中科星图
文章平均质量分 91
此星光明
博士,地图制图和地理信息工程专业,主要涉及Google Earth Engine、PIE-Engine、Planetary Computer、AI Earth、中科星图等云平台的遥感生态云计算研究(多源遥感和机器学习相结合),适用建筑、气象、农业、水利等各个专业云计算。2022年云计算领域博客之星TOP3,2023年CSDN博客之星TOP13,华为云云享专家、MVP,阿里云社区、51CTO博客专家博主。
展开
-
中科星图(案例)——如何在云平台计算坡度、坡向和山阴
在云平台上计算坡度、坡向和山阴是一个涉及到地理信息系统(GIS)技术的任务。在本文中,我们将介绍如何使用云平台上的GIS工具来实现这些计算。首先,我们需要了解一些基本概念。坡度是指地表在水平方向上的改变率,可以通过计算地表高程的变化来得到。坡向是指地表的朝向,可以用方位角表示。山阴是指地表上的阴影,可以通过计算太阳光照的角度和地形高程来得到。一般来说,计算坡度、坡向和山阴需要以下步骤:1. 数据获取:首先,我们需要获取用于计算的地理数据。这可以包括高程数据、地形数据和太阳光照数据。原创 2024-02-22 09:00:00 · 920 阅读 · 0 评论 -
中科星图(案例)——基于Landsat8SR影像反演太湖遥感水色FUI指数
本文主要是利用gve云平台实现Landsat8 影像进行太湖FUI水色反演。基于Landsat 8 SR影像反演太湖遥感水色FUI指数的集体操作流程主要包括以下几个步骤:1. 数据获取与预处理:首先,需要从美国地质调查局(USGS)或其他可靠的数据源获取Landsat 8 SR影像数据。在太湖周边选择合适的日期的遥感影像,以确保太湖区域的相关信息完整。获取到影像数据后,需要进行预处理,如辐射定标、大气校正、几何校正等。原创 2024-02-21 09:45:00 · 1361 阅读 · 0 评论 -
中科星图——Landsat9_C2_SR经大气校正后的地表反射率数据
Landsat9_C2_SR数据集是经大气校正后的地表反射率数据,属于Collection2的二级数据产品,空间分辨率为30米,基于Landsat生态系统扰动自适应处理系统(LEDAPS)(版本3.4.0)生成。水汽、臭氧、大气高度、气溶胶光学厚度、数字高程与Landsat数据一起输入到太阳光谱(6S)辐射传输模型中对卫星信号进行二次模拟,以生成大气顶部(TOA)反射率、表面反射率、TOA亮度温度和云、云影、陆地、水体的掩膜。原创 2024-02-21 08:30:00 · 2031 阅读 · 0 评论 -
中科星图——影像卷积核函数Kernel之gaussian高斯核函数核算子、Laplacian4核算子和square核算子等的分析
高斯核函数是图像处理中常用的一种卷积核函数。它是一种线性滤波器,可以实现图像的平滑处理。在图像处理中,高斯核函数的卷积操作可以用于去噪、平滑和模糊等任务。高斯核函数的定义可以表示为一个二维高斯分布函数,表达式如下:其中,x和y表示图像中的像素位置,sigma表示高斯分布的标准差。高斯核函数的数学表达式可以通过一维高斯函数的乘积得到。高斯核函数在图像处理中的应用非常广泛。它主要有以下几个优点:1. 平滑处理:高斯核函数可以对图像进行平滑处理,即通过减小图像中像素之间的差异来模糊图像。原创 2024-02-20 11:00:00 · 1365 阅读 · 0 评论 -
中科星图(案例)——NDVI植被指数的计算和图例添加以及median和mosaic的影像拼接
在GVE云平台上实现NDVI(Normalized Difference Vegetation Index)植被指数的计算和图例添加,可以通过以下步骤进行:1. 数据获取和准备首先,需要获取卫星影像数据,可以选择公开的遥感数据源,如Landsat、MODIS等。数据获取后,需要对数据进行预处理,包括数据格式转换、投影变换等,以确保数据的一致性和可用性。2. NDVI计算NDVI是通过计算红外波段和可见光波段的反射率之间的差异来评估植被覆盖度的指数。原创 2024-02-20 10:30:00 · 2162 阅读 · 0 评论 -
