星图地球——Landsat5_C2_TOA_T1数据集

这篇具有很好参考价值的文章主要介绍了星图地球——Landsat5_C2_TOA_T1数据集。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

简介 

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。Collection 2 level1数据采用了新的地面控制点(GCPs Phase 4),融合了Lan'd'sa't 8和欧洲航天局(ESA)发布的哨兵2(Sentinel-2)的控制点数据,提高了几何校正精度。为了便于在线分析存储,平台将影像像素值扩大了10000倍。前言 – 人工智能教程

Landsat 5是美国国家航空航天局(NASA)于1984年发射的一颗遥感卫星,其数据集包括了从1984年至2013年期间拍摄的一系列影像。C2_TOA_T1代表了该数据集中的一个影像产品,具体解释如下:

  • C2:代表了数据集所采用的传感器。C2代表了Landsat 5传感器中的Channel 2,即红光波段。
  • TOA:代表了地表反射率。该数据集中的影像是经过大气校正的地表反射率数据,这意味着影像中所观测到的亮度与地表反射特性相关,而不受大气干扰的影响。
  • T1:代表了影像处理级别。T1代表了一级处理,即经过了基本的预处理步骤,如辐射校正和大气校正。

因此,Landsat5_C2_TOA_T1数据集中包含了Landsat 5传感器在红光波段(通道2)上经过大气校正的地表反射率数据,经过了一级处理。这些数据可以被用于分析和研究土地利用、地表特征、植被生态等方面。

Landsat 5_C2_TOA_T1数据集中的影像产品具体包括以下内容:

1. 数据传感器:该数据集采用了Landsat 5传感器。Landsat 5是一种多波段遥感传感器,能够在可见光和红外光波段范围内获取高分辨率的影像数据。

2. TOA校正:影像数据经过了大气校正,即转换为地表反射率。大气校正是为了消除大气中的散射和吸收效应对影像的影响,以便准确反映地表反射率信息。

3. 红光波段:数据集中的影像产品是在Landsat 5传感器的红光波段(通道2)上获取的。红光波段对植被生长和地表覆盖物的识别和分析很重要。

4. T1级处理:数据集中的影像产品经过了一级处理,也称为基本预处理。这包括辐射校正和大气校正,以提高数据的准确性和可比性。

利用Landsat 5_C2_TOA_T1数据集,用户可以进行各种应用和分析,比如:

- 土地利用/土地覆盖分类:可以根据地表反射率的信息,对不同类型的土地利用和土地覆盖进行分类和识别。

- 植被监测:通过红光波段的反射率,可以获取植被的生长情况和植被指数,用于监测植被的健康状态、植被覆盖变化等。

- 地表特征提取:通过分析红光波段的反射率,可以提取地表特征,如水体、道路、建筑物等。

- 地表温度估算:通过红外光波段的反射率,可以估算地表的温度分布,进而分析地表的热环境。

总之,Landsat 5_C2_TOA_T1数据集中的影像产品提供了准确的地表反射率数据,可用于多种地表特征的分析和应用。

数据名称:

Landsat5_C2_TOA

数据来源:

USGS

时空范围:

2007年1月-2011年11月

空间范围:

全国

波段

名称 分辨率(米) 类型 比例因子 波长范围(微米) 描述 主要作用
B1 30 int16 10000 0.45 - 0.52 Blue(蓝色波段) 用于水体穿透,分辨土壤植被
B2 30 int16 10000 0.52 - 0.60 Green(绿色波段) 分辨植被
B3 30 int16 10000 0.63 - 0.69 Red(红色波段) 处于叶绿素吸收区域,对道路、裸露土壤、植被种类具有良好的观测效果
B4 30 int16 10000 0.76 - 0.90 Near infrared(近红外) 用于估算生物数量,可以区分植被和水体,分辨潮湿土壤,但是对于道路的辨认效果逊于B3
B5 30 int16 10000 1.55 - 1.75 Shortwave infrared 1(中红外) 可分辨道路、裸露土壤、水,在不同植被间具有良好的对比度,有较好的穿透大气、云雾的能力
B6 30 int16 10 10.40 - 12.50 Thermal Infrared(热红外) 感应发出热辐射的目标
B7 30 int16 10000 2.08 - 2.35 Shortwave infrared 2(中红外) 可分辨岩石、矿物,也可用于辨识植被覆盖和湿润土壤
QA_PIXEL 30 Landsat Collection 2 QA Bitmask(像素质量评估波段)
QA_RADSAT 30 Radiometric saturation QA(辐射饱和度和地形遮挡的质量评估波段)
SAA 30 Solar Azimuth Angle(太阳方位角)
SZA 30 Solar Zenith Angle(太阳天顶角)
VAA 30 View Azimuth Angle(卫星方位角)
VZA 30 View Zenith Angle(卫星天顶角)

代码:

/**
 * @File    :   Landsat5_C2_TOA_T1
 * @Time    :   2023/03/20
 * @Author  :   GEOVIS Earth Brain
 * @Version :   0.1.0
 * @Contact :   中国(安徽)自由贸易试验区合肥市高新区望江西路900号中安创谷科技园一期A1楼36层
 * @License :   (C)Copyright 中科星图数字地球合肥有限公司 版权所有
 * @Desc    :  数据集key为LANDSAT_5/02/T1/TOA的Landsat5_C2_TOA类数据集
 * @Name    :   Landsat5_C2_TOA_T1数据集
*/
//指定检索数据集,可设置检索的空间和时间范围,以及属性过滤条件(如云量过滤)
var imageCollection = gve.ImageCollection("LANDSAT_5/02/T1/TOA")
                    .filterCloud('lt',20)
                    .filterDate('2011-01-07','2011-01-11')
                    .select(['B1','B2','B3'])
                    .limit(10);
					
print("imageCollection",imageCollection);

