Landsat7_C2_SR数据集(大气校正地表发射率数据集)

news2025/1/31 3:11:31

Landsat7_C2_SR数据集是经大气校正后的地表反射率数据,属于Collection2的二级数据产品,空间分辨率为30米,基于Landsat生态系统扰动自适应处理系统(LEDAPS)(版本3.4.0)生成。水汽、臭氧、大气高度、气溶胶光学厚度、数字高程与Landsat数据一起输入到太阳光谱(6S)辐射传输模型中对卫星信号进行二次模拟,以生成大气顶部(TOA)反射率、表面反射率、TOA亮度温度和云、云影、陆地、水体的掩膜。2003年6月以来,因扫描线校正器(SLC)故障导致传输数据存在间隙问题。前言 – 人工智能教程

Landsat7_C2_SR数据集是Landsat7卫星的一种数据产品,提供每个卫星场景的反射率值。这个数据集使用了Landsat生态系统干扰自适应处理系统(LEDAPS),对大气效应进行了校正,并考虑了地形变化。这使得对地表特性和时间变化进行更准确的分析成为可能。这个数据集可以从美国地质调查局的Earth Explorer网站免费下载。

Landsat 7卫星的传感器为ETM+传感器,它有8个波段,其中第一波段为蓝色波段,第二波段为绿色波段,第三波段为红色波段。由于该传感器的扫描镜头故障,在接收到的数据中存在条带状的颜色差异,导致图像质量下降。修复该问题的一种方法是使用更高分辨率的传感器数据来填充缺失的数据。

具体的修复GEE代码:

GEE教程——Landsat7影像条带修复填充方法(核函数线性插值填充)填充后的NDVI为例-CSDN博客

名称单位最小值最大值乘法比例因子加性比例因子波长范围(微米)描述
B1Reflectance1654550.0000275-0.20.45-0.52Band 1 (blue) surface reflectance
B2Reflectance1654550.0000275-0.20.52-0.60Band 2 (green) surface reflectance
B3Reflectance1654550.0000275-0.20.63-0.69Band 3 (red) surface reflectance
B4Reflectance1654550.0000275-0.20.77-0.90Band 4 (near infrared) surface reflectance
B5Reflectance1654550.0000275-0.21.55-1.75Band 5 (shortwave infrared 1) surface reflectance
B7Reflectance1654550.0000275-0.22.08-2.35Band 7 (shortwave infrared 2) surface reflectance
SR_ATMOS_OPACITYUnitless0100000.001A general interpretation of atmospheric opacity generated by LEDAPS and based on the radiance viewed over Dark Dense Vegetation (DDV) within the scene. A general interpretation of atmospheric opacity is that values (after scaling by 0.001 is applied) less than 0.1 are clear, 0.1-0.3 are average, and values greater than 0.3 indicate haze or other cloud situations. SR values from pixels with high atmospheric opacity will be less reliable, especially under high solar zenith angle conditions. The SR_ATMOS_OPACITY band is provided for advanced users and for product quality assessment and has not been validated. Most users are advised to instead use the QA_PIXEL band information for cloud discrimination.
SR_CLOUD_QABit index156Cloud Quality Assessment
QA_PIXELBit Index544016382Landsat Collection 2 QA Bitmask
QA_RADSATBit Index03829Radiometric saturation QA

 

代码:

/**
 * @File    :   Landsat7_C2_SR_T1
 * @Time    :   2023/03/07
 * @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_7/02/T1/SR的Landsat7_C2_SR类数据集
 * @Name    :   Landsat7_C2_SR_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_7/02/T1/SR")
                    .filterCloud('lt',20)
                    .filterDate('2022-01-20','2022-02-15')
                    .select(['B1','B2','B3'])
                    .limit(10);
					
print("imageCollection",imageCollection);

//function applyScaleFactors(image) {
//    var opticalBands = image.select('B.*').multiply(0.0000275).add(-0.2);
//    return image.addBands(opticalBands, null, true)
//}
//
//var img = imageCollection.map(applyScaleFactors).first();
var img = imageCollection.first();

print("first", img);

var visParams = {
//    min: 3624,
//    max: 65535,
//    gamma: 1,
//    brightness: 1,
    bands: ['B3', 'B2', 'B1']
};

Map.centerObject(img);
Map.addLayer(img,visParams);

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:http://www.coloradmin.cn/o/1301265.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【SpringBoot教程】SpringBoot 实现前后端分离的跨域访问(Nginx)

作者简介:大家好,我是撸代码的羊驼,前阿里巴巴架构师,现某互联网公司CTO 联系v:sulny_ann(17362204968),加我进群,大家一起学习,一起进步,一起对抗…

【Linux】进程见通信之匿名管道pipe

1.匿名管道的特点 以下管道的统称仅代表匿名管道。 管道是一个只能单向通信的通信信道。为了实现进程间通信.管道是面向字节流的。仅限于父子通信或者具有血缘关系的进程进行进程见通信。管道自带同步机制,原子性写入。管道的生命周期是随进程的。 2.匿名管道通信…

neuq-acm预备队训练week 8 P8794 [蓝桥杯 2022 国 A] 环境治理

题目描述 输入格式 输出格式 输出一行包含一个整数表示答案。 输入输出样例 解题思路 最短路二分 AC代码 #include<bits/stdc.h> using namespace std; long long temp,n, Q; long long f[105][105],min_f[105][105],cut[105],dis[105][105];//cut为减少多少&#x…

ubuntu20.04在noetic下编译orbslam2

ubuntu20.04在noetic下编译orbslam2 参考链接1&#xff1a;https://blog.csdn.net/qq_58869016/article/details/128660588 参考链接2&#xff1a;https://blog.csdn.net/dong123456789e/article/details/129693837 在noetic下的安装环境 1.库安装 sudo apt-get update sudo …