中科星图——影像的裁剪和影像多波段进行合成
影像的裁剪是指将原始影像中所感兴趣的区域切割出来,去除其他无用的区域。裁剪可以用来提取特定区域的信息,缩小研究范围,降低数据处理的复杂度。影像的裁剪涉及到以下几个方面的内容:1. 裁剪范围确定:首先需要确定裁剪的范围,可以通过手动选择指定区域,在原始影像上绘制感兴趣的区域,或者利用图像处理算法自动检测区域。2. 裁剪方式选择:根据不同的需求,可以选择不同的裁剪方式。常见的裁剪方式包括:矩形裁剪、多边形裁剪、圆形裁剪等。根据具体情况选择最适合的裁剪方式。原创 2024-02-19 10:00:00 · 919 阅读 · 0 评论 -
中科星图GVE——Landsat9_C2_RAW_T1数据集(经过缩放和校准的辐射亮度产品)
Landsat9_C2_RAW数据集是经过缩放和校准的辐射亮度产品,按照数据质量划分为T1和T2。数据质量最好的影像归为T1,主要存在于L1TP处理等级中,这些数据做过很好的几何校正和辐射定标,适合于多时相数据分析。处理中没有达到 T1标准的影像被归为T2,T2和T1的辐射标准相同,由于缺少轨道信息,大范围云层覆盖等因素导致可选择的地面控制点不够,没有达到T1的几何精度标准,主要包括 L1GT和L1GS处理等级数据。原创 2024-02-20 09:00:00 · 1050 阅读 · 0 评论 -
中科星图——Landsat8_C2_ST数据集是经大气校正的地表温度数据
Landsat8_C2_ST数据集是经大气校正的地表温度数据,属于Collection2的二级数据产品,以开尔文为单位测量地球表面温度,是全球能量平衡研究和水文模拟中的重要地球物理参数。地表温度数据还有助于监测作物和植被健康状况,以及极端高温事件,如自然灾害(如火山爆发、野火)和城市热岛效应。Landsat 8是美国国家航空航天局(NASA)和美国地质调查局(USGS)联合运营的陆地卫星,它提供了高分辨率的地球观测数据。原创 2024-02-19 09:00:00 · 1391 阅读 · 0 评论 -
中科星图GVE(案例)——如何利用gve云平台进行重投影resample?nearest|bilinear|cubic|cubic_spline|lanczos|average
重投影(Reprojection)是将地理数据从一个投影坐标系转换到另一个投影坐标系的过程。地理数据通常以经纬度(地理坐标系)的形式保存,但在实际应用中,常常需要将数据转换为其他投影坐标系,以适应不同的应用需求。重投影可以保持数据的空间特征和几何形状,但会改变数据的投影坐标和分辨率。原创 2024-02-15 15:00:00 · 1593 阅读 · 0 评论 -
中科星图GVE(案例)——对影像数据进行重投影计算
本教程主要的目的是在中科星图gve云平台实现遥感影像的重投影计算,我们这里将EPSG:32650坐标系转化为epsg:3578进行重投影。云平台是一种基于云计算技术的资源共享和服务提供平台,通过云平台,用户可以将计算、存储、网络等资源放在云上进行管理和利用。在云平台上进行重投影计算,可以方便地利用云计算资源来处理大规模的数据,提高计算效率和灵活性。重投影是指将地理坐标系的图像或数据转换为平面坐标系的过程。原创 2024-02-18 15:00:00 · 885 阅读 · 0 评论 -
中科星图GVE(案例)——云计算平台中如何利用expression进行波段运算(以NDVI为例)
本文我们利用gve平台实现波段运算实现NDVI的计算,这里也就是如何将我们公式传递给云平台,一般是通过expression表达式来实现NDVI或者其它指数的计算。云计算平台中利用expression进行波段运算是一种数字图像处理技术,用于从多个波段的图像数据中提取有用的信息。这种技术可以应用在各种领域,如遥感、医学图像、天气预报等。在云计算平台上使用expression进行波段运算,通常需要以下几个步骤:1. 数据准备:将波段图像数据上传到云计算平台,并将其转化为合适的数据格式。原创 2024-02-17 15:00:00 · 750 阅读 · 0 评论 -