//function applyScaleFactors(image) {
//    var opticalBands = image.select('B.*').multiply(0.0001);
//    return image.addBands(opticalBands, null, true)
//}
//
//var img = imageCollection.map(applyScaleFactors).first();
var img = imageCollection.first();

print("first", img);

var visParams = {
//    gamma: 1,
//    brightness: 1,
//    min: 23,
//    max: 5742,
    bands: ['B3', 'B2', 'B1']
};

Map.centerObject(img);
Map.addLayer(img,visParams);

星图地球——Landsat5_C2_TOA_T1数据集,中科星图,人工智能,javascript,地球,影像,Landsat,数据集,云平台

 

引用 

Landsat 数据集属于国际公开数据,可以在没有版权限制的情况下使用、传输或复制。有关USGS数据产品正确引用的更多详细信息,请参阅USGS Visual Identity System Guidancehttps://www.usgs.gov/information-policies-and-instructions/usgs-visual-identity-system文章来源地址https://www.toymoban.com/news/detail-789779.html

到了这里,关于星图地球——Landsat5_C2_TOA_T1数据集的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 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,

    2024年02月20日
    浏览(39)
  • 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

    2024年02月21日
    浏览(40)
  • GEE中Landsat、Sentinel、Modis主要数据集区别

    1. Collection 1/2 的区别 Collection 2 是Landsat Level 1 数据的又一次重大再处理,显著提高了 绝对地理定位精度 。 Collection1 Collection2 时间跨度 1972~2021底 1972~至今 数据等级 level 1 level1:1972~2021底 level2:1982~至今 Landsat 集合 2 包括基于场景的全球 2 级表面反射率科学产品 Landsat 集合

    2024年01月18日
    浏览(37)
  • Google Earth Engine(GEE)——Landsat 8/9 Level 2,Collection 2 LST地表温度(不包含Landsat7之前的数据集)

     不再需要使用 Ermida 的算法计算表面温度。 Landsat Level 2,Collection 2 包含经大气校正的地表反射率和地表温度 (LST)。所有 Collection 2 LST 产品均采用由罗彻斯特理工学院 (RIT) 和美国国家航空航天局 (NASA) 喷气推进实验室 (JPL) 联合开发的单通道算法创建。 前言 – 床长人工智能教

    2024年02月10日
    浏览(45)
  • geemap学习笔记049:下载Landsat数据时遇到的一个问题

    最近在下载Landsat 8 地面反射率数据(Surface Reflectance)时,遇到了一个问题,无论是使用 geemap.ee_export_image_to_drive() 函数还是 geemap.download_ee_image() 函数下载的数据,易康都打不开,显示 Error loading image data: Layer 0 of file G: data.tif has an unsupported data type. G: data.tif ,如下图。利用

    2024年01月17日
    浏览(34)
  • Google Earth Engine ——Landsat 7 影像集合数据集详细介绍

    Landsat 7 collection. Surface Reflectance¶ USGS Landsat 7 Surface Reflectance Tier 1 USGS Landsat 7 Surface Reflectance Tier 2 Top of Atmosphere (TOA)¶ USGS Landsat 7 Collection 1 Tier 1 TOA Reflectance USGS Landsat 7 Collection 1 Tier 1 and Real-Time data TOA Reflectance USGS Landsat 7 Collection 1 Tier 2 TOA Reflectance Raw Images¶ USGS Landsat 7 Colle

    2023年04月27日
    浏览(38)
  • 基于ENVI的遥感影像解译——以Landsat8数据为例(上)

    遥感影像解译 是一种指从图像获取信息的基本过程。即根据各专业(部门)的要求,运用解译标志和实践经验与知识,从遥感影像上识别目标,定性、定量地提取出目标的分布、结构、功能等有关信息,并把它们表示在地理底图上的过程。例如,土地利用现状解译,是在影像

    2024年02月09日
    浏览(40)
  • UWB定位问题(TOA定位matlab实现)

    四点定位(Four-Anchor Positioning)是一种基于距离测量的定位方法,通常采用TOA方法来计算目标物体到每个基站的距离。通过测量目标物体到至少四个基站的距离,并利用三角定位等算法计算出目标物体的位置。因此,四点定位属于TOA定位方法的一种。 在UWB精确定位中,四点定

    2024年02月16日
    浏览(41)
  • AI Earth ——开发者模式案例2:Landsat系列影像数据去云

    AIE平台中提供的  Landsat  影像均为  USGS Collection 2  中的数据,该集合使用  QA_PIXEL  波段对云、雪进行描述。因此,可通过位运算和逻辑运算,生成云掩膜,利用  updateMask  函数去除可能是云或者云阴影的区域。此算法适用于  Landsat-5 / 7 / 8 / 9  。 初始化环境¶ 定义去云算

    2023年04月20日
    浏览(49)
  • 【GEE】基于GEE-Landsat8数据集地表温度反演(LST热度计算)

            老样子,最近在做生态方面的项目,然后需要分析城市的热岛效应,想了想还是用GEE计算比较简单,直接下载影像太麻烦了。所以在网上看看了资料,踩了踩坑终于是将代码写出来了。秉承着取之于民、用之于民的想法,今天给大家分享一下如何使用GEE的Landsat8数据

    2024年02月05日
    浏览(40)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包