就可以认为商品结构已经达到最佳状态。以为任何一个商品的品类销售占比率、销售成长率及利润率随着其商品生命周期的变化都会有一个由低到高又转低的过程，不可能要求所有的商品同时达到最好的状态，即使达到也不可能持久。因此卖场要求的商品结构必然包括：目前虽不能获利但具有发展潜力以后将成为销售主力的新商品、目前已经达到高占有率、高成长率及高利润率的商品、目前虽保持较高利润率但成长率、占有率趋于下降的维持性商品，以及已经决定淘汰、逐步收缩的衰退型商品。 *指标值高低的分界可以用平均值或者计划值。 图例 5商品周期增长率分析法 就是将一段时期的销售增长率与时间增长率的比值来判断商品所处生命周期阶段的方法。不同比值下商品所处的生命周期阶段(表示) 如何利用商品生命周期理论指导营运(图示) 6销售预测方法[/hide] 1.jpg (67.5 KB) 1、历史分析法
MODIS数据的处理方法(ENVI) 美国RSI公司（Research Systems Inc.）的产品ENVI能很好地支持HDF数据格式。ENVI（The Environment for Visualizing Images）遥感影像处理软件，是分析、处理并显示多光谱数据、高光谱数据和雷达数据的高级工具。ENVI能接受大量的传感器数据，是世界目前唯一 美国RSI公司（Research Systems Inc.）的产品ENVI能很好地支持HDF 数据格式。ENVI（The Environment for Visualizing Images）遥感影像处理软件，是分析、处理并显示多光谱数据、高光谱数据和雷达数据的高级工具。ENVI 能接受大量的传感器数据，是世界目前唯一能较好全面支持HDF科学数据格式的遥感影像软件。ENVI可以直接读取HDF格式（如图2所示），并能识别HDF格式中所包含的所有文件信息（如图3所示）。ENVI 打开HDF格式文件后，会自动将该数据文件所包含的所有图像信息、属性信息、文本信息作为波段列于一个波段列表中，用户可以清晰地浏览每一波段的详细信息，包括波段名称、图像波段波长、波段大小、数据类型及文件内插方式等多种信息。方便用户显示图像，并对各种属性及文本文件作各种分析。 本文选取2001年5月20日中国北部及蒙古地区（经纬度范围：°- °,°- °）的一景MODIS数据进行分析，主要从读取数据、分析经纬度波段信息、第一、四、三波段融合显示、影像地理校正几方面对该景数据进行了分析，具体步骤如下： （1）数据读取：打开ENVI，在主菜单中选择File\Open External File\Generic Formats\HDF，选择文件“”,表示是该景MODIS数据的250米数据文件，从下图中可以看到，该文件中除两个影像波段外，还包含经度波段、纬度波段、热红外探测器的噪声信息、反射率变化参数等信息。
一、描述统计 描述性统计是指运用制表和分类，图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。 1、缺失值填充：常用方法：剔除法、均值法、最小邻居法、比率回归法、决策树法。 2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W检验、动差法。 二、假设检验 1、参数检验 参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数(如均值、百分数、方差、相关系数等）进行的检验。 1）U验使用条件：当样本含量n较大时，样本值符合正态分布 2）T检验使用条件：当样本含量n较小时，样本值符合正态分布 A 单样本t检验：推断该样本来自的总体均数μ与已知的某一总体均数μ0 (常为理论值或标准值)有无差别； B 配对样本t检验：当总体均数未知时，且两个样本可以配对，同对中的两者在可能会影响处理效果的各种条件方面扱为相似； C 两独立样本t检验：无法找到在各方面极为相似的两样本作配对比较时使用。
2、非参数检验 非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一股性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。 A 虽然是连续数据，但总体分布形态未知或者非正态； B 体分布虽然正态，数据也是连续类型，但样本容量极小，如10以下； 主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。 三、信度分析 检査测量的可信度，例如调查问卷的真实性。 分类： 1、外在信度：不同时间测量时量表的一致性程度，常用方法重测信度 2、内在信度；每个量表是否测量到单一的概念，同时组成两表的内在体项一致性如何，常用方法分半信度。 四、列联表分析 用于分析离散变量或定型变量之间是否存在相关。 对于二维表，可进行卡方检验，对于三维表，可作Mentel-Hanszel分层分析。列联表分析还包括配对计数资料的卡方检验、行列均为顺序变量的相关检验。
