Landsat 8 Landsat8 Collection2表面反射率数据

2024-03-27 09:12

本文主要是介绍Landsat 8 Landsat8 Collection2表面反射率数据,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!

简介

Landsat8 Collection2表面反射率数据,属Collection2二级数据产品,分辨率为30米,基于陆地表面反射率代码(LaSRC)(版本1.5.0)生成,该算法利用沿海气溶胶波段进行气溶胶反演测试,还利用了MODIS的辅助气候数据和独特的辐射传输模型。
此外,LaSRC算法将观测天顶角硬编码为“0”,太阳天顶角和观测天顶角作为大气校正的一部分参与计算。

Landsat 8 Collection 2 Surface Reflectance Data 是一种由美国地质调查局(USGS)提供的遥感数据产品,用于监测和研究地球表面的反射率。该数据集基于Landsat 8 OLI(Operational Land Imager)传感器收集的遥感图像,并经过大量的预处理和校正,以提供具有较高质量和一致性的表面反射率数据。

Landsat 8 Collection 2 Surface Reflectance Data 提供了对地球表面的多波段、多时期遥感影像进行处理和校正后的结果。这些影像包括可见光、近红外、红外和短波红外波段,可以用于监测陆地、水域和大气的变化、研究植被生长和覆盖、土地利用和土地覆盖分类等应用。

Landsat 8 Collection 2 Surface Reflectance Data 还提供了一些附加的衍生产品,如植被指数(如NDVI和EVI)、地表温度数据等。这些衍生产品可以用于进一步的地表研究和分析。

Landsat 8 Collection 2 Surface Reflectance Data 可以免费获取,并且可以通过USGS的EarthExplorer网站或其他相关的数据下载平台获得。数据以GeoTIFF格式存储,并可以与地理信息系统(GIS)软件进行集成和分析。

数据集ID: 

LC08/02/SR

时间范围: 2013年03月-现在

范围: 全国

来源: USGS

复制代码段: 

var images = pie.ImageCollection("LC08/02/SR")

