LST数据集介绍与下载

2024-04-02 17:52
文章标签 数据 介绍 下载 lst

本文主要是介绍LST数据集介绍与下载,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、LST数据集

20个LST数据产品
中国陆域及周边逐日1km全天候地表温度数据集(TRIMS LST;2000-2022)

GLASS地表温度产品(Land Surface Temperature,简称LST)
GLASS产品集目前有二套瞬时LST产品。第一套是利用一种多算法集成方法,针对单一反演算法在大观测角度和高水汽含量情况下反演精度低的问题,将9种常见的分裂窗算法采用集成方法构建LST多算法集成反演模型。另一套AVHRR LST产品是基于一个改进型通用劈窗算法(Liu等,2019)。该算法是在通用劈窗算法的基础上增加了两个热红外通道亮温差的二次项,进而提高了原算法在高水汽含量下的反演精度。
马里兰大学GLASS产品

MODIS——NASA
TERRA为上午星,从北向南于地方时10:30左右通过赤道,AQUA为下午星,从南向北于地方时13:30左右通过赤道。主要下载的是MOD A11全球1km数据( MOD11 A1为地表温度和发射率日产品,产品己经进行了几何校正与辐射校正,投影坐标为球面曲线正弦投影,空间分辨率为1000m。
MODIS与Landsat获取LST数据

GEE——Modis_LST地表温度产品时间序列分析
Landsat
Landsat Land Surface Temperature线上交互
Landsat轨道查询

二、 GEE下载10mLST

GEE在2021年的时候就已经将Landsat8数据整合到C02数据集中, Landsat8数据的L2级产品的热红外波段ST_B10就直接对应着地表温度,只需简单计算即可获取摄氏度

var geometry = ee.FeatureCollection("projects/ee-wn1206/assets/beijing_urban").geometry();// A function that scales and masks Landsat 8 (C2) surface reflectance images.function prepSrL8(image) {// Bit 0 - Fill// Bit 1 - Dilated Cloud// Bit 2 - Cirrus// Bit 3 - Cloud// Bit 4 - Cloud Shadow// Develop masks for unwanted pixels (fill, cloud, cloud shadow).var qaMask = image.select('QA_PIXEL').bitwiseAnd(parseInt('11111', 2)).eq(0);//this is what is used ,this is cloud maskvar saturationMask = image.select('QA_RADSAT').eq(0);//0=no saturation// Apply the scaling factors to the appropriate bands.var getFactorImg = function(factorNames) {var factorList = image.toDictionary().select(factorNames).values();return ee.Image.constant(factorList);};var scaleImg = getFactorImg(['REFLECTANCE_MULT_BAND_.|TEMPERATURE_MULT_BAND_ST_B10']);var offsetImg = getFactorImg(['REFLECTANCE_ADD_BAND_.|TEMPERATURE_ADD_BAND_ST_B10']);var scaled = image.select('SR_B.|ST_B10').multiply(scaleImg).add(offsetImg);// Replace original bands with scaled bands and apply masks.return image.addBands(scaled, null, true).updateMask(qaMask).updateMask(saturationMask);}//scale function for landsat 4,5,7function maskL457sr(image) {// Bit 0 - Fill// Bit 1 - Dilated Cloud// Bit 2 - Unused// Bit 3 - Cloud// Bit 4 - Cloud Shadowvar qaMask = image.select('QA_PIXEL').bitwiseAnd(parseInt('11111', 2)).eq(0);var saturationMask = image.select('QA_RADSAT').eq(0);// Apply the scaling factors to the appropriate bands.var opticalBands = image.select('SR_B.').multiply(0.0000275).add(-0.2);var thermalBand = image.select('ST_B6').multiply(0.00341802).add(149.0);// Replace the original bands with the scaled ones and apply the masks.return image.addBands(opticalBands, null, true).addBands(thermalBand, null, true).updateMask(qaMask).updateMask(saturationMask);}//select year// var selectyear = 2019// Landsat 8 Collection 2 surface reflectance images of interest:2013-2020var dataset = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2').filterBounds(geometry).filter(ee.Filter.calendarRange(2020, 2022, 'year'))// .filterDate(selectyear+'-03-01', selectyear+'-05-30')//.filter(ee.Filter.calendarRange(1, 2, 'month')).filter(ee.Filter.or(ee.Filter.calendarRange(12, 12, 'month'),ee.Filter.calendarRange(1, 2, 'month'))// .filter(ee.Filter.eq('TARGET_WRS_ROW', 32)).filter(ee.Filter.eq('TARGET_WRS_PATH', 123)).filter(ee.Filter.lt('CLOUD_COVER', 20))print(dataset);var LSTcol=dataset.map(prepSrL8).select('ST_B10').mean().clip(geometry);//.reduce(ee.Reducer.percentile([50]))//对某个图像集合或图像进行中位数计算,返回一个新的图像或图像集合Map.centerObject(geometry)  Map.addLayer(geometry)Map.addLayer(LSTcol, {min: 260,max: 310, palette:['blue', 'cyan', 'green', 'yellow', 'red']}, 'LST8');print(LSTcol,"LSTcol") Export.image.toDrive({image: LSTcol,description: 'LST_winter',scale: 30,folder: "L8_beijing_LST",region: geometry,maxPixels: 1e13,crs: "EPSG:4326",fileFormat: 'GeoTIFF'
});

其他算法

LANDSAT/LC08/C02/T1_L2 10米分辨率

GEE code下载
基于GEE-Landsat8数据集地表温度反演(LST热度计算

依据文献
Google Earth Engine实现Landsat单窗算法地表温度LST自动反演

基于C++的landsat单通道算法温度反演

这篇关于LST数据集介绍与下载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/870656

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

性能测试介绍

性能测试是一种测试方法,旨在评估系统、应用程序或组件在现实场景中的性能表现和可靠性。它通常用于衡量系统在不同负载条件下的响应时间、吞吐量、资源利用率、稳定性和可扩展性等关键指标。 为什么要进行性能测试 通过性能测试,可以确定系统是否能够满足预期的性能要求,找出性能瓶颈和潜在的问题,并进行优化和调整。 发现性能瓶颈:性能测试可以帮助发现系统的性能瓶颈,即系统在高负载或高并发情况下可能出现的问题

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

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

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

【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