GEE中Landsat、Sentinel、Modis主要数据集区别

这篇具有很好参考价值的文章主要介绍了GEE中Landsat、Sentinel、Modis主要数据集区别。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。

一、Landsat

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
GEE中Landsat、Sentinel、Modis主要数据集区别,地理信息,GEE,sentinel,人工智能
Landsat 集合 2 包括基于场景的全球 2 级表面温度科学产品
GEE中Landsat、Sentinel、Modis主要数据集区别,地理信息,GEE,sentinel,人工智能

2. Level 1/2的区别

Landsat Level 2 科学产品是从满足 <76 度太阳天顶角约束的 Collection 2 Level 1 输入生成的,并包括辅助数据。
相当于Level 2 是从Level 1 中筛选出的。

3. Tier 1 (T1)、Tier 2 (T2)、Real Time (RT)的区别

  • T1数据
    具有最高数据质量的Landsat影像被归入第1级,该数据适合进行时间序列分析。
    第一级包括精度和地形(L1TP)校正的数据,这些数据具有良好的辐射测量特性,并在不同的陆地卫星仪器之间进行了相互校准。T1数据之间的地形校正是一致的,并且均方根误差(RMSE)≦12米。
  • T2数据
    在处理过程中不符合一级标准的数据归并到到二级,即T2数据
    T2使用了与T1相同的辐射标准,但由于不太准确的轨道信息(针对较早的Landsat传感器)、明显的云层覆盖、地面控制不足或其他因素影像,不能达到T1数据的几何校正精度。
  • RT数据
    实时层数据,可在12小时内下载(通常为4-6小时)
    从RT数据到T1或T2数据的转换延迟时间在14到26天之间:
    RT数据集 --(几何校正模型校正和参数优化,并对数据进行重新处理)–> T1或T2数据集

综上,一般下Collection 2 的 Level 2 中的 Tier 1

二、Landsat 8 C2 L2 T1(SR)

Landsat8:USGS Landsat 8 Level 2, Collection 2, Tier 1(“LANDSAT/LC08/C02/T1_L2”)
辐射定标:0.0000275*band-0.2GEE中Landsat、Sentinel、Modis主要数据集区别,地理信息,GEE,sentinel,人工智能Bitmask for QA_PIXEL:去云Bit3和4

Bit 0 1 2 3 4 5 6 7 8-9 10-11 12-13 14-15
Fill Dilated Cloud Cirrus (high confidence) Cloud Cloud Shadow Snow Clear Water Cloud Confidence Cloud Shadow Confidence Snow/Ice Confidence Cirrus Confidence

二、Sentinel-2

2.1 Sentinel-2 MSI(L1C和L2A)

2.1.1 L1C
  • ee.ImageCollection(“COPERNICUS/S2”)
  • 该产品经正射校正和亚像元级几何精校正,为天顶表观反射率数据(TOA)
  • 时间:2015-06-23~至今
2.1.2 L2A
  • ee.ImageCollection(“COPERNICUS/S2_SR”)
  • 该产品是利用欧空局官方提供的 Sen2cor工具,对 L1C 进行大气校正得到地表反射率数据产品(SR)。从2016年10月起提供全欧洲的数据,从2017年1月起提供全球的数据。
  • 时间:2017-03-28~~至今,实际上目前GEE上很多地方2019前的L2A数据几乎没有

2.2 Harmonized Sentinel-2 MSI(L1C、L2A)

  • ee.ImageCollection(“COPERNICUS/S2_HARMONIZED”)
  • 2022-01-25 之后,PROCESSING_BASELINE 为“04.00”或更高版本的 Sentinel-2 场景的 DN(值)范围移动了 1000。HARMONIZED 集合将新场景中的数据移动到与旧场景相同的范围内。

2.3 Sentinel-2: Cloud Probability(PRB去云)

  • ee.ImageCollection(“COPERNICUS/S2_CLOUD_PROBABILITY”)
  • S2 云概率是使用 sentinel2-cloud-detector 库(使用 LightGBM)创建的。 在应用梯度提升基础算法之前,使用双线性插值将所有波段上采样到 10m 分辨率,主要用来结合L1C或L2A进行去云操作的

三、Sentinel-1(SAR)

3.1 影像格式

S1A_EW_GRDM_1SDH_20180112T0825556_20180112T082700_ 020119_0224E3_ 7F9B

  • S1A是卫星Sentinel1-A的标识
  • EW为模式名称,有SM、IIW、EW和W。
  • GRDM为产品名称以及分辨率,产品有RAW、SLC、GRD或者OCN,分辨率类型为F(Full resolution)、H(High resolution)、M(Medium resolution)。
  • 1SDH,1为处理级别,可以为0、1、2。S为产品类型是Standard (S)或者是Annotation (A),DH是极化方式,如下:
    SH (single HH polarisation)
    SV (single VV polarisationn)
    DH (dual HH+HV polarisaation)
    DV (dual W+VH polarisattion)
  • 20180112T082556 20180112T082700是产品的开始和结束的事件,其中T是日期和时间的分隔符。
  • 020119是绝对轨道号,绝对轨道数考虑的是发射后第一个上升节点穿越后的轨道。相对轨道数是从1到个重复周期中包含的轨道数的计数。

四、Modis:MYD09GQ(A),MOD09GQ(A)

MYD09GQ,MYD09GA,MOD09GQ,MOD09GA

4.1 MYD和MOD

Modis拥有两颗卫星TERRA、AQUA,其过境时间分别为:文章来源地址https://www.toymoban.com/news/detail-800356.html