波段

名称单位类型值域范围填充值乘法比例因子加性比例因子描述信息
B1Reflectanceuint167273~4363600.0000275-0.2Band 1 SR
B2Reflectanceuint167273~4363600.0000275-0.2Band 2 SR
B3Reflectanceuint167273~4363600.0000275-0.2Band 3 SR
B4Reflectanceuint167273~4363600.0000275-0.2Band 4 SR
B5Reflectanceuint167273~4363600.0000275-0.2Band 5 SR
B6Reflectanceuint161~6553500.0000275-0.2Band 6 SR
B7Reflectanceuint167273~4363600.0000275-0.2Band 7 SR
B10Kelvinuint161~6553500.00341802149Band 10 ST
QA_PIXELBit Indexuint1621824~655341--Level 2 Pixel Quality Band
SR_QA_AEROSOLBit Indexuint80~2551--Aerosol QA
QA_RADSATBit Indexuint160~382932768--Radiometric Saturation QA
ST_QAKelvinint160~32767-99990.01-Surface Temperature Uncertainty
ST_TRANW/(m 2.sr.μm)/ DNint160~22000-99990.001-Thermal Band in Radiance
ST_URADW/(m 2.sr.μm)/ DNint160~28000-99990.001-Upwelled Radiance
ST_DRADW/(m 2.sr.μm)/ DNint160~28000-99990.001-Downwelled Radiance
ST_ATRADUnitlessint160~10000-99990.0001-Atmospheric Transmittance
ST_EMISUnitlessint160~10000-99990.0001-Emissivity estimated from ASTER GED
ST_EMSDUnitlessint160~10000-99990.0001-Emissivity standard deviation
ST_CDISTKilometersint160~24000-99990.01-Pixel distance to cloud
QA_PIXEL Bit Index
  • Bit 0: Fill
    • 0: Image data
    • 1: Fill data
  • Bit 1: Dilated Cloud
    • 0: Cloud is not dilated or no cloud
    • 1: Cloud dilation
  • Bit 2: Cirrus
    • 0: Cirrus Confidence: no confidence level set or Low Confidence
    • 1: High confidence cirrus
  • Bit 3: Cloud
    • 0: Cloud confidence is not high
    • 1: High confidence cloud
  • Bit 4: Cloud shadow
    • 0: Cloud Shadow Confidence is not high
    • 1: High confidence cloud shadow
  • Bit 5: Snow
    • 0: Snow/Ice Confidence is not high
    • 1: High confidence snow cover
  • Bit 6: Clear
    • 0: Cloud or Dilated Cloud bits are set
    • 1: Cloud and Dilated Cloud bits are not set
  • Bit 7: Water
    • 0: Land or cloud
    • 1: Water
  • Bits 8-9: Cloud Confidence
    • 00: No confidence level set
    • 01: Low confidence
    • 10: Medium confidence
    • 11: High confidence
  • Bits 10-11: Cloud Shadow Confidence
    • 00: No confidence level set
    • 01: Low confidence
    • 10: Reserved
    • 11: High confidence
  • Bits 12-13: Snow/Ice Confidence
    • 00: No confidence level set
    • 01: Low confidence
    • 10: Reserved
    • 11: High confidence
  • Bits 14-15: Cirrus Confidence
    • 00: No confidence level set
    • 01: Low confidence
    • 10: Reserved
    • 11: High confidence
QA_RADSAT Bit Index
  • Bit 0: Band 1 Data Saturation
    • 0: No saturation
    • 1: Saturated data
  • Bit 1: Band 2 Data Saturation
    • 0: No saturation
    • 1: Saturated data
  • Bit 2: Band 3 Data Saturation
    • 0: No saturation
    • 1: Saturated data
  • Bit 3: Band 4 Data Saturation
    • 0: No saturation
    • 1: Saturated data
  • Bit 4: Band 5 Data Saturation
    • 0: No saturation
    • 1: Saturated data
  • Bit 5: Band 6 Data Saturation
    • 0: No saturation
    • 1: Saturated data
  • Bit 6: Band 7 Data Saturation
    • 0: No saturation
    • 1: Saturated data
  • Bit 8: Band 9 Data Saturation
    • 0: No saturation
    • 1: Saturated data
  • Bit 11: Terrain occlusion
    • 0: No terrain occlusion
    • 1: Terrain occlusion
QA_AEROSOL Bit Index
  • Bit 0: Fill
    • 0: Pixel is not fill
    • 1: Pixel is fill
  • Bit 1: Valid aerosol retrieval
    • 0: Pixel retrieval is not valid
    • 1: Pixel retrieval is valid
  • Bit 2: Water
    • 0: Pixel is not water
    • 1: Pixel is water
  • Bit 5: Interpolated Aerosol
    • 0: Pixel is not aerosol interpolated
    • 1: Pixel is aerosol interpolated
  • Bits 6-7: Aerosol Level
    • 00: Climatology
    • 01: Low
    • 10: Medium
    • 11: High

属性

landsat_product_id

string

影像名称

processing_level

string

产品级别

date_acquired

string

拍摄日期(ISO 8601格式)

collection_category

string

影像质量级别属性,如T2,T1等

cloud_cover

float

云量覆盖百分比,-1表示未计算

sun_azimuth

double

太阳方位角

sun_elevation

double

太阳高度角

sensor_id

string

传感器类型

wrs_path

int

条带号

wrs_row

int

行编号

date

string

影像日期

代码:

/*** @File    :   HelloPIE* @Time    :   2020/7/21* @Author  :   piesat* @Version :   1.0* @Contact :   400-890-0662* @License :   (C)Copyright 航天宏图信息技术股份有限公司* @Desc    :   时空计算云服务平台的入门程序*/
//地图居中并且缩放到第6级别
Map.setCenter(120.254, 41.726, 6);
//设置显示显示参数
var visParam = {min: 0,max: 0.3,bands: ["B4","B3","B2"]
};
//加载指定的影像数据数据,筛选特定的波段数据
var image = pie.Image("LC08/02/SR/LC08_121031_20170101").select(["B4","B3","B2"]).multiply(0.0000275).subtract(0.2);
//输出影像的信息
print("image", image);
//加载显示影像
Map.addLayer(image, visParam, "image");

