Google Earth Engine （GEE） ——Landsat 8 SR数据太阳地形辐射校正

最新推荐文章于 2024-06-14 16:00:00 发布
最新推荐文章于 2024-06-14 16:00:00 发布
阅读量1k 收藏 3
点赞数 1
分类专栏： GEE案例分析 文章标签： 开发语言 gee 辐射 校正 Landsat
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/130033346
版权
这篇博客介绍了如何利用Google Earth Engine (GEE) 对Landsat 8的表面反射率数据进行太阳地形辐射矫正。文章详细阐述了四种矫正模型，包括余弦校正、c校正、scs+c校正和Tan的经验旋转模型，并提供了数据来源和相关函数，如cos()和sin()。同时，提到了ee.Reducer.linearRegression()在计算过程中的应用。
摘要由CSDN通过智能技术生成

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。

SRTM Digital Elevation Data Version 4

Dataset Availability

2000-02-11T00:00:00 - 2000-02-22T00:00:00

Dataset Provider

NASA/CGIAR

ee.Image("CGIAR/SRTM90_V4")

Tags

了解本专栏 订阅专栏 解锁全文 超级会员免费看
此星光明
关注
专栏目录
订阅专栏
GEE教程——如何利用strm数据对Landsat 8 数据进行地形校正
此星光明博客
03-06 723
遥感图像分析可能会受到地形坡度和倾斜度的负面影响。地形方位的不同会导致具有相似土地覆盖和生物物理结构特性的像素之间信号值的差异。地形校正是一种用于消除地形影响的图像处理技术，可以提高Landsat 8卫星数据的准确性。通过利用SRTM（Shuttle Radar Topography Mission）数据，可以将Landsat 8数据进行地形校正。
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 1716
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.
GEE：Landsat-T1级别影像去云和辐射校正
养乐多的博客
11-08 1443
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。
Google Earth Engine谷歌地球引擎GEE栅格图像自动地理配准与空间位置校正
疯狂学习GIS的博客
08-16 3122
  本文主要对GEE中栅格图像的地理配准（空间坐标位置校正）操作加以介绍。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第十四篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。   在之前的博客（https://blog.csdn.net/zhebushibiaoshifu/article/details/118970315）中，我们介绍了基于EN
几何校正，正射校正，影像配准，辐射定标，辐射校正，大气校正，地形校正概念详解
热门推荐
「 刘一哥与GIS的故事」
09-21 3万+
一、几何校正 1、概念： 2、影像变形的原因： （1）系统性的：由传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正，卫星地面接收站已经完成了这项工作 （2）非系统性的：传感器平台位置和运动状态变化的影像（航高、航速、俯仰和偏航） （3）地球本身对影像的影响：地形起伏、地球表面曲率、地球自转 （4）大气折射的影响 3、校正方法：
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
06-07 752
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
最新发布
此星光明博客
06-14 921
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——Landsat C02_T1_L2数据（地表反射率数据）1985-2023年生态遥感指数RESI计算
此星光明博客
01-09 1295
本博客是在原有博客的基础上进行的升级主要的问题是现在GEE已经开始停用Landsat C01数据集，因此，将原有的代码进行了升级，全部使用 Landsat C02数据数据进行生态遥感指数的分析。
地形校正详细教程
12-16
地形校正详细教程，是遥感学习者地形校正最最详细的资料，是团队两个月的摸索