Landsat8_C2_SR数据集是经大气校正后的地表反射率数据
Landsat8_C2_SR数据集是经大气校正后的地表反射率数据,属于Collection2的二级数据产品,空间分辨率为30米,基于Landsat生态系统扰动自适应处理系统(LEDAPS)(版本3.4.0)生成。水汽、臭氧、大气高度、气溶胶光学厚度、数字高程与Landsat数据一起输入到太阳光谱(6S)辐射传输模型中对卫星信号进行二次模拟,以生成大气顶部(TOA)反射率、表面反射率、TOA亮度温度和云、云影、陆地、水体的掩膜。前言 – 人工智能教程。原创 2024-02-18 08:00:00 · 2005 阅读 · 0 评论 -
中科星图——LANDSAT_8/02/T1/TOA的Landsat8_C2_TOA类数据集
Landsat8_C2_TOA数据集是将数据每个波段的辐射亮度值转换为大气层顶表观反射率TOA,是飞行在大气层之外的航天传感器量测的反射率,包括了云层、气溶胶和气体的贡献,可通过辐射亮度定标参数、太阳辐照度、太阳高度角和成像时间等几个参数计算得到。为了便于在线分析存储,平台将影像像素值扩大了10000倍。Landsat-8卫星包含OLI陆地成像仪(Operational Land Imager)和TIRS热红外传感器(Thermal Infrared Sensor)两种传感器,每16天可以实现一次全球覆盖。原创 2024-02-17 09:00:00 · 1127 阅读 · 0 评论 -
中科星图GVE(案例)——如何通过影像进行等高线的绘制
等高线是地理学中常用的一种表示地形高度的手段。它可以通过连续的等高线来描绘出地形的特征和变化。在绘制等高线时,我们需要关注地形的海拔高度以及地势的起伏,根据这些数据来确定等高线的间隔和密度。首先,我们需要准备一些地形数据,这些数据可以来自于地形测量仪器、数字高程模型或者卫星图像。这些数据应包含地点的经纬度坐标和相应的海拔高度。其次,我们需要决定等高线的间隔。间隔通常根据地形的起伏程度来确定。如果地形起伏较大,我们可以选择较小的间隔,以描绘出更详细的地形特征;原创 2024-02-12 15:30:00 · 816 阅读 · 0 评论 -
中科星图GVE——矢量之间的交集,并集和差集等关系
矢量是数学中的一个重要概念,它可以分为有序矢量和无序矢量。在数学中,我们经常需要对矢量之间的关系进行分析,包括求交集、并集和差集等运算。下面将对这些概念进行具体解释。1. 交集:矢量的交集是指两个矢量中共同存在的元素所构成的集合。假设有两个矢量A和B,它们分别包含了一些元素,我们需要找出这两个矢量中共有的元素。例如,A={1, 2, 3, 4}、B={3, 4, 5, 6},那么A与B的交集为{3, 4}。交集的概念可以推广到多个矢量的情况,即求多个矢量的共同部分。原创 2024-02-16 17:30:00 · 1724 阅读 · 0 评论 -
中科星图——LANDSAT_8/02/T1/RAW的Landsat8_C2_RAW类数据集
Landsat8_C2_RAW数据集是经过缩放和校准的辐射亮度产品,按照数据质量划分为T1和T2。数据质量最好的影像归为T1,主要存在于L1TP处理等级中,这些数据做过很好的几何校正和辐射定标,适合于多时相数据分析。处理中没有达到 T1标准的影像被归为T2,T2和T1的辐射标准相同,由于缺少轨道信息,大范围云层覆盖等因素导致可选择的地面控制点不够,没有达到T1的几何精度标准,主要包括 L1GT和L1GS处理等级数据。原创 2024-02-16 08:30:00 · 1763 阅读 · 0 评论 -
中科星图GVE(AI案例)——如何利用ai技术进行船只的识别和提取分析(珠江三角洲)
随着人工智能(AI)技术的快速发展,船只的识别和分析变得越来越容易。AI技术可以利用计算机视觉和深度学习算法来自动识别和提取船只的特征,从而进行进一步的分析。下面将介绍如何利用GVE云计算平台的AI技术进行船只的识别和提取分析。1. 数据收集与准备:首先,需要收集大量的船只图像数据作为训练样本。这些数据可以通过网络爬虫来自公开的船只图片数据库,也可以依靠专业的船只监控摄像头来获取。在收集数据的过程中,要注意获取各种不同类型和规模的船只图像,以确保模型的泛化能力。原创 2024-02-09 15:04:52 · 1004 阅读 · 0 评论 -
