GEE中Landsat、Sentinel、Modis主要数据集区别

2024-01-18 09:36

本文主要是介绍GEE中Landsat、Sentinel、Modis主要数据集区别,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!

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
Collection1Collection2
时间跨度1972~2021底1972~至今
数据等级level 1level1:1972~2021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 2 包括基于场景的全球 2 级表面温度科学产品
在这里插入图片描述

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-0.2在这里插入图片描述Bitmask for QA_PIXEL:去云Bit3和4

Bit012345678-910-1112-1314-15
FillDilated CloudCirrus (high confidence)CloudCloud ShadowSnowClearWaterCloud ConfidenceCloud Shadow ConfidenceSnow/Ice ConfidenceCirrus 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:

  • 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

这篇关于GEE中Landsat、Sentinel、Modis主要数据集区别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/618639

相关文章

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

go 指针接收者和值接收者的区别小结

《go指针接收者和值接收者的区别小结》在Go语言中,值接收者和指针接收者是方法定义中的两种接收者类型,本文主要介绍了go指针接收者和值接收者的区别小结,文中通过示例代码介绍的非常详细,需要的朋友们下... 目录go 指针接收者和值接收者的区别易错点辨析go 指针接收者和值接收者的区别指针接收者和值接收者的

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient

售价599元起! 华为路由器X1/Pro发布 配置与区别一览

《售价599元起!华为路由器X1/Pro发布配置与区别一览》华为路由器X1/Pro发布,有朋友留言问华为路由X1和X1Pro怎么选择,关于这个问题,本期图文将对这二款路由器做了期参数对比,大家看... 华为路由 X1 系列已经正式发布并开启预售,将在 4 月 25 日 10:08 正式开售,两款产品分别为华

SpringValidation数据校验之约束注解与分组校验方式

《SpringValidation数据校验之约束注解与分组校验方式》本文将深入探讨SpringValidation的核心功能,帮助开发者掌握约束注解的使用技巧和分组校验的高级应用,从而构建更加健壮和可... 目录引言一、Spring Validation基础架构1.1 jsR-380标准与Spring整合1

MySQL 中查询 VARCHAR 类型 JSON 数据的问题记录

《MySQL中查询VARCHAR类型JSON数据的问题记录》在数据库设计中,有时我们会将JSON数据存储在VARCHAR或TEXT类型字段中,本文将详细介绍如何在MySQL中有效查询存储为V... 目录一、问题背景二、mysql jsON 函数2.1 常用 JSON 函数三、查询示例3.1 基本查询3.2

SpringBatch数据写入实现

《SpringBatch数据写入实现》SpringBatch通过ItemWriter接口及其丰富的实现,提供了强大的数据写入能力,本文主要介绍了SpringBatch数据写入实现,具有一定的参考价值,... 目录python引言一、ItemWriter核心概念二、数据库写入实现三、文件写入实现四、多目标写入

使用Python将JSON,XML和YAML数据写入Excel文件

《使用Python将JSON,XML和YAML数据写入Excel文件》JSON、XML和YAML作为主流结构化数据格式,因其层次化表达能力和跨平台兼容性,已成为系统间数据交换的通用载体,本文将介绍如何... 目录如何使用python写入数据到Excel工作表用Python导入jsON数据到Excel工作表用

Mysql如何将数据按照年月分组的统计

《Mysql如何将数据按照年月分组的统计》:本文主要介绍Mysql如何将数据按照年月分组的统计方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录mysql将数据按照年月分组的统计要的效果方案总结Mysql将数据按照年月分组的统计要的效果方案① 使用 DA