GEEer成长日记八：Landsat8_SR计算NDVI逐年时序变化，并通过影像判断城市扩张
微信公众号：GEEer成长日记
02-08 4314
利用GEE计算Landsat影像年平均NDVI，并通过影像判断城市扩张现象
GEE数据集——全球日光日照地图分布图数据
此星光明博客
02-10 2573
在社区和专业地图绘制者的支持下，Daylight 是全球开放地图数据的完整分发版。我们将 OpenStreetMap 等项目的全球贡献者的工作与 Daylight 地图合作伙伴的质量和一致性检查相结合，创建了一个免费、稳定和易于使用的街道尺度全球地图。日光地图发行版将包括一个新的数据集，该数据集由矢量化的土地覆盖物特征组成，这些特征来自欧洲空间局的 2020 年世界覆盖物（10 米）栅格。该数据集覆盖全球，适用于最大 1:100 万（缩放级别 8）的地图。
Google Earth Engine——Landsat （数据介绍）GEE数据到底是否满足几何和辐射校正？
此星光明博客
10-19 1689
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USGS 文档。 当你再去搜集数据的时候你就直接按照它名称去和上面的介绍进行一一对应即可！ 为了同时访问经过验证的 T1 数.
Google Earth Engine(GEE)实例代码学习三十五——利用Landsat8质量评估波段(QA)去云(Landsat8 Surface Reflectance))
little00bee的博客
04-26 7392
Bit 0: Fill Bit 1: Clear Bit 2: Water Bit 3: Cloud Shadow Bit 4: Snow Bit 5: Cloud //创建一个函数进行去云掩膜处理 function maskL8sr(image) { //<<表示二进制左移几位 // 二进制第三位表示有云阴影，第五位表示有云。 var cloudShadowBitMask...
GEE数据集：TerraClimate爱达荷大学全球陆地表面的每月气候和气候水平衡数据集
GEE水生态空间
02-20 1万+
​ TerraClimate 是全球陆地表面的月度气候和气候水平衡数据集。它使用气候辅助插值，将 WorldClim 数据集的高空间分辨率气候法线与来自CRU Ts4.0和 日本 55 年再分析 (JRA55)的较粗空间分辨率但随时间变化的数据 相结合。从概念上讲，该程序将来自 CRU Ts4.0/JRA55 的插值时变异常应用于 WorldClim 的高空间分辨率气候学，以创建涵盖更广泛时间记录的高空间分辨率数据集。
全球高分辨率地表太阳辐射数据集包含36年（1983.7-2018.12）
此星光明博客
11-03 1100
全球高分辨率地表太阳辐射数据集包含36年（1983.7-2018.12）的全球地表太阳辐射数据，其分辨率为3小时，10公里，数据单位为W/㎡，瞬时值。该数据集可用于水文建模、地表建模和工程应用，将有助于未来地表过程模拟的研究和光伏发电的应用。该数据集基于改进的物理参数化方案并以ISCCP-HXG云产品、ERA5再分析数据以及MODIS气溶胶和反照率产品为输入而生成的。验证并和其他全球卫星辐射产品比较表明，该数据集的精度通常比ISCCP-FD、GEWEX-SRB和CERES全球卫星辐射产品的精度要高。
GEE开发之Landsat8_SR计算NDVI和数据分析
等待着冬天的风的博客
07-31 3128
主要介绍NDVI在Landsat8_SR下的计算。
基于 landsat 图像用NDWFI来确认地表水范围
Yimitaoda的博客
03-04 1096
关于Spatiotemporal Mapping of Surface Water Using Landsat Images and Spectral Mixture Analysis on Google Earth Engine【基于Landsat图像和Google Earth引擎光谱混合分析的地表水时空制图】一文的代码分析笔记
GEE平台收录的MODIS数据产品介绍（一）
weixin_53620375的博客
03-30 2951
在单个数据层中，将日期编码为燃烧发生的日历年的第几天，将值分配给未燃烧的土地像素，并为丢失的数据和水网单元保留额外的特殊值。国际地圈-生物圈计划(IGBP)、马里兰大学(UMD)和叶面积指数(LAI)分类方案的地图，以0.05度(5600米)的空间分辨率，以每年为间隔提供2001年至2022年全球地图。当这种情况发生时，像素值是所有符合条件的观测值的平均值。它的设计目的是连续地表示地球陆地表面的基本植被特征的比例，它提供了三个表面覆盖成分的等级:树木覆盖百分比、非树木覆盖百分比和光秃秃的百分比。
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