中科星图GVE(AI案例)——AI影像进行超分案例
超分辨率图像处理是一种通过增加图像的空间分辨率来提高图像质量的技术。传统的超分辨率算法主要基于插值和滤波方法,然而这些方法往往无法准确恢复丢失的高频细节,导致图像出现模糊或失真。近年来,基于人工智能的超分辨率算法得到了广泛的关注和研究。下面将介绍AI影像进行超分的具体细节。AI影像超分辨率是一种基于深度学习的超分辨率算法,其核心是通过训练一个深度学习模型来实现图像的超分辨率重建。与传统的算法不同,AI超分辨率算法能够更好地捕捉图像的细节和纹理,并生成更加真实、清晰的超分辨率图像。原创 2024-02-15 13:30:00 · 862 阅读 · 0 评论 -
中科星图GVE(AI案例)——如何利用高分辨率0.5m影像进行建筑物提取
高分辨率0.5m影像提供了详细的地表信息,特别适用于建筑物的提取。以下是一些利用高分辨率影像进行建筑物提取的方法:预处理:在进行建筑物提取之前,需要对影像进行一些预处理。首先,根据影像质量,可以进行边缘增强、噪声去除等处理。其次,可以进行影像配准,将不同时间段的影像进行配准,以获取更精确的建筑物边界。影像分割:采用图像分割技术,将影像分成不同的区域,以便在每个区域中提取建筑物。常用的图像分割方法包括阈值分割、区域增长、边界检测等。特征提取:根据建筑物的特点,可以提取不同的特征来识别建筑物。原创 2024-02-15 11:30:00 · 1237 阅读 · 0 评论 -
中科星图GVE(AI案例)——如何利用高分辨率0.5m影像进行建筑桥梁提取
如何利用高分辨率0.5m影像进行建筑桥梁提取至少800米长度的桥梁?1. 数据获取:首先,需要获取高分辨率0.5m影像数据。可以通过购买商业卫星数据、使用无人机拍摄影像或从地理信息系统(GIS)平台获取相关数据。确保获取到的影像具有高空间分辨率,能够清晰显示建筑物和桥梁细节。2. 影像预处理:在进行桥梁提取之前,需要对影像进行预处理,以优化提取过程。预处理步骤包括影像校正(如去除地面变形、影像配准等)、去噪(如滤波、降低影像噪声等)和增强(如对比度增强、直方图均衡化等)。原创 2024-02-15 08:30:00 · 1707 阅读 · 0 评论 -
中科星图GVE(AI案例)——s(AI_Water_Extraction)案例
此处是利用中科星图GVE的AI算法进行指定区域的水体提取,其实这个版本就相当于我们利用代码区实现这个过程,有点类似于该平台中的水体提取的产品解决方案。要利用Landsat影像进行水体提取,通常可以按照以下步骤进行:1. **数据获取**:首先需要获取Landsat影像数据,可以从USGS的地球资源观测系统(Earth Explorer)等平台下载所需的Landsat影像数据。2. **预处理**:对获取的Landsat影像数据进行预处理,包括大气校正、辐射定标、影像配准等步骤,以确保数据质量。原创 2024-02-15 10:30:00 · 772 阅读 · 0 评论 -
中科星图GVE(AI案例)——提取采样区域的黑臭水体案例
简单的流程就是从gve中获取数据,然后进行去云然后就是利用平台算法进行黑色水域提取。利用Landsat进行水体提取是一种常用的遥感应用技术,主要用于获取水体的空间分布信息和动态变化情况。下面是利用Landsat进行水体提取的主要流程和详细操作步骤:1. 数据获取首先需要从USGS(美国地质调查局)或其他数据提供机构获取Landsat卫星遥感数据。Landsat数据包括多光谱图像和热红外图像,常用的有Landsat 5、Landsat 7和Landsat 8。2. 数据预处理。原创 2024-02-14 09:00:00 · 2001 阅读 · 0 评论 -
中科星图——如何利用中科星图智脑引擎来下载0.5米分辨率的高清遥感影像
