GEE|哨兵L1C和L2A求出来的NDVI到底差距多大

最新推荐文章于 2024-03-28 14:53:07 发布
最新推荐文章于 2024-03-28 14:53:07 发布
阅读量1.4k 收藏 4
点赞数
分类专栏： GEE 文章标签： GEE
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jilli_jelly/article/details/126421949
版权

选用大气校正的影像好麻烦，最近又看了几篇文章求NDVI都是用的未经过大气校正的数据，又在某乎上看到如下观点：

这个问题我之前问过我的导师，早些时候没有SR数据，大家都用TOA数据，后来有了SR数据，很多研究就开始采用SR数据了，理论上SR更准确，具体来说大气校正前后Blue波段反射率有较大差异，其他波段也有差异，但是这种差异相对比较小，所以计算NDVI之类的指数，影响不大，但如果计算有Blue波段的指数，那就有影响了。
作者：恋灬蕾
链接：https://www.zhihu.com/question/434757323/answer/2471817545
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

我们计算NDVI是用不到蓝波段的，那么大气校正前后NDVI差多少呢？还是用具体实验看看吧。

先上代码：

var l1c_collection = l1c.filterDate('2019-05-01',
了解本专栏 订阅专栏 解锁全文 超级会员免费看
difizuhvovs
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
订阅专栏
哨兵影像批量大气校正 多进程并行处理
自度度人 自觉觉他
11-15 1151
对L1C级别的数据批量大气校正 首先得安装Sen2Cor，可搜索下载，并将安装目录添加到环境变量中。 其次需要有Python的运行环境 python批量处理 处理前把L1C级别的数据解压到一个文件夹中， 文件夹结构如下： . ├── S2A_MSIL1C_20190731T024551_N0208_R132_T51TUF_20190731T073437.SAFE │ ├── 00Readme_...
哨兵2号数据等级划分及不同等级差异
YW_remote的博客
08-05 7646
哨兵数据是总体上划分为了5个等级，分别为 Level-0，Level-1A， Level-1B， Level-1C以及Level-2A。各等级具体的处理情况如下： Level-0： 原始数据。 Level-1A：包含元信息的几何粗校正产品。 Level-1B：辐射率产品，嵌入经GCP优化的几何模型但未进行相应的几何校正。 Level-1C：经正射校正和亚像元级几何精校正后的大气表观反射率产品。 Level-2A：主要包含经过大气校正的大气底层反射率数据 目前，使用最多的还是1C的数据，在哥白尼数据
Sentinel-2数据详解（L1C，L2A做长时间序列必看）--新版本处理基线
m0_59054747的博客
03-28 4341
Sentinel-2数据使用注意事项，TOA和SR的转换方法，批量预处理脚本
Sentinel-2 哨兵二号数据（Level-1C）下载及预处理教程
C_hqpxd的博客
05-15 3万+
欧空局（ESA）仅发布了哨兵2号（S2）的L1C级多光谱数据（MSI），L1C级数据是经过几何精校正的正射影像，并没有进行辐射定标和大气校正。同时，ESA还对S2 L2A级数据进行了定义，L2A级数据主要包含经过辐射定标和大气校正的大气底层反射率数据（Bottom-of-Atmosphere corrected reflectance），但这个L2A数据需要用户根据需求自行生产，为此，ESA发布了专门生产L2A级数据的插件Sen2cor。 ...
GEE之计算10m分辨率的NDVI数据
gis收藏家的博客
12-20 1763
基于哨兵-2计算10m分辨率的ndvi
GEEer成长日记五：Sentinel-2计算NDVI并逐月时间序列分析
微信公众号：GEEer成长日记
01-28 9441
Sentinel哨兵数据计算NDVI时间序列
03-SNAP处理Sentinel-2 L2A级数据(一)
热门推荐
lidahuilidahui的博客
10-28 8万+
03-SNAP处理Sentinel-2 L2A级数据前言 前言 本文为《SNAP与snappy》第3篇博文。本文主要介绍Sentinel-2 L2A数据（也就是Sen2cor大气校正后的产品数据）的一些基本处理，包括去云、裁剪、镶嵌、重采样、超分辨率合成、波段计算(指数计算)、重投影。 ...
GEE不确定性评价-谷歌地球引擎的不确定性量化（哨兵-1、哨兵-2 L1C 和哨兵-2 L2A）.pdf
01-22
接下来，我们将介绍可无缝集成到现有 GEE 预测建模工作流程中的模块，并演示这些工具在从局部到全球尺度的数据集中的应用，包括动态世界和全球生态系统动态调查 (GEDI) 数据集。这些案例研究包括回归和分类任务，既...
ndvi.zip_GEE怎样计算NDVI_NDVI_gee landsat_植被_植被覆盖度
07-15
标题中的“NDVI.zip_GEE怎样计算NDVI_NDVI_gee landsat_植被_植被覆盖度”表明我们要探讨的是如何使用Google Earth Engine（GEE）来计算NDVI（归一化植被差异指数），以及其在监测植被覆盖度方面的应用。NDVI是一种...
GEE上不同影像NDVI的计算公式.txt
08-21
GEE上不同影像NDVI的计算公式.txt
GEE代码编程gee案例-进行NDVI的计算和显示.txt
08-23
GEE代码编程gee案例-进行NDVI的计算和显示.txt
Google Earth Engine（GEE）-如何在线计算NDVI（归一化植被指数）和FVC（植被覆盖度）并批量下载.pdf
11-04
Google Earth Engine（GEE）——如何在线计算NDVI（归一化植被指数）和FVC（植被覆盖度）并批量下载。 归一化植被指数（Normalized Difference Vegetation Index，NDVI）是遥感中常用的植被指数之一，用于表征地表...
