Landsat 5 C02数据集2007-2011年

Landsat 5是美国陆地卫星系列(Landsat)的第五颗卫星,于1984年3月1日发射,2011年11月停止工作。16天可覆盖全球范围一次。Landsat5_C2_TOA数据集是由Collection2 level1数据通过MTL文件计算得到的TOA反射率产品。数据集的空间分辨率为30米,相对于Collection1 level1数据,Collection2 level1数据提高了几何校正和辐射定标的精度。Collection 2 level1数据采用了新的地面控制点(GCPs Phase 4),融合了Lan'd'sa't 8和欧洲航天局(ESA)发布的哨兵2(Sentinel-2)的控制点数据,提高了几何校正精度。为了便于在线分析存储,平台将影像像素值扩大了10000倍。前言 – 人工智能教程

Landsat 5是美国国家航空航天局(NASA)和美国地质调查局(USGS)联合制造和运营的一颗卫星,可以获取高分辨率的地球表面影像。其to-anything (TOA)数据则是指在卫星上进行测量时,记录的辐射能量数据,不经过大气校正和地表反射校正。

如果您需要获取Landsat 5的TOA数据,您可以访问USGS的地球资源观测数据中心(EROS)网站。在该网站上,您可以选择下载Landsat 5的TOA数据,可以按照日期、地理位置或其他过滤器过滤数据,以符合您的需要。此外,还有一些付费的数据提供商也提供Landsat 5的TOA数据下载服务。

名称分辨率(米)类型比例因子波长范围(微米)描述主要作用
B130int16100000.45 - 0.52Blue(蓝色波段)用于水体穿透,分辨土壤植被
B230int16100000.52 - 0.60Green(绿色波段)分辨植被
B330int16100000.63 - 0.69Red(红色波段)处于叶绿素吸收区域,对道路、裸露土壤、植被种类具有良好的观测效果
B430int16100000.76 - 0.90Near infrared(近红外)用于估算生物数量,可以区分植被和水体,分辨潮湿土壤,但是对于道路的辨认效果逊于B3
B530int16100001.55 - 1.75Shortwave infrared 1(中红外)可分辨道路、裸露土壤、水,在不同植被间具有良好的对比度,有较好的穿透大气、云雾的能力
B630int161010.40 - 12.50Thermal Infrared(热红外)感应发出热辐射的目标
B730int16100002.08 - 2.35Shortwave infrared 2(中红外)可分辨岩石、矿物,也可用于辨识植被覆盖和湿润土壤
QA_PIXEL30Landsat Collection 2 QA Bitmask(像素质量评估波段)
QA_RADSAT30Radiometric saturation QA(辐射饱和度和地形遮挡的质量评估波段)
SAA30Solar Azimuth Angle(太阳方位角)
SZA30Solar Zenith Angle(太阳天顶角)
VAA30View Azimuth Angle(卫星方位角)
VZA30View Zenith Angle(卫星天顶角)

代码:

/**
 * @File    :   Landsat5_C2_TOA_T1
 * @Time    :   2023/03/20
 * @Author  :   GEOVIS Earth Brain
 * @Version :   0.1.0
 * @Contact :   中国(安徽)自由贸易试验区合肥市高新区望江西路900号中安创谷科技园一期A1楼36层
 * @License :   (C)Copyright 中科星图数字地球合肥有限公司 版权所有
 * @Desc    :  数据集key为LANDSAT_5/02/T1/TOA的Landsat5_C2_TOA类数据集
 * @Name    :   Landsat5_C2_TOA_T1数据集
*/
//指定检索数据集,可设置检索的空间和时间范围,以及属性过滤条件(如云量过滤)
var imageCollection = gve.ImageCollection("LANDSAT_5/02/T1/TOA")
                    .filterCloud('lt',20)
                    .filterDate('2011-01-07','2011-01-11')
                    .select(['B1','B2','B3'])
                    .limit(10);
					
print("imageCollection",imageCollection);

function applyScaleFactors(image) {
    var opticalBands = image.select('B.*').multiply(0.0001);
    return image.addBands(opticalBands, null, true)
}

var img = imageCollection.map(applyScaleFactors).first();

print("first", img);

var visParams = {
    bands: ['B3', 'B2', 'B1'],
    min: 0,
    max: 0.4
};

var id = Map.addLayer(img,visParams);

