月度数据｜1991 年 1 月～2022 年 12 月上市公司周边的 NDVI（归一化植被指数）数据

前不久给大家分享过 1982年1月～2022 年12月 GIMMS NDVI 指数（归一化植被指数）各省市区县、乡镇月度面板数据：

1982年1月～2022 年12月 GIMMS NDVI 指数（归一化植被指数）各省市区县、乡镇月度面板数据：https://rstata.duanshu.com/#/brief/course/75a8d273dcbd46358472b39578e4ad16

最近有小伙伴表示想要计算历年上市公司周边一定范围内的 NDVI 数据，还是月度的。

上市公司的经纬度数据可以使用之前分享的：

2000～2022 年上市公司的办公地址和注册地址（含经纬度、省市区县及搬迁距离）：https://rstata.duanshu.com/#/brief/course/3a50d0aa7a274b3b9ae1b543bec92fab

1990～1999 年的上市公司假设其地址没有变化。

首先我们可以使用类似这样的 R 语言代码构造上市公司周边 5km 的缓冲区：

df2 %>%
  st_buffer(dist = units::set_units(5, km)) -> df2_5km

然后再使用该缓冲区从 NDVI 栅格数据中提取该范围的 NDVI 均值或者最大值：

terra::extract(rst, vect(df2_1km), fun = y, na.rm = T, exact = T) %>%
    as_tibble() %>%
    mutate(year = y) %>%
    write_rds(paste0("计算结果/df2_1km_", y , ".rds"))

对该数据计算感兴趣的小伙伴可以学习这个课程：

使用 R 语言计算工企周边一定范围内的平均 PM2.5 浓度：https://rstata.duanshu.com/#/brief/course/016330182fb64ecd9fab8ada0d816130

为了方便大家使用，我计算了上市公司周边 1km、2km、3km、4km、5km、10km、15km、20km、25km、30km范围内的平均和最大月度 NDVI 数据。在计算之后我还根据上市公司的上市日期和退市日期，筛选了上市公司上市之后及退市之前的。也就是附件中的：1991年1月～2022年12月上市公司周边的NDVI平均值与最大值.dta。

下图展示了各月上市公司周边最大 NDVI 数据的变化：

为了便于大家理解这个计算过程，我绘制了一副这样的图：

方块表示的是 NDVI 栅格数据，圆圈表示的是上市公司周边 5km 范围。计算过程实际上就是提取圆圈范围内的区域求平均或者最大值。圆圈边缘的按照比例计算进入圈内的部分。

数据概览：

点击这里跳转到 RStata 短书平台获取附件：月度数据｜1991 年 1 月～2022 年 12 月上市公司周边的 NDVI（归一化植被指数）数据