snap软件中哨兵2A数据预处理及六种常用植被指数的计算
weixin_47649329的博客
04-19 1万+
1.使用snap软件对哨兵二号数据进行预处理。 2.使用envi处理哨兵二号数据，进行波段组合。 3.学习不同植被指数的计算公式，进行六种植被指数（归一化植被指数ndvi、增强型植被指数EVI、差值植被指数DVI、比值植被指数RVI的计算、土壤调整型植被指数MSAVI、土壤调整型植被指数(SAVI)）的计算。 二、实验数据： 天水地区的哨兵2A数据：S2A_MSIL2A_20201031T034911_N0214_R104_T48SVC_20201031T071812 三、实验步骤： 1、(1)
python实现基于GDAL的哨兵2影像NDVI值计算
做GIS梦的人
12-25 5233
NDVI是什么 NDVI（归一化植被指数）是近红外波段的反射值与红光波段的反射值之差比上两者之和。即(NIR-R)/(NIR+R)，NIR为近红外波段的反射值，R为红光波段的反射值。归一化植被指数是反映农作物长势和营养信息的重要参数之一。根据该参数,可以知道不同季节的农作物对氮的需求量, 对合理施用氮肥具有重要的指导作用。 NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； ...
GEE：GEE上一些好看的可视化参数（调色板/颜色）
养乐多的博客
07-08 395
养乐多_为了方便使用，总结了几种可视化参数。
SNAP 5. 使用snap进行NDVI的计算
kuangxinyaya的博客
04-29 1560
1. 为了查看不同物体的NDVI指数，首先要进行NDVI指数的计算. Optical > Thematic Land Processing > Vegetation Radiometric Indices > NDVI Processor 2. 在I/O Parameter 下进行设置 > Source: 选择自己研究区域的卫星数据 > Name: 命名自己新的ndvi数据集的名字 > Save as: 保存为GeoTIFF数据格式 > Direct...
哨兵2介绍
rs_gis的博客
09-22 7600
1、哨兵2产品介绍 哨兵2共两颗卫星：2A和2B 发射时间： 2A：2015年6月23日 2B：2017年3月7日 周期： 单星10天。两组卫星同时运行，周期为5天 产品级别： Level-0： 原始数据。 Level-1A：包含元信息的几何粗校正产品。 Level-1B：辐射率产品，嵌入经GCP优化的几何模型但未进行相应的几何校正。 Level-1C：经正射校正和亚像元级几何精校正后的大气表观反射率产品。L1C级多光谱数据（MSI），Sentinel-2 L1C是经过几何精校正的大气表观反射率产品，是经过
开题报告达达宠物认领信息网站的设计与实现 已通过开题答辩的.docx
最新发布
07-25
宠物认领信息网站的主要目的是为寻找宠物的失主和寻找新家的宠物提供一个在线的信息交流平台。通过这个平台，失主可以发布失宠信息，寻找走失或遗弃的宠物；而救助人或组织则可以发布待领养的宠物信息，为那些无家可归的宠物寻找一个永久的归宿。 这样的网站通常会提供一个详细的宠物数据库，包括照片、品种、年龄、健康状况等信息，以便让失主能够方便地找到自己的宠物。同时，网站还会提供一些相关的服务，如失主与救助人之间的在线交流、宠物匹配推荐、领养手续办理等，以帮助双方顺利完成宠物的认领和领养过程。 宠物认领信息网站的目的在于提高失宠找到宠物的几率，减少流浪宠物的数量，并为那些无家可归的宠物提供一个温馨的新家。同时，网站还能促进社会对流浪宠物的关注和保护，提高人们的动物保护意识。
GEE CODE EDITOR 下载哨兵NDVI影像
09-24
回答： 要下载哨兵NDVI影像，您可以使用Google Earth Engine（GEE）的代码编辑器来完成。下面是一个简单的代码示例，演示如何下载哨兵影像中的NDVI数据： ```javascript // 选择区域 var roi = ee.Geometry.Rectangle([xmin, ymin, xmax, ymax]); // 选择日期范围 var startDate = ee.Date('yyyy-mm-dd'); var endDate = ee.Date('yyyy-mm-dd'); // 选择哨兵影像集 var sentinelCollection = ee.ImageCollection('COPERNICUS/S2') .filterBounds(roi) .filterDate(startDate, endDate) .select('B4', 'B8'); // 计算NDVI var calculateNDVI = function(image) { var ndvi = image.normalizedDifference(['B8', 'B4']).rename('NDVI'); return image.addBands(ndvi); }; // 对图像集中的每个影像应用NDVI计算 var sentinelWithNDVI = sentinelCollection.map(calculateNDVI); // 下载影像 var downloadOptions = { name: 'sentinel_with_ndvi', scale: 10, region: roi }; Export.image.toDrive({ image: sentinelWithNDVI, description: 'sentinel_with_ndvi', scale: 10, region: roi, maxPixels: 1e13 }); ``` 请确保将代码编辑器中的 `xmin`、`ymin`、`xmax` 和 `ymax` 替换为您感兴趣区域的经纬度坐标范围。选择合适的 `startDate` 和 `endDate` 来定义想要下载的时间范围。最后，执行代码以将NDVI影像下载到Google Drive中。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

difizuhvovs

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值