Map.flyto(id);

Landsat 数据集属于国际公开数据,可以在没有版权限制的情况下使用、传输或复制。有关USGS数据产品正确引用的更多详细信息,请参阅USGS Visual Identity System Guidancehttps://www.usgs.gov/information-policies-and-instructions/usgs-visual-identity-system

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/221340.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

失落的艺术:无着色器3D渲染

假设你想创建一个甜蜜的弹跳立方体,如下所示: 一个弹跳的立方体 你可以使用 3D 框架,例如 OpenGL 或 Metal。 这涉及编写一个或多个顶点着色器来变换 3D 对象,以及编写一个或多个片段着色器来在屏幕上绘制这些变换后的对象。 然…

Spatial Data Analysis(三):点模式分析

Spatial Data Analysis(三):点模式分析 ---- 1853年伦敦霍乱爆发 在此示例中,我将演示如何使用 John Snow 博士的经典霍乱地图在 Python 中执行 KDE 分析和距离函数。 感谢 Robin Wilson 将所有数据数字化并将其转换为友好的 G…

把 Windows 11 装进移动硬盘:Windows 11 To Go

本篇文章聊聊如何制作一个可以“说带走就带走”的 Windows 操作系统,将 Windows11 做成能够放在 U 盘或者移动硬盘里的 WinToGo “绿色软件”。 写在前面 在《开源的全能维护 U 盘工具:Ventoy》这篇文章的最后,我提到了一个关键词 “WinToG…

Hadoop高可用(主备切换)---配合Zookeeper

1. Hadoop高可用(Hadoop High Availability)概述 HA(High Available), 高可用,是保证业务连续性的有效解决方案,一般有两个或两个以上的节点,分为活动节点(Active)及备用节点(Standby)。通常把…

sizeof()、strlen()、length()、size()的区别(笔记)

​ 上面的笔记有点简陋,可以看一下下面这个博主的: c/c中sizeof()、strlen()、length()、size()详解和区别_csize,sizeof,length_xuechanba的博客-CSDN博客

AI 绘画 | Stable Diffusion LCM和FP8 显存不足的福音

前言 在我们使用Stable Diffusion 作画的时候,普通用户因为电脑显存配置过低,经常会出现爆显存和出图慢的困扰。而SD-WebUI在显存优化方便不如ComfyUI和Fooocus,但是也有一些弥补SD-WebUI显存问题的方案,那就是LCM和FP8。 LCM 教程 简介 LCM 是一个用于 Stable Diffusio…

智能优化算法应用:基于瞬态优化算法无线传感器网络(WSN)覆盖优化 - 附代码

智能优化算法应用:基于瞬态优化算法无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用:基于瞬态优化算法无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.瞬态优化算法4.实验参数设定5.算法结果6.参考…

基于web的ssm网络在线考试系统源码和论文

摘要 随着Internet的发展,人们的日常生活已经离不开网络。未来人们的生活与工作将变得越来越数字化,网络化和电子化。网上管理,它将是直接管理网络在线考试系统的最新形式。本论文是以构建网络在线考试系统为目标,使用 java技术制…

基于阿里云服务网格流量泳道的全链路流量管理(一):严格模式流量泳道

作者:尹航 概述 灰度发布是一种常见的对新版本应用服务的发布手段,其特点在于能够将流量在服务的稳定版本和灰度版本之间时刻切换,以帮助我们用更加可靠的方式实现服务的升级。在流量比例切换的过程中,我们可以逐步验证新版本服…

视频汇聚/音视频流媒体视频平台/视频监控EasyCVR分享页面无法播放,该如何解决?