MODIS产品介绍及下载流程 1.数据获取 1）MODIS 发射背景及综述 为了加强对地球大气、海洋和陆地的综合观测研究，美国国家宇航局（NASA）于1991年发起了一个综合性项目，称为地球科学事业（ESE），其主要目的是通过卫星及其它工具对地球进行更深入的研究。ESE包括三个主要部分：一是地球观测卫星系列（EOS）；二是先进的数据系统（EOSDIS）；三是进行资料分析研究的科学队伍。重点观测研究领域包括水与能量循环、海洋、大气化学、陆地表层系统、水和生态系统过程、冰川和极地冰盖以及固体地球。EOS将在近地轨道提供至少18年系统连续的卫星观测数据用于定量研究地球系统的变化。 Terra作为EOS观测计划中的第一颗卫星，在美国（国家宇航局）、日本（国际贸易与工业厅）、加拿大（空间局、多伦多大学）的共同合作下于1999年12月18日成功发射，Terra的字源是拉丁语“地球、土地”，由于Terra卫星每天上午从北向南通过赤道，因此又被称为地球观测第一颗上午星（EOS-AM1）。NASA的EOS第二颗星命名为Aqua,是美国、巴西和日本共同合作研制的，其拉丁语意为“水”，于2002年5月4日发射成功，为了与Terra卫星在数据采集时间上相互配合，Aqua卫星每天下午从南向北通过赤道，因此被称为地球观测第一颗下午星（EOS-PM1）。 两颗星均为太阳同步极轨卫星。此外，美国对地观测系统计划还将陆续发射用于不同观测内容的卫星系列，如以观测大气化学成分为主的AULA卫星（EOS-CHEM）、以观测冰雪、云层和地面高程为主的ICESAT卫星、以观测太阳辐射及其对气候影响为主的SORCE卫星和以观测陆地为主的LANDSAT-7卫星（1999年已发射成功）等。 中分辨率成像光谱仪(MODerate-resolution Imaging Spectroradiometer) -MODIS是Terra和Aqua卫星上搭载的主要传感器之一，两颗星相互配合每1-2天可重复观测整个地球表面，得到
观察数据分析方法简介 戴晓晨 华盛顿大学公共卫生学院全球卫生系 2016年9月5日
提纲 ?背景回顾（Background Review） ?回归模型（Regression Modeling） ?倾向评分匹配（Propensity Score Matching）?工具变量分析（Instrumental Variable）
背景回顾 ?观察研究（observational study）v.s实验研究（experimental study）?一些例子？ ?自然实验（natural experiment）是那种研究？ ?前瞻研究（Prospective study）v.s回顾研究（retrospective study）*本讲座不关注实验设计，只针对几种常见数据分析方法。
背景回顾 ?什么是观察数据（observational data）？ ?研究者没有进行任何干预而客观观察到的数据 ?例子? ?原始数据（primary data）v.s二手数据（secondary data）?e.g.全国卫生服务调查，吸烟问卷调查 ?主题范围：基于（二手）观察数据的回顾性观察研究?e.g.大数据分析
因果推断 ?研究的根本目的：因果推断（causal inference） ?因果联系（causation）v.s相关性（correlation/association）?因果联系à相关性 ?相关性à? 因果联系（inference）（8条标准） ?Causal Inference attempts to articulate the assumptions needed to move from conclusions about association to conclusions about causation ?例子：短信干预降低艾滋病母婴传染？
MODIS指数简介 1.MODIS数据介绍 1.1简介 MODIS（MODerate-resolution Imaging Spectroradiometer，中等分辨率成像光谱仪）分别搭载在TERRA和AQUA两颗卫星上，数据可分别从TERRA和AQUA两颗卫星获取。TERRA和AQUA 卫星都是太阳同步极轨卫星，TERRA在地方时上午过境，AQUA将在地方时下午过境。TERRA 与AQUA上的MODIS数据在时间更新频率上相配合，加上晚间过境数据，对于接收MODIS数据来说，可以得到每天最少2次白天和2次黑夜更新数据。这样的数据更新频率，对实时地球观测、应急处理（例如森林和草原火灾监测和救灾）和日内频率的地球系统的研究有非常重要的实用价值。关于TERRA和AQUA卫星介绍，可参看1.3 Terra卫星和Aqua卫星。 MODIS扫描周期为1.477秒，每条扫描线沿扫描方向有1354个Pixels，沿卫星轨道方向有10个1KMD的IFOV。 MODIS共36个波段，其中250m分辨率有2个波段，500m分辨率有5个波段，1000m分辨率有29个波段。36个波段中波段值分辐射值和反射值两种。MODIS各波段的信息如表1所示。 表1 MODIS波段信息
