Landsat8 TIRS载荷与MODIS1B热红外波段数据的简单对比

2024-02-27 09:04

本文主要是介绍Landsat8 TIRS载荷与MODIS1B热红外波段数据的简单对比,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

        现有的地表温度反演算法大致有以下四种:大气校正法、单通道算法、分裂窗算法和多波段算法。大气校正法和单通道算法需要大气实时剖面数据,单通道算法适用于只有一个热红外波段的数据,如Landsat TM /ETM数据;分裂窗算法适合于两个热红外波段的数据, 如 MOAA- AVHRR和MODIS;多波段波段算法适合于多个热红外波段的数据,所需参数多,运算复杂且需要白天晚上两景数据,反演难度较大,就成熟程度而言,多波段算法还在发展之中。到目前为止,分裂窗算法是目前发展比较成熟的地表温度遥感反演方法。这一算法需要两个彼此相邻的热红外波段遥感数据来进行地表温度的反演。分裂窗算法主要是针对MOAA- AVHRRR的热红外通道4和5的数据来推导。Landsat 8数据的两个热红外波段与MODIS 热红外波段的31,32波段以及AVHRR的4和5波段范围最为接近,是否能用分裂窗算法实现Landsat8 TIRS载荷?

        LandSat-8上携带的TIRS载荷,将是有史以来最先进,性能最好的TIRS。TIRS将收集地球两个热区地带的热量流失,目标是了解所观测地带水分消耗,特别是美国西部干旱地区。

表2:TIRS载荷参数

Band #

中心波长(μm)

最小波段边界 (μm)

最大波段边界(μm)

空间分辨率 (m)

10

10.9

10.6

11.2

100

11

12.0

11.5

12.5

100


MODIS拥有36个波段,其中31和32波段为热红外波段,如下表所示。

表3:MODIS1B数据参数

波段号

主要应用

分辨率

波段宽度

频谱强度

要求的信噪比

1

植被叶绿素吸收

250

0.620-0.670

21.8

128

2

云和植被覆盖变换

250

0.841-0.876

24.7

201

3

土壤植被差异

500

0.459-0.479

35.3

243

4

绿色植被

500

0.545-0.565

29.0

228

5

叶面/树冠差异

500

1.230-0-1.250

5.4

74

6

雪/云差异

500

1.628-1.652

7.3

275

7

陆地和云的性质

500

2.105-2.155

1.0

110

8

叶绿素

1000

0.405-0.420

44.9

880

9

叶绿素

1000

0.438-0.448

41.9

838

10

叶绿素

1000

0.483-0.493

32.1

802

11

叶绿素

1000

0.526-0.536

27.9

754

12

沉淀物

1000

0.546-0.556

21.0

750

13

沉淀物,大气层

1000

0.662-0.672

9.5

910

14

叶绿素荧光

1000

0.673-0.683

8.7

1087

15

气溶胶性质

1000

0.743-0.753

10.2

586

16

气溶胶/大气层性质

1000

0.862-0.877

6.2

516

17

云/大气层性质

1000

0.890-0.920

10.0

167

18

云/大气层性质

1000

0.931-0.941

3.6

57

19

云/大气层性质

1000

0.915-0.965

15.0

250

20

洋面温度

1000

3.660-3.840

0.45

0.05

21

森林火灾/火山

1000

3.929-3.989

2.38

2.00

22

云/地表温度

1000

3.929-3.989

0.67

0.07

23

云/地表温度

1000

4.020-4.080

0.79

0.07

24

对流层温度/云片

1000

4.433-4.498

0.17

0.25

25

对流层温度/云片

1000

4.482-4.549

0.59

0.25

26

红外云探测

1000

1.360-1.390

6.00

150

27

对流层中层湿度

1000

6.535-6.895

1.16

0.25

28

对流层中层湿度

1000

7.175-7.475

2.18

0.25

29

表面温度

1000

8.400-8.700

9.58

0.05

30

臭氧总量

1000

9.580-9.880

3.69

0.25

31

云/表面温度

1000

10.780-11.280

9.55

0.05

32

云高和表面温度

1000

11.770-12.270

8.94

0.05

33

云高和云片

1000

13.185-13.485

4.52

0.25

34

云高和云片

1000

13.485-13.785

3.76

0.25

35

云高和云片

1000

13.785-14.085

3.11

0.25

36

云高和云片

1000

18.085-14.385

2.08

0.35

        Landsat 8的热红外波段的波宽以及波长中心与MODIS 1B的31与32波段的波宽以及波长中心基本一致,具体的对比细节如下:

