Google Earth Engine——Landsat （数据介绍）GEE数据到底是否满足几何和辐射校正？

最新推荐文章于 2025-01-15 01:30:00 发布
最新推荐文章于 2025-01-15 01:30:00 发布
阅读量1.7k 收藏 4
点赞数
分类专栏： GEE学习专栏 GEE数据集专栏 Google Earth Engine 文章标签： 算法 Landsat 辐射校正 大气校正 数据集
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/qq_31988139/article/details/120821793
版权
本文介绍了Google Earth Engine（GEE）中的Landsat数据，包括其采集结构和质量等级。Landsat数据分为T1和T2层次，其中T1满足几何和辐射质量要求。GEE提供了TOA和SR产品，适用于大气校正和辐射校正分析。文章强调，Landsat Collection 1 Tier 1是最高质量的选择，而Collection 2带来了数据产品和定位精度的提升。
摘要由CSDN通过智能技术生成

昨天被粉丝问到是否GEE上的数据进行过校正？大家这里可以看过来！

Landsat 采集结构

USGS 为每颗卫星生成 3 层（类别）数据：

  • 第 1 层 (T1) - 满足几何和辐射质量要求的数据
  • 第 2 层 (T2) - 不符合第 1 层要求的数据
  • 实时 (RT) - 尚未评估的数据（最多需要一个月）。

