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

使用Python开发一个简单的本地图片服务器

《使用Python开发一个简单的本地图片服务器》本文介绍了如何结合wxPython构建的图形用户界面GUI和Python内建的Web服务器功能,在本地网络中搭建一个私人的,即开即用的网页相册,文中的示... 目录项目目标核心技术栈代码深度解析完整代码工作流程主要功能与优势潜在改进与思考运行结果总结你是否曾经

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

Mysql表的简单操作(基本技能)

《Mysql表的简单操作(基本技能)》在数据库中,表的操作主要包括表的创建、查看、修改、删除等,了解如何操作这些表是数据库管理和开发的基本技能,本文给大家介绍Mysql表的简单操作,感兴趣的朋友一起看... 目录3.1 创建表 3.2 查看表结构3.3 修改表3.4 实践案例:修改表在数据库中,表的操作主要

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

springboot简单集成Security配置的教程

《springboot简单集成Security配置的教程》:本文主要介绍springboot简单集成Security配置的教程,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,... 目录集成Security安全框架引入依赖编写配置类WebSecurityConfig(自定义资源权限规则

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,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... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

Redis 中的热点键和数据倾斜示例详解

《Redis中的热点键和数据倾斜示例详解》热点键是指在Redis中被频繁访问的特定键,这些键由于其高访问频率,可能导致Redis服务器的性能问题,尤其是在高并发场景下,本文给大家介绍Redis中的热... 目录Redis 中的热点键和数据倾斜热点键(Hot Key)定义特点应对策略示例数据倾斜(Data S

Python实现Microsoft Office自动化的几种方式及对比详解

《Python实现MicrosoftOffice自动化的几种方式及对比详解》办公自动化是指利用现代化设备和技术,代替办公人员的部分手动或重复性业务活动,优质而高效地处理办公事务,实现对信息的高效利用... 目录一、基于COM接口的自动化(pywin32)二、独立文件操作库1. Word处理(python-d