如何利用中科星图智脑引擎来下载0.5米分辨率的高清遥感影像,这里我们一旦您有GEE的基础那么还是非常好的接入到这个平台当中的,所以这里我们依旧是使用的JavaScript语言来进行编程,这里有一个好处是这里的函数我们可以直接悬浮在函数上,来查看函数的具体内容是什么,比GEE函数查看用起来要更加方便。这个功能与使用python是写代码的时候是非常类似的。要在遥感云平台上下载影像数据,您可以按照以下步骤进行操作:1. 登录遥感云平台。原创 2024-02-08 18:00:00 · 1100 阅读 · 0 评论 -
中科星图——Sentinel-1_SAR_GRD数据集
哨兵1号(Sentinel-1)卫星是欧洲航天局哥白尼计划(GMES)中的地球观测卫星,由两颗卫星(Sentinel-1A和Sentinel-1B)组成,载有C波段合成孔径雷达,重访周期为六天,可提供连续的全天候日夜图像,非常适用于海洋监测、陆地监测和应急服务的业务应用。Sentinel-1卫星共有四种专用数据采集模式,条带(SM)模式、干涉宽幅(IW)模式、超幅宽(EW)模式、波浪(WV)模式。原创 2024-02-04 09:00:00 · 1901 阅读 · 0 评论 -
中科星图——2020年全球30米地表覆盖精细分类产品V1.0(29个地表覆盖类型)
地表覆盖分布是气候变化研究、生态环境评估及地理国情监测等不可或缺的重要基础信息。近年来, 随着遥感科学技术以及计算机存储和计算能力的不断提升,针对长时序全球30米地表覆盖动态监测产品的应用需求日益迫切。中国科学院空天信息创新研究院刘良云团队研发和对外发布了全球30米地表覆盖精细分类产品。原创 2024-01-31 09:00:00 · 1144 阅读 · 0 评论 -
中科星图——MODIS/006/MYD13A1的MYD13A1.006类数据集
MOD13A1 V6数据集是由Aqua星搭载的中分辨率成像光谱仪获取的L3级植被指数产品,空间分辨率为500米,具备两个主要的植被层,分别是栅格归一化植被指数(NDVI)和增强型植被指数(EVI)。产品遵循低云、低视角和最高NDVI/EVI值的原则,从获取的16天数据中选择最佳值作为影像的像素值。可用于检测植被状态和土地覆盖利用变化,并且,能够进一步用于生物化学、水循环过程和全球及区域性的气候研究,还有LAI、GPP等参数的反演。前言 – 人工智能教程。原创 2024-01-29 08:30:00 · 1075 阅读 · 0 评论 -
GEE数据集——MOD13A1.006Terra星搭载的中分辨率成像光谱仪获取的L3级植被指数产品
MOD13A1 V6数据集是由Terra星搭载的中分辨率成像光谱仪获取的L3级植被指数产品,空间分辨率为500米,具备两个主要的植被层,分别是栅格归一化植被指数(NDVI)和增强型植被指数(EVI)。产品遵循低云、低视角和最高NDVI/EVI值的原则,从获取的16天数据中选择最佳值作为影像的像素值。可用于检测植被状态和土地覆盖利用变化,并且,能够进一步用于生物化学、水循环过程和全球及区域性的气候研究,还有LAI、GPP等参数的反演。前言 – 人工智能教程。原创 2024-01-28 08:00:00 · 1711 阅读 · 0 评论 -
中科星图——MOD11A1 V6是由Aqua中分辨率成像光谱仪获取的地表温度/发射率(LST/E)数据集
MOD11A1 V6数据集是由Aqua星搭载的中分辨率成像光谱仪获取的地表温度/发射率(LST/E)产品,以分片方式组织,时间分辨率为每天,空间分辨率为1公里,格网大小为1200 x 1200千米。温度值由MOD11_L2条带产品处理后得到。在纬度30度以上,某些像素可能在符合晴空的标准的情况下进行了多次观测,像素值为所有合格观测值的平均值。产品包含热红外波段31和32、六个观测波段、白天和夜晚地表温度波段及其相关的质量评估波段。前言 – 人工智能教程。原创 2024-01-27 09:00:00 · 1020 阅读 · 0 评论 -
中科星图——MOD11A1 V6数据集(Terra星搭载的中分辨率成像光谱仪获取的地表温度/发射率(LST/E)产品)