1.2MODIS结构与数据级别 MODIS数据产品分级系统：MODIS标准数据产品分级系统由5级数据构成，它们分别是：0级、1级、2级、3级和4级。 表2 MODIS数据产品分级
MODIS标准数据产品根据内容的不同分为0级、1级数据产品，在1B级数据产品之后，划分2－4级数据产品，包括：陆地标准数据产品、大气标准数据产品和海洋标准数据产品等三种主要标准数据产品类型，总计分解为44种标准数据产品类型。 MOD01：即MODIS1A数据产品。 MOD02：即MODIS1B数据产品。 MOD03：即MODIS数据地理定位文件。 其余类型产品略。 MODIS 1B采用分等级的数据格式（层次结构，树结构）HDF和HDF-EOS。其中HDF-EOS 是对地观测系统（EOS）对HDF的扩展。 MODIS 1B 产品命名如下： 表3 MODIS 1B产品概要 1.3Terra卫星与Aqua卫星 TERRA卫星每日地方时上午10：30时过境，因此也把它称作地球观测第一颗上午星（EOS-AM1）。AQUA卫星保留了TERRA卫星上已经有了的CERES和MODIS传感器，并在数据采集时间上与TERRA形成补充。它也是太阳同步极轨卫星，每日地方时下午过境，因此称作地球观测第一颗下午星（EOS-PM1）
MCD45A1 Combined Tile
500m Monthly
Burned Area
MOD09GA
Terra
Tile 500/1000m
Daily
Surface Reflectance Bands 1–7
表面反射
MYD09GA MOD09GQ MYD09GQ MOD09CMG MYD09CMG MOD09A1 MYD09A1 MOD09Q1 MYD09Q1 MOD13A1
Aqua Terra Aqua Terra Aqua Terra Aqua Terra Aqua Terra
Tile 500/1000m
Daily
Surface Reflectance Bands 1–7
Surface Reflectance
Tile
250m
Daily
Bands 1–2
Surface Reflectance
Tile
250m
Daily
Bands 1–2
CMG 5600m CMG 5600m
Daily Daily
Surface Reflectance 陆地 2 级标准数据产品，内容为表面反射；空间分辨率 250m
Bands 1–7
日数据。
Surface Reflectance Bands 1–7
Surface Reflectance
Tile
500m
8 Day
Bands 1–7
Surface Reflectance
Tile
500m
8 Day
Bands 1–7
Surface Reflectance
Tile
250m
8 Day
Bands 1–2
Surface Reflectance
Tile
250m
8 Day
Bands 1–2
Vegetation Indices
Tile
500m 16 Day 植被指数
MYD13A1 MOD13A2 MYD13A2 MOD13Q1 MYD13Q1 MOD13A3 MYD13A3 MOD13C1 MYD13C1 MOD13C2 MYD13C2
MOD44W
Aqua Terra Aqua Terra Aqua Terra Aqua Terra Aqua Terra Aqua
Terra
Tile Tile Tile Tile Tile Tile Tile CMG Tile CMG CMG
Tile
500m 16 Day Vegetation Indices
1000m 16 Day Vegetation Indices
1000m 16 Day Vegetation Indices
250m 250m 1000m
16 Day 16 Day
Vegetation Indices
陆地 3 级标准数据产品，内容为栅格的归一化植被指数和增强
Vegetation Indices
数（ NDVI/EVI ），空间分辨率 250m 。
Monthly Vegetation Indices
1000m Monthly Vegetation Indices
5600m 16 Day Vegetation Indices