  • TERRA:10:30AM、10:30PM
  • AQUA:1:30AM、1:30PM

4.2 GQ和GA

  • GA:Surface Reflectance Daily Global 1km and 500m
  • GQ:Surface Reflectance Daily Global 250m
  • GQ可用GA的质量波段去云

到了这里,关于GEE中Landsat、Sentinel、Modis主要数据集区别的文章就介绍完了。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

  • GEE python:Landsat 5影像的缨帽变换(K-T)分析含矩阵乘法和影像向矩阵的转化

    Landsat影像的缨帽变换又称为高通滤波,是一种基于像元邻域的光谱反射率的统计处理方法。它可以用来从遥感影像中去除大气、地形和植被等因素的影响,从而提取出更纯净的地表信息。 缨帽变换的基本思想是将原始影像与相应的滤波模板进行卷积,达到减少照射面角度和

    2024年01月19日
    浏览(47)
  • GEE:时间序列分析2——将Landsat5、7、8所有影像合成一个影像集合,构建NDVI时间序列

    本文记录了在Google Earth Engine(GEE)平台上,将Landsat-5、Landsat-7和Landsat-8合成同一个影像集合,并把这个新的影像集合合并成一个大的集合的代码,并计算了NDVI指数,构建了一个NDVI年度合成的时间序列数据集。为之后时间序列分析做数据准备。 其中主要函数已经封装成了函数

    2024年02月11日
    浏览(43)
  • GEE——sentinel-2新的去云方式(Cloud Score+ S2_HARMONIZED V1数据集)及linkCollection()函数的使用,结果优于现有QA波段去云(附代码)

    GEE今天的峰会上提出了一个非常好的去云的影像,这个数据集已经再gee中进行了公开,并且只需要通过一行代码即可运行获取没有云的高清影像,相较于QA去云的操作,整体山给效果更加,特别是对于很多地区常年被云雾覆盖,很难获取无云影像,本教程通过一个简单的案例

    2024年02月05日
    浏览(58)
  • GEE使用 Sentinel-1 SAR影像 和 Otsu 方法绘制洪水地图

            洪水是世界上最常见、破坏性最大的自然灾害之一,造成了巨大的生命和财产损失。此外,随着气候变化的影响,近年来,洪灾变得更加频繁和不可预测。为了最大限度地减少生命和财产损失,必须迅速发现洪水蔓延的情况,并及时采取必要的干预措施。洪水蔓延

    2024年02月19日
    浏览(34)
  • MATLAB——tiff文件数据读取,modis

    [A,R] = geotiffread(filename) 从filename指定的GeoTIFF文件中读取一个地理参考的灰度、RGB或多光谱图像或数据网格到A中,并创建一个空间参考对象,R。 [X, cmap, R] = geotiffread(filename)读取一个索引的图像到X和相关的彩色地图到cmap,并创建一个空间引用对象,R。 [A, refmat, bbox] = geotiffre

    2024年02月10日
    浏览(96)
  • MODIS NDVI 及EVI数据下载及处理

    Terra 中分辨率成像光谱仪 (MODIS) 植被指数 (MOD13Q1) 第 6 版数据每 16 天生成一次,空间分辨率为 250 米 (m),作为 3 级产品。MOD13Q1 产品提供两个主要植被层。第一个是归一化植被指数 (NDVI),它被称为现有国家海洋和大气管理局高级甚高分辨率辐射计 (NOAA-AVHRR) 导出的 NDVI 的连续

    2024年04月23日
    浏览(32)
  • 地理信息系统原理-空间数据结构(7)

    ​四叉树编码 1.四叉树编码定义 四叉树数据结构是一种对栅格数据的压缩编码方法,其基本思想是将一幅栅格数据层或图像等分为四部分,逐块检查其格网属性值(或灰度);如果某个子区的所有格网值都具有相同的值,则这个子区就不再分割,否则还要把这个子区再分割成

    2024年02月06日
    浏览(55)
  • 基于MATLAB长时间序列遥感数据分析(以MODIS数据处理为例)

    MATLAB MATLAB是美国MathWorks公司出品的商业数学软件,用于数据分析、无线通信、深度学习、图像处理与计算机视觉、信号处理、量化金融与风险管理、机器人,控制系统等领域。 [1] MATLAB是matrixlaboratory两个词的组合,意为矩阵工厂(矩阵实验室),软件主要面对科学计算、可视

    2024年02月14日
    浏览(41)
  • 利用移动互联、物联网、智能算法、地理信息系统、大数据分析等信息技术开发的智慧工地云平台源码

    智慧工地是指利用移动互联、物联网、智能算法、地理信息系统、大数据挖掘分析等信息技术,提高项目现场的“人•机•料•法•环•安”等施工要素信息化管理水平,实现工程施工可视化智能管理,并逐步实现绿色生态建造。 技术架构: 微服务 + Java+Spring Cloud +UniApp +M

    2024年02月06日
    浏览(57)
  • Python selenium与pyautogui控制浏览器实现modis数据自动下载

    目录 序言: 准备工作: 基本思路: 完整代码:         上次提到通过modis连接下载数据的方式有很多,本文选择selenium模拟登录的方式通过谷歌浏览器下载,但是并不推荐这种方法,只是恰好学习了selenium的一些操作,所以写这个代码做了一些测试。         本文章只需要

    2024年02月11日
    浏览(49)

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