MOD11A1 V6数据集是由Terra星搭载的中分辨率成像光谱仪获取的地表温度/发射率(LST/E)产品,以分片方式组织,时间分辨率为每天,空间分辨率为1公里,格网大小为1200 x 1200千米。温度值由MOD11_L2条带产品处理后得到。在纬度30度以上,某些像素可能在符合晴空的标准的情况下进行了多次观测,像素值为所有合格观测值的平均值。产品包含热红外波段31和32、六个观测波段、白天和夜晚地表温度波段及其相关的质量评估波段。前言 – 人工智能教程。原创 2024-01-26 08:30:00 · 1419 阅读 · 0 评论 -
中科星图——MCD43A4 V6天底双向反射率分布函数调整反射率(NBAR)数据集
MCD43A4 V6天底双向反射率分布函数调整反射率(NBAR)数据集提供MODIS1-7陆地波段的500米反射率数据产品,使用双向反射分布函数对这些值进行调整。该产品结合了来自Terra和Aqua航天器的数据,为16天检索周期内的最佳代表性像素。前言 – 人工智能教程MCD43A4 V6是MODIS(Moderate Resolution Imaging Spectroradiometer)传感器数据的一种产品,它提供了关于地表反射率的详细信息。这个数据集的具体介绍可以分为以下几个方面来讨论。原创 2024-01-25 09:00:00 · 1112 阅读 · 0 评论 -
中科星图——Sentinel-3_OL_1_EFR具体的低分辨率大气顶部辐射的近实时产品
哨兵3号(Sentinel-3)是欧洲空间局哥白尼计划下的一个地球观测任务,该计划是由2颗相同的卫星Sentinel-3A和Sentinel-3B组成的卫星群,可测量海面地形、海面和陆地表面温度、海洋颜色和陆地颜色,具有较高的准确性和可靠性,支持海洋预报系统,对环境和气候研究做出贡献。海洋和陆地颜色仪器(OLCI)是哨兵3号搭载的一种推扫式成像光谱仪,以300米的地面空间分辨率在21个光谱带中测量地球反射的太阳辐射。原创 2024-01-24 09:00:00 · 1053 阅读 · 0 评论 -
中科星图——Sentinel-2_MSI_L2A数据集
哨兵2号(Sentinel-2)卫星是高分辨率多光谱成像卫星,携带一枚多光谱成像仪(MSI),分为2A和2B两颗卫星,其中一颗卫星的重访周期为10天,两颗互补,重访周期为5天,主要用于包括陆地植被、土壤以及水资源、内河水道和沿海区在内的全球陆地观测。Sentinel-2_MSI_L2A数据集中的数据为L2A级产品数据,是经过大气校正的地表反射率产品,包括12个UINT16光谱带,还包含了场景分类产品、气溶胶光学厚度(AOT)、水蒸气及部分云和降雪概率产品,CLM波段是具有云掩码信息的位掩码频段。原创 2024-01-23 09:00:00 · 2337 阅读 · 0 评论 -
中科星图——Landsat9_C2_ST数据集是经大气校正的地表温度数据
Landsat9_C2_ST数据集是经大气校正的地表温度数据,属于Collection2的二级数据产品,以开尔文为单位测量地球表面温度,是全球能量平衡研究和水文模拟中的重要地球物理参数。地表温度数据还有助于监测作物和植被健康状况,以及极端高温事件,如自然灾害(如火山爆发、野火)和城市热岛效应。前言 – 人工智能教程。原创 2024-01-20 08:00:00 · 1058 阅读 · 0 评论 -
中科星图——Landsat9_C2_SR大气校正后的地表反射率数据
Landsat9_C2_SR数据集是经大气校正后的地表反射率数据,属于Collection2的二级数据产品,空间分辨率为30米,基于Landsat生态系统扰动自适应处理系统(LEDAPS)(版本3.4.0)生成。水汽、臭氧、大气高度、气溶胶光学厚度、数字高程与Landsat数据一起输入到太阳光谱(6S)辐射传输模型中对卫星信号进行二次模拟,以生成大气顶部(TOA)反射率、表面反射率、TOA亮度温度和云、云影、陆地、水体的掩膜。前言 – 人工智能教程。原创 2024-01-13 14:13:15 · 1108 阅读 · 0 评论 -
中科星图——Landsat9_C2_TOA数据集