国标GB28181安防视频监控/视频集中存储/云存储EasyCVR平台可拓展性强、视频能力灵活、部署轻快,可支持的主流标准协议有国标GB28181、RTSP/Onvif、RTMP等,以及支持厂家私有协议与SDK接入,包括海康Ehome、海大宇等设备的SDK等。平台既具备传统…

大数据:sql,数据挖掘刷题

大数据:sql 2022找工作是学历、能力和运气的超强结合体,遇到寒冬,大厂不招人,可能很多算法学生都得去找开发,测开 测开的话,你就得学数据库,sql,oracle,尤其sql要学&…

网络安全(三)-- 网络嗅探及协议分析技术

目标 了解网络嗅探的基本含义了解tcpdump工具的基本用法掌握tcpdump工具抓包保存到文件的方法熟悉wireshark工具的基本用法掌握借助wireshark抓包工具分析简单网络协议的方法 6.1. 概述 网络嗅探是一种常用的数据收集、分析的方法: 黑客常通过网络嗅探获取主机或网络的控制权…

探索C++14新特性:更强大、更高效的编程

探索C14新特性:更强大、更高效的编程 C14并没有太大的改动,就连官方说明中也指出,C14相对于C11来说是一个比较小的改动,但是在很大程度上完善了C11,所以可以说C14就是在C11标准上的查漏补缺。 C14在2014年8月18日正式…

软磁材料市场分析:我国产量约18万吨

软磁材料,指的是当磁化发生在Hc不大于1000A/m,这样的材料称为软磁体。典型的软磁材料,可以用最小的外磁场实现最大的磁化强度。软磁材料(soft magnetic material)具有低矫顽力和高磁导率的磁性材料。 主要应用于风电、电子、计算机、通信、医…

IT外包服务融合云计算:企业信息化发展的新阶段

IT外包服务和云计算是企业在发展过程中重点关注的对象,它们在不同的方面为企业的信息化建设提供有力的支持。而两者的融合与发展更是为企业带来了巨大的机遇和挑战。 IT外包服务与云计算的融合为企业带来的机遇 首先,IT外包服务与云计算的融合使企业能够…

AI助力智慧农业,基于YOLOv5全系列模型【n/s/m/l/x】开发构建不同参数量级农田场景下庄稼作物、杂草智能检测识别系统

紧接前文,本文是农田场景下庄稼作物、杂草检测识别的第二篇文章,前文是基于YOLOv3这一网络模型实现的目标检测,v3相对来说比较早期的网络模型了,本文是基于最为经典的YOLOv5来开发不同参数量级的检测端模型。 首先看下实例效果&a…

数字与数学高频问题

关卡名 数字与数学高频问题 我会了✔️ 内容 1.掌握数组实现加法的方法 ✔️ 2.掌握高精度计算的实现方法 ✔️ 3.掌握幂运算的技巧 ✔️ 1. 数组实现加法专题 数字加法,小学生都会的问题,但是如果让你用数组来表示一个数,如何实现加法…

百面嵌入式专栏(岗位分析)海康高级linux开发工程师分析

文章目录 一、岗位的介绍二、刨析2.1、掌握调试工具2.2、块设备相关知识 三、简历建议 沉淀、分享、成长,让自己和他人都能有所收获!😄 📢本篇我们将对海康高级linux开发工程师岗位进行分析 。 一、岗位的介绍 地点:上…

JS箭头函数

箭头函数 1. 基本语法 // // 一般函数const fn function() {console.log(123);}// 箭头函数const fn () > {console.log(123);}fn()const fn (x) > {console.log(x);}fn(1)// 只有一个形参的时候可以省略小括号const fn x > {console.log(x);}fn(1)// 只有一行代…

学习springcloud时遇到java: 找不到符号 符号: 方法 getPname()

学习springcloud时异常-java: 找不到符号 符号: 方法 getPname() 学习springcloud时,遇到获取实体类属性值时出现异常。 项目目前分为两个子模块,一个是实体类模块,另一个是应用层。 在查询数据后,打印pname属性时报错&#xff…