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

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

hdu2289(简单二分)

虽说是简单二分,但是我还是wa死了  题意:已知圆台的体积,求高度 首先要知道圆台体积怎么求:设上下底的半径分别为r1,r2,高为h,V = PI*(r1*r1+r1*r2+r2*r2)*h/3 然后以h进行二分 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#includ

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

usaco 1.3 Prime Cryptarithm(简单哈希表暴搜剪枝)

思路: 1. 用一个 hash[ ] 数组存放输入的数字,令 hash[ tmp ]=1 。 2. 一个自定义函数 check( ) ,检查各位是否为输入的数字。 3. 暴搜。第一行数从 100到999,第二行数从 10到99。 4. 剪枝。 代码: /*ID: who jayLANG: C++TASK: crypt1*/#include<stdio.h>bool h