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

Python将大量遥感数据的值缩放指定倍数的方法(推荐)

《Python将大量遥感数据的值缩放指定倍数的方法(推荐)》本文介绍基于Python中的gdal模块,批量读取大量多波段遥感影像文件,分别对各波段数据加以数值处理,并将所得处理后数据保存为新的遥感影像... 本文介绍基于python中的gdal模块,批量读取大量多波段遥感影像文件,分别对各波段数据加以数值处

使用MongoDB进行数据存储的操作流程

《使用MongoDB进行数据存储的操作流程》在现代应用开发中,数据存储是一个至关重要的部分,随着数据量的增大和复杂性的增加,传统的关系型数据库有时难以应对高并发和大数据量的处理需求,MongoDB作为... 目录什么是MongoDB?MongoDB的优势使用MongoDB进行数据存储1. 安装MongoDB

Python MySQL如何通过Binlog获取变更记录恢复数据

《PythonMySQL如何通过Binlog获取变更记录恢复数据》本文介绍了如何使用Python和pymysqlreplication库通过MySQL的二进制日志(Binlog)获取数据库的变更记录... 目录python mysql通过Binlog获取变更记录恢复数据1.安装pymysqlreplicat

利用Python编写一个简单的聊天机器人

《利用Python编写一个简单的聊天机器人》这篇文章主要为大家详细介绍了如何利用Python编写一个简单的聊天机器人,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... 使用 python 编写一个简单的聊天机器人可以从最基础的逻辑开始,然后逐步加入更复杂的功能。这里我们将先实现一个简单的

Linux使用dd命令来复制和转换数据的操作方法

《Linux使用dd命令来复制和转换数据的操作方法》Linux中的dd命令是一个功能强大的数据复制和转换实用程序,它以较低级别运行,通常用于创建可启动的USB驱动器、克隆磁盘和生成随机数据等任务,本文... 目录简介功能和能力语法常用选项示例用法基础用法创建可启动www.chinasem.cn的 USB 驱动

Oracle数据库使用 listagg去重删除重复数据的方法汇总

《Oracle数据库使用listagg去重删除重复数据的方法汇总》文章介绍了在Oracle数据库中使用LISTAGG和XMLAGG函数进行字符串聚合并去重的方法,包括去重聚合、使用XML解析和CLO... 目录案例表第一种:使用wm_concat() + distinct去重聚合第二种:使用listagg,

Python实现将实体类列表数据导出到Excel文件

《Python实现将实体类列表数据导出到Excel文件》在数据处理和报告生成中,将实体类的列表数据导出到Excel文件是一项常见任务,Python提供了多种库来实现这一目标,下面就来跟随小编一起学习一... 目录一、环境准备二、定义实体类三、创建实体类列表四、将实体类列表转换为DataFrame五、导出Da

Python实现数据清洗的18种方法

《Python实现数据清洗的18种方法》本文主要介绍了Python实现数据清洗的18种方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录1. 去除字符串两边空格2. 转换数据类型3. 大小写转换4. 移除列表中的重复元素5. 快速统

Python数据处理之导入导出Excel数据方式

《Python数据处理之导入导出Excel数据方式》Python是Excel数据处理的绝佳工具,通过Pandas和Openpyxl等库可以实现数据的导入、导出和自动化处理,从基础的数据读取和清洗到复杂... 目录python导入导出Excel数据开启数据之旅:为什么Python是Excel数据处理的最佳拍档

在Pandas中进行数据重命名的方法示例

《在Pandas中进行数据重命名的方法示例》Pandas作为Python中最流行的数据处理库,提供了强大的数据操作功能,其中数据重命名是常见且基础的操作之一,本文将通过简洁明了的讲解和丰富的代码示例,... 目录一、引言二、Pandas rename方法简介三、列名重命名3.1 使用字典进行列名重命名3.编