表 3 Landsat 8与MODIS1B热红外波段数据对比

数据类型

热红外波段

中心波长

波宽

分辨率

Landsat 8

10

10.9

10.60-11.20

100

11

12

11.50-12.50

100

MODIS 1B

31

11.03

10.780-11.280

1000

32

12.02

11.770-12.270

1000

从数据参数来看,是可以使用分裂窗算法实现Landsat8 TIRS载荷的温度反演。但是具体还需要检验。

这篇关于Landsat8 TIRS载荷与MODIS1B热红外波段数据的简单对比的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/751892

相关文章

MySQL中EXISTS与IN用法使用与对比分析

《MySQL中EXISTS与IN用法使用与对比分析》在MySQL中,EXISTS和IN都用于子查询中根据另一个查询的结果来过滤主查询的记录,本文将基于工作原理、效率和应用场景进行全面对比... 目录一、基本用法详解1. IN 运算符2. EXISTS 运算符二、EXISTS 与 IN 的选择策略三、性能对比

SpringBoot多环境配置数据读取方式

《SpringBoot多环境配置数据读取方式》SpringBoot通过环境隔离机制,支持properties/yaml/yml多格式配置,结合@Value、Environment和@Configura... 目录一、多环境配置的核心思路二、3种配置文件格式详解2.1 properties格式(传统格式)1.

解决pandas无法读取csv文件数据的问题

《解决pandas无法读取csv文件数据的问题》本文讲述作者用Pandas读取CSV文件时因参数设置不当导致数据错位,通过调整delimiter和on_bad_lines参数最终解决问题,并强调正确参... 目录一、前言二、问题复现1. 问题2. 通过 on_bad_lines=‘warn’ 跳过异常数据3

C#监听txt文档获取新数据方式

《C#监听txt文档获取新数据方式》文章介绍通过监听txt文件获取最新数据,并实现开机自启动、禁用窗口关闭按钮、阻止Ctrl+C中断及防止程序退出等功能,代码整合于主函数中,供参考学习... 目录前言一、监听txt文档增加数据二、其他功能1. 设置开机自启动2. 禁止控制台窗口关闭按钮3. 阻止Ctrl +

java如何实现高并发场景下三级缓存的数据一致性

《java如何实现高并发场景下三级缓存的数据一致性》这篇文章主要为大家详细介绍了java如何实现高并发场景下三级缓存的数据一致性,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 下面代码是一个使用Java和Redisson实现的三级缓存服务,主要功能包括:1.缓存结构:本地缓存:使

详解MySQL中JSON数据类型用法及与传统JSON字符串对比

《详解MySQL中JSON数据类型用法及与传统JSON字符串对比》MySQL从5.7版本开始引入了JSON数据类型,专门用于存储JSON格式的数据,本文将为大家简单介绍一下MySQL中JSON数据类型... 目录前言基本用法jsON数据类型 vs 传统JSON字符串1. 存储方式2. 查询方式对比3. 索引

Java中使用 @Builder 注解的简单示例

《Java中使用@Builder注解的简单示例》@Builder简化构建但存在复杂性,需配合其他注解,导致可变性、抽象类型处理难题,链式编程非最佳实践,适合长期对象,避免与@Data混用,改用@G... 目录一、案例二、不足之处大多数同学使用 @Builder 无非就是为了链式编程,然而 @Builder

在MySQL中实现冷热数据分离的方法及使用场景底层原理解析

《在MySQL中实现冷热数据分离的方法及使用场景底层原理解析》MySQL冷热数据分离通过分表/分区策略、数据归档和索引优化,将频繁访问的热数据与冷数据分开存储,提升查询效率并降低存储成本,适用于高并发... 目录实现冷热数据分离1. 分表策略2. 使用分区表3. 数据归档与迁移在mysql中实现冷热数据分

C#解析JSON数据全攻略指南

《C#解析JSON数据全攻略指南》这篇文章主要为大家详细介绍了使用C#解析JSON数据全攻略指南,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、为什么jsON是C#开发必修课?二、四步搞定网络JSON数据1. 获取数据 - HttpClient最佳实践2. 动态解析 - 快速

SpringBoot中六种批量更新Mysql的方式效率对比分析

《SpringBoot中六种批量更新Mysql的方式效率对比分析》文章比较了MySQL大数据量批量更新的多种方法,指出REPLACEINTO和ONDUPLICATEKEY效率最高但存在数据风险,MyB... 目录效率比较测试结构数据库初始化测试数据批量修改方案第一种 for第二种 case when第三种