有关详细信息，请参阅有关 Collection 1 Tiers 的

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Google Earth Engine（GEE）——利用 Google Earth Engine 比较东南亚的 Sentinel-1 地表水测量算法和辐射地形校正处理
此星光明博客
11-01 1779
在 Markert 等人的论文中找到该算法的科学描述。(2020)。利用 Google Earth Engine 比较东南亚的 Sentinel-1 地表水测绘算法和辐射地形校正处理 卫星遥感在监测地表水以进行历史分析和近实时应用方面发挥着重要作用。由于其穿透云的能力，许多研究都集中在使用合成孔径雷达 (SAR) 为地表水测绘提供高效和高质量的方法。然而，很少有研究探讨所使用的 SAR 预处理步骤的影响以及随后的结果作为地表水测绘算法的输入。本研究利用 Google Earth Engine 来比较两种.
Google Earth Engine （GEE） ——Landsat 8 SR数据太阳地形辐射校正
此星光明博客
04-11 1148
太阳地形辐射矫正该函数是为 Landsat 8 表面反射率编写的。其中有四种模型： 1）余弦校正；2）c校正：3）scs+c校正；4) Tan 的经验旋转模型。您可以编辑函数的输出以切换到您想要使用的模型。默认为 Tan 的经验旋转模型。这里我们使用的数据是，但在波段信息中并没有体现出来"SOLAR_ZENITH_ANGLE“等，但我们可以直接获取。Tags本文中所用到的函数：cos()
GEE教程——基于SCS+C模型landsat 8数据的地形校正（修正太阳天顶角、方位角和坡度坡向的影响）
最新发布
此星光明博客
01-15 375
这段代码使用Google Earth Engine (GEE)处理Landsat 8卫星影像。包括：定义一个研究区域，筛选2021年9月到10月间云量少于1%的Landsat 8影像；，该函数基于SCS+C模型，利用SRTM DEM数据计算并修正太阳天顶角、方位角和坡度坡向的影响；；NDVI_cal；最后，，以便进行可视化分析。
Google Earth Engine(GEE)——图像位移与配准！
此星光明博客
08-09 1044
Earth Engine 图像配准算法旨在作为对齐图像的最终、后正射、细粒度步骤。假设要配准的图像已经经过初始对齐阶段，因此它们已经在彼此旋转几度之内，并且仅相差很小的平移。配准使用“橡皮布”技术，允许局部图像变形以纠正早期处理中的正射校正错误和其他伪影。底层对齐技术是图像相关性，因此输入图像和参考图像的波段必须在视觉上相似，以便算法计算准确的对齐。 图像位移 配准图像有两个步骤：使用 确定位移图像displacement()，然后使用 确定位移图像displace()。所需的输入是要注册的图像对和最.
GEE：Landsat-T1级别影像去云和辐射校正
养乐多的博客
11-08 1615
landsatT1级别数据是需要做辐射校正的，看到很多人使用LandsatT1数据，记录一下T1数据做辐射校正的方法和使用的波段。
Landsat8预处理(辐射定标、图像裁剪)
11-09
Landsat-8 OLI影像批处理代码，实现功能：辐射校正、图像裁剪，可直接运行。 语言：IDL 平台：ENVI5.x
Google Earth Engine——Landsat 4/5/7/8/9 +Sentinel-1数据融合分析（逐年数据融合导出）
此星光明博客
06-07 1180
Landsat和Sentinel-1是两种不同的遥感数据源，分别提供了不同的信息。Landsat是一种光学传感器，提供高分辨率的可见光和红外波段图像，适用于地表覆盖分类、土地利用变化监测等应用。Sentinel-1是一种合成孔径雷达（SAR）传感器，可以提供全天候、全天时、高分辨率的雷达图像，适用于地表形变监测、水体变化检测等应用。将Landsat和Sentinel-1的数据进行融合可以获得更全面、准确的地表信息。
GEE数据融合——Landsat （collection 2，level 2 ）4、5、7、8、9长时间序列影像数据融合和视频导出分析
此星光明博客
06-14 1236
长时间序列影像数据融合是指将Landsat影像数据集合2级2（Level 2）中的4、5、7、8和9这五个卫星的数据进行融合。具体来说，这包括将同一地点的多个卫星影像数据进行处理和整合，以产生一个单一的、具有更高质量的影像产品。在长时间序列影像数据融合中，首先需要对不同卫星的影像数据进行校正，以消除不同卫星之间的光谱差异、辐射度问题和几何纠正误差等。然后，通过使用融合算法，将多个卫星的影像数据进行组合，以生成一张全新的、高质量的合成影像。
Google Earth Engine——分别利用Landsat-8 和sentinel-2数据与利用训练好的模型来进行水体提取（天空岛海域为例）
此星光明博客
03-29 551
要利用遥感数据和训练好的模型来进行水体提取，可以按照以下步骤进行：1. 数据准备：获取遥感卫星数据，例如多光谱影像，高分辨率影像等。2. 预处理：对遥感数据进行预处理，例如大气校正、辐射校正、几何校正等，以确保数据质量。3. 特征提取：从遥感数据中提取与水体相关的特征，例如水体的反射率、植被指数、彩色指数等。4. 数据标注：根据已知的水体位置或专业知识，对一部分数据进行手动标注，将其标记为水体和非水体。
GEE问题：Landsat Collection 2不同传感器之间是否需要进行协调校正？
此星光明博客
07-01 700
Landsat Collection 2 不同传感器之间需要进行系数校正，以确保数据的可比性和精度。USGS 提供了用于进行系数校正的工具和资源，可以帮助用户轻松地校正 Landsat 数据。
Google Earth Engine学习笔记（一）
qq_46610545的博客
03-27 1615
基于GEE平台，Landsat 8、Sentinel-2卫星，FUI水色指数计算
Google earth engine对Landsat8辐射定标
自度度人 自觉觉他
03-24 3348
辐射定标的本质是波段运算，y = ax+b 以第10波段为例，首先从元数据文件找到RADIANCE_MULT_BAND_10和RADIANCE_ADD_BAND_10，第一个是乘项 3.3420E-04，第二个是加项0.1。在gee中进行波段运算 var rad10 = image.select('B10').multiply(3.3420*0.0001).add(0.1) 以下是一个La...
学习笔记——GEE\USGS\地理空间数据云\ENVI反复横跳的心酸过程
qq_50291870的博客
02-23 2445
在用GEE做无监督分类时，发现影像拼接色彩差距较大、出现明显拼接缝的问题，在尝试了网上已有的直方图匹配算法之后效果不佳且经常溢出，所以回归本心用ENVI去校正色彩。本文主要记录了在多个网站和教程之间反复跳坑的过程。。
GEE系列：第5单元 遥感影像预处理【GEE栅格预处理】
GEE水生态空间
02-15 6301
了解常用于遥感影像的数据校正类型。 如何直观地比较同一数据集中不同预处理级别的空间数据。 如何在 Google Earth Engine for Landsat 8 表面反射率图像中执行云遮蔽和云遮蔽评估。
基于GEE的Landsat影像拼接与导出
weixin_45250770的博客
08-08 5519
由于Landsat数据的分辨率较高，所以当研究区域较大时，需要下载多幅影像才能覆盖整个研究区域，不仅浪费存储空间，处理起来也相当耗费时间。所以下边为大家分享如何使用GEE对Landsat影像进行拼接，并筛选云量较少区域。之后对数据进行导出，方便大家在ENVI或者Arcgis中进行后续的处理研究。......
GEE中原始数据下载
yuhaohouse的博客
10-29 2395
本文主要介绍Google earth engine中如何下载原始数据并对原始数据进行简单的处理
【Google Earth Engine初探】：GEE云平台入门指南
随着云计算和遥感技术的发展，Google Earth Engine (GEE) 云平台已经成为处理地理空间数据的强大工具。本文首先概述了GEE的架构和理论基础，详细介绍了其核心概念、数据类型、存储处理模型以及脚本编程环境。随后，...
【数据分析】基于GEE解析2000-2020年武汉市FVC时空变化特征
amyniez的博客，欢迎交流讨论
11-26 501
在应对全球气候变化和环境监测的挑战中，植被盖度(Fraction VegetationCoverage,FVC)是一个关键指标。植被覆盖度(Fraction Vegetation Coverage,FVC)通常被定义为植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比，是刻画地表植被覆盖的重要参数，在植被变化、生态环境研究、水土保持、城市宜居等方面问题研究中起到重要作用。
GEE中MODIS地表反射率产品比较
热门推荐
zqk的博客
04-12 1万+
MOD09GQ、MOD09GA、MOD09Q1、MOD09A1、 MCD43A4.006 MODIS Nadir BRDF-Adjusted Reflectance Daily 500m
GEE学习笔记一 利用GEE获取Sentinel-2 1C与2A级影像
qq_31392899的博客
10-05 1万+
在GEE中，Sentinel-2影像集包含1C级和2A级数据。1C级数据是经过正射校正和几何精校正的大气表观反射率产品，没有进行大气校正。在GEE中1C级数据的数据集名称为：2A级数据是经过大气层底层反射率(BOA)正射校正的图像。在GEE中2A级数据的数据集名称为：由于2A级数据经过大气校正，因此具有更逼真的色彩水平，反射数据更加真实。|下面介绍一下如何在GEE中获取目标研究区域的Sentinel-2 1C与2A级别的影像，使其在GEE中显示。
评论
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

此星光明

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