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

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

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实现将MySQL中所有表的数据都导出为CSV文件并压缩

《Python实现将MySQL中所有表的数据都导出为CSV文件并压缩》这篇文章主要为大家详细介绍了如何使用Python将MySQL数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到... python将mysql数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到另一个

SpringBoot整合jasypt实现重要数据加密

《SpringBoot整合jasypt实现重要数据加密》Jasypt是一个专注于简化Java加密操作的开源工具,:本文主要介绍详细介绍了如何使用jasypt实现重要数据加密,感兴趣的小伙伴可... 目录jasypt简介 jasypt的优点SpringBoot使用jasypt创建mapper接口配置文件加密

使用Python高效获取网络数据的操作指南

《使用Python高效获取网络数据的操作指南》网络爬虫是一种自动化程序,用于访问和提取网站上的数据,Python是进行网络爬虫开发的理想语言,拥有丰富的库和工具,使得编写和维护爬虫变得简单高效,本文将... 目录网络爬虫的基本概念常用库介绍安装库Requests和BeautifulSoup爬虫开发发送请求解

Oracle存储过程里操作BLOB的字节数据的办法

《Oracle存储过程里操作BLOB的字节数据的办法》该篇文章介绍了如何在Oracle存储过程中操作BLOB的字节数据,作者研究了如何获取BLOB的字节长度、如何使用DBMS_LOB包进行BLOB操作... 目录一、缘由二、办法2.1 基本操作2.2 DBMS_LOB包2.3 字节级操作与RAW数据类型2.

MySQL使用binlog2sql工具实现在线恢复数据功能

《MySQL使用binlog2sql工具实现在线恢复数据功能》binlog2sql是大众点评开源的一款用于解析MySQLbinlog的工具,根据不同选项,可以得到原始SQL、回滚SQL等,下面我们就来... 目录背景目标步骤准备工作恢复数据结果验证结论背景生产数据库执行 SQL 脚本,一般会经过正规的审批