5600m 16 Day Vegetation Indices
5600m Monthly Vegetation Indices
5600m Monthly Vegetation Indices
250m
none
Land Water Mask Derived
第1页
大数据分析方法论介绍
一. WHY：为什么要做数据分析 在目前讲解数据分析的文章里，大多数会忽略数据分析本身的目的。这会导致我们在执行时，会出现动作变形的情况。以终为始，才能保证不会跑偏。个人的理解上，数据分析是为了能以量化的方式来分析业务问题并得出结论。其中有两个重点词语：量化和业务。 首先讲下量化。量化是为了统一认知，并且确保路径可回溯，可复制。统一认知后，才能保证不同层级，不同部门的人在平等话语权和同一个方向的背景下进行讨论和协作，才能避免公司内的人以「我感觉」「我猜测」来猜测当前业务的情况。路径可回溯可复制指的是，通过量化后的结果，许多优化的方法是可以被找到原因并且可以被复制的。同样是转化率优化，用A 方案和B 方案，谁的效果会比较好和具体好多少，都是可被预测的。 要想做到量化，需要做到三点：建立量化体系，明确量化重点和保证数据准确性。
1.1 建立量化体系 建立量化体系，主要是根据「指标设计方法」，设计业务的「核心指标+拆解指标+业务指标」，最后落地成全公司通用的「指标字典」和「维度字典」。这种工作一般是由数据分析师或数据PM 来担任完成。通过这种方式，我们就能初步建立面向全公司全面而系统的量化分析框架，保证日常分析可以做到「逐层拆解，不重不漏」。 1.1.1 指标设计方法 讲到指标设计方法，大家可能觉得，之前听过了产品设计方法，程序开发方法，指标这种东西也有设计方法么？确实有，指标设计是一套以准确和易懂为准则，集合统计学和业务效果的方法论。准确是指能够准确满足衡量目的，易懂是指标算法能直观显示好与坏，并且指标的算法也能够通俗易懂。这两者很多时候需要有所抉择，准确是第一位的。举个例子：当我们想衡量一个群体收入的差异性时，用方差还是用基尼系数？方差好懂，但不能显示两个极端的差异性多大。基尼系数算法不好懂，但能准确描述这个问题。 具体到指标设计，我们需要使用一些常用的统计学工具：
MODIS数据介绍 (2014-02-24 17:22:02) 转载▼ 一、Modis数据资源总体介绍 1999年2月18日，美国成功地发射了地球观测系统（EOS）的第一颗先进的极地轨道环境遥感卫星Terra。它的主要目标是实现从单系列极轨空间平台上对太阳辐射、大气、海洋和陆地进行综合观测，获取有关海洋、陆地、冰雪圈和太阳动力系统等信息，进行土地利用和土地覆盖研究、气候季节和年际变化研究、自然灾害监测和分析研究、长期气候变率的变化以及大气臭氧变化研究等，进而实现对大气和地球环境变化的长期观测和研究的总体（战略）目标。2002年5月4日成功发射Aqua星后，每天可以接收两颗星的资料。 搭载在Terra和Aqua两颗卫星上的中分辨率成像光谱仪（MODIS）是美国地球观测系统（EOS）计划中用于观测全球生物和物理过程的重要仪器。它具有36个中等分辨率水平（0.25um~1um）的光谱波段，每1-2天对地球表面观测一次。获取陆地和海洋温度、初级生产率、陆地表面覆盖、云、汽溶胶、水汽和火情等目标的图像。 本网站提供的MODIS陆地标准产品来自NASA的陆地过程分布式数据档案中心（The Land Processes Distributed Active Archive Center,LP DAAC/NASA）。包括：基于Terra星和Aqua星数据的地表反射率（250m,daily;500m,daily;250m,8days;500m,8day）、地表温度（1000m,daily;1000m,8days;5600m,daily）、地表覆盖（500m,96days;1000m,yearly）、植被指数NDVI&EVI （250m,16daily;500m,16days;1000m,16days;1000m,monthly;、温度异常/火产品 （1000m,daily;1000m,8days）、叶面积指数LAI/光合有效辐射分量FPAR（1000m,8days）、总初级生产力GPP（1000m,8days）。 本网站提供的所有MODIS陆地标准产品的格式为HDF-EOS，数据组织方式为10°经度*10°纬度的分片（TILE）方式。 二、MODIS数据特点及技术指标 1.概况 MODIS全称Moderate-Resolution Imaging Spectroradiometer，即中分辨率成像光谱仪。1998年MODIS 机载模型器安装到EOS-AM（上午轨道）和PM（下午轨道）系列卫星上，从1999年12月正式向地面发送数据。MODIS是NASA地球行星使命计划中总数为15颗。 2.MODIS数据的特点