这篇关于Landsat 8 Landsat8 Collection2表面反射率数据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/851615

相关文章

SQL Server修改数据库名及物理数据文件名操作步骤

《SQLServer修改数据库名及物理数据文件名操作步骤》在SQLServer中重命名数据库是一个常见的操作,但需要确保用户具有足够的权限来执行此操作,:本文主要介绍SQLServer修改数据... 目录一、背景介绍二、操作步骤2.1 设置为单用户模式(断开连接)2.2 修改数据库名称2.3 查找逻辑文件名

canal实现mysql数据同步的详细过程

《canal实现mysql数据同步的详细过程》:本文主要介绍canal实现mysql数据同步的详细过程,本文通过实例图文相结合给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的... 目录1、canal下载2、mysql同步用户创建和授权3、canal admin安装和启动4、canal

使用SpringBoot整合Sharding Sphere实现数据脱敏的示例

《使用SpringBoot整合ShardingSphere实现数据脱敏的示例》ApacheShardingSphere数据脱敏模块,通过SQL拦截与改写实现敏感信息加密存储,解决手动处理繁琐及系统改... 目录痛点一:痛点二:脱敏配置Quick Start——Spring 显示配置:1.引入依赖2.创建脱敏

详解如何使用Python构建从数据到文档的自动化工作流

《详解如何使用Python构建从数据到文档的自动化工作流》这篇文章将通过真实工作场景拆解,为大家展示如何用Python构建自动化工作流,让工具代替人力完成这些数字苦力活,感兴趣的小伙伴可以跟随小编一起... 目录一、Excel处理:从数据搬运工到智能分析师二、PDF处理:文档工厂的智能生产线三、邮件自动化:

Python数据分析与可视化的全面指南(从数据清洗到图表呈现)

《Python数据分析与可视化的全面指南(从数据清洗到图表呈现)》Python是数据分析与可视化领域中最受欢迎的编程语言之一,凭借其丰富的库和工具,Python能够帮助我们快速处理、分析数据并生成高质... 目录一、数据采集与初步探索二、数据清洗的七种武器1. 缺失值处理策略2. 异常值检测与修正3. 数据

pandas实现数据concat拼接的示例代码

《pandas实现数据concat拼接的示例代码》pandas.concat用于合并DataFrame或Series,本文主要介绍了pandas实现数据concat拼接的示例代码,具有一定的参考价值,... 目录语法示例:使用pandas.concat合并数据默认的concat:参数axis=0,join=

C#代码实现解析WTGPS和BD数据

《C#代码实现解析WTGPS和BD数据》在现代的导航与定位应用中,准确解析GPS和北斗(BD)等卫星定位数据至关重要,本文将使用C#语言实现解析WTGPS和BD数据,需要的可以了解下... 目录一、代码结构概览1. 核心解析方法2. 位置信息解析3. 经纬度转换方法4. 日期和时间戳解析5. 辅助方法二、L

使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)

《使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)》字体设计和矢量图形处理是编程中一个有趣且实用的领域,通过Python的matplotlib库,我们可以轻松将字体轮廓... 目录背景知识字体轮廓的表示实现步骤1. 安装依赖库2. 准备数据3. 解析路径指令4. 绘制图形关键

解决mysql插入数据锁等待超时报错:Lock wait timeout exceeded;try restarting transaction

《解决mysql插入数据锁等待超时报错:Lockwaittimeoutexceeded;tryrestartingtransaction》:本文主要介绍解决mysql插入数据锁等待超时报... 目录报错信息解决办法1、数据库中执行如下sql2、再到 INNODB_TRX 事务表中查看总结报错信息Lock

使用C#删除Excel表格中的重复行数据的代码详解

《使用C#删除Excel表格中的重复行数据的代码详解》重复行是指在Excel表格中完全相同的多行数据,删除这些重复行至关重要,因为它们不仅会干扰数据分析,还可能导致错误的决策和结论,所以本文给大家介绍... 目录简介使用工具C# 删除Excel工作表中的重复行语法工作原理实现代码C# 删除指定Excel单元