Landsat9_C2_TOA数据集是将数据每个波段的辐射亮度值转换为大气层顶表观反射率TOA,是飞行在大气层之外的航天传感器量测的反射率,包括了云层、气溶胶和气体的贡献,可通过辐射亮度定标参数、太阳辐照度、太阳高度角和成像时间等几个参数计算得到。为了便于在线分析存储,平台将影像像素值扩大了10000倍。Landsat9卫星包含二代陆地成像仪(Operational Land Imager2,OLI-2)和二代热红外传感器(Thermal Infrared Sensor,TIRS-2)两种传感器。原创 2024-01-19 09:30:00 · 1348 阅读 · 2 评论 -
星图地球——Landsat5_C2_SR_T1数据集
Landsat5_C2_SR数据集是经大气校正后的地表反射率数据,属于Collection2的二级数据产品,空间分辨率为30米,基于Landsat生态系统扰动自适应处理系统(LEDAPS)(版本3.4.0)生成。水汽、臭氧、大气高度、气溶胶光学厚度、数字高程与Landsat数据一起输入到太阳光谱(6S)辐射传输模型中对卫星信号进行二次模拟,生成大气顶部(TOA)反射率、表面反射率、TOA亮度温度和云、云影、陆地、水体的掩膜。原创 2024-01-16 09:00:00 · 1072 阅读 · 0 评论 -
星图地球——Landsat5_C2_TOA_T1数据集
Landsat 5是美国陆地卫星系列(Landsat)的第五颗卫星,于1984年3月1日发射,2011年11月停止工作。16天可覆盖全球范围一次。Landsat5_C2_TOA数据集是由Collection2 level1数据通过MTL文件计算得到的TOA反射率产品。数据集的空间分辨率为30米,相对于Collection1 level1数据,Collection2 level1数据提高了几何校正和辐射定标的精度。原创 2024-01-15 08:30:00 · 1346 阅读 · 2 评论 -
Landsat7_C2_ST数据集2019年1月-2022年12月
Landsat7_C2_ST数据集是经大气校正后的地表温度数据,属于Collection2的二级数据产品,以开尔文为单位测量地球表面温度,是全球能量平衡研究和水文模拟中的重要地球物理参数。地表温度数据还有助于监测作物和植被健康状况,以及极端高温事件,如自然灾害(如火山爆发、野火)和城市热岛效应。2003年6月以来,因扫描线校正器(SLC)故障导致传输数据存在间隙问题。Landsat 7 C2 ST 数据集是由美国地质调查局(USGS)制作的Landsat 7卫星图像数据集。原创 2023-12-15 00:00:00 · 148 阅读 · 2 评论 -
Landsat7_C2_SR数据集(大气校正地表发射率数据集)
Landsat7_C2_SR数据集是经大气校正后的地表反射率数据,属于Collection2的二级数据产品,空间分辨率为30米,基于Landsat生态系统扰动自适应处理系统(LEDAPS)(版本3.4.0)生成。水汽、臭氧、大气高度、气溶胶光学厚度、数字高程与Landsat数据一起输入到太阳光谱(6S)辐射传输模型中对卫星信号进行二次模拟,以生成大气顶部(TOA)反射率、表面反射率、TOA亮度温度和云、云影、陆地、水体的掩膜。修复该问题的一种方法是使用更高分辨率的传感器数据来填充缺失的数据。原创 2023-12-11 09:00:00 · 276 阅读 · 0 评论 -
LANDSAT_7/02/T1/RAW的Landsat7_C2_RAW类数据集
处理中没有达到 T1标准的影像被归为T2,T2和T1的辐射标准相同,由于缺少轨道信息,大范围云层覆盖等因素导致可选择的地面控制点不够,没有达到T1的几何精度标准,主要包括 L1GT和L1GS处理等级数据。Landsat7_C2_RAW是指Landsat 7卫星的数据集,采用的是Collection 2级别的数据处理方法,对应的是Tier 1级别的原始数据(RAW)。由于Landsat 7的数据集可用于多个领域的研究和应用,因此在地球科学、环境科学、农业、林业、城市规划等领域中得到了广泛的应用。原创 2023-12-11 09:00:00 · 351 阅读 · 0 评论