仿交易猫转转闲鱼链接三合一源码+独立后台生成链接

高仿交易猫转转闲鱼源码 搭建教程:添加网站→上传源码→解压源码→导入数据库→修改数据库路径config/Conn.php 不用设置什么伪静态 不会可以看源码里有教程 下载程序&#xff1a;https://pan.baidu.com/s/16lN3gvRIZm7pqhvVMYYecQ?pwd6zw3

Pytorch-CNN轴承故障一维信号分类(二)

目录 前言 1 数据集制作与加载 1.1 导入数据 1.2 数据加载&#xff0c;训练数据、测试数据分组&#xff0c;数据分batch 2 CNN-2D分类模型和训练、评估 2.1 定义CNN-2d分类模型 2.2 定义模型参数 2.3 模型结构 2.4 模型训练 2.5 模型评估 3 CNN-1D分类模型和训练、评…

玩转大数据10:深度学习与神经网络在大数据中的应用

目录 1. 引言&#xff1a;深度学习和神经网络在大数据中的重要性和应用场景 2. 深度学习的基本概念和架构 3. Java中的深度学习框架 3.1. Deeplearning4j框架介绍及Java编程模型 3.2. DL4J、Keras和TensorFlow的集成 4. 大数据与深度学习的结合 4.1. 大数据与深度学…

第 5 部分 — LLM中红队的深入分析:数学和实证方法

一、说明 大型语言模型 (LLM) 领域正在迅速发展&#xff0c;需要强大的红队策略来确保其安全性和可靠性。 红队是一种模拟对抗性攻击来识别漏洞的方法&#xff0c;需要对理论基础和实际应用有深入的了解。在这个分析中&#xff0c;我深入研究了复杂的数学模型&#xff0c;并提供…

MOSFET 驱动设计

MOSFET 驱动设计 由于 MOSFET 的栅极 G 和源极 S 以及栅极 G 和漏极 D 之间隔着氧化物&#xff08;即绝缘层&#xff09;&#xff0c;所以 MOSFET 也叫绝缘栅场效应晶体管。常用于控制负载电路的通断&#xff0c;这种就属于功率 MOSFET&#xff0c;专用于驱动大功率负载。 1.…

RCNN 学习

RCNN算法流程 RCNN算法流程可分为4个步骤 一张图像生成1K~2K个候选区域&#xff08;使用Selective Search方法&#xff09;对每个候选区域&#xff0c;使用深度网络图特征特征送入每一类的SVM分类器&#xff0c;判别是否属于该类使用回归期器细修正候选框位置 1.候选区域的生…

【机器学习】041_模型开发迭代过程

一、模型开发的一般步骤 1. 明确研究问题 确定问题的组成和结果&#xff0c;明晰问题是分类问题还是回归问题 2. 决定系统总体架构 ①理解数据&#xff1a;采集&#xff08;爬取&#xff09;数据&#xff0c;生成&#xff08;导入&#xff09;数据&#xff0c;进行数据清洗…

绕过360给目标机器添加账户

CS BOF是什么&#xff1f; Beacon 对象文件 (BOF) 是一个已编译的 C 程序&#xff0c;按照约定编写&#xff0c;允许其在 Beacon 进程内执行并使用内部 Beacon API。BOF 是一种通过新的利用后功能快速扩展 Beacon 代理的方法。 BOF 的占地面积较小。它们在 Beacon 进程内部运…

备份和恢复Linux服务器上的HTTP配置

备份和恢复Linux服务器上的HTTP配置是一项重要的任务&#xff0c;它可以确保您的服务器在出现故障或配置错误时能够迅速恢复正常运行。下面我们将介绍如何备份和恢复Linux服务器上的HTTP配置。 备份HTTP配置 登录到Linux服务器上&#xff0c;并使用root权限。 备份HTTP配置文…

PPT插件-好用的插件-超级对齐-大珩助手

超级对齐 包含对齐幻灯、对齐对象、对齐文本三个层级&#xff0c;可共用水平分布、垂直分布、交换位置、统一尺寸、垂直居中、水平居中、绝对居中、靠左对齐、靠右对齐、靠上对齐、靠下对齐 可配合图形缩放使用 可配合文本打散使用 可配合素材库中的一键替换使用 选中场景中的…

代码随想录二刷 |二叉树 |144.二叉树的前序遍历

代码随想录二刷 &#xff5c;二叉树 &#xff5c;144.二叉树的前序遍历 题目描述解题思路代码实现递归法迭代法 题目描述 144.二叉树的前序遍历 给你二叉树的根节点 root &#xff0c;返回它节点值的 前序 遍历。 示例 1&#xff1a; 输入&#xff1a;root [1,null,2,3] 输…

Android P 9.0 增加以太网静态IP功能

效果图 一、Settings添加以太网的配置&#xff1a; 1、vendor\mediatek\proprietary\packages\apps\MtkSettings\res\xml\network_and_internet.xml <com.android.settingslib.RestrictedPreferenceandroid:key"ethernet_settings"android:title"string/et…

【LeetCode热题100】【滑动窗口】找到字符串中所有字母异位词

给定两个字符串 s 和 p&#xff0c;找到 s 中所有 p 的 异位词 的子串&#xff0c;返回这些子串的起始索引。不考虑答案输出的顺序。 异位词 指由相同字母重排列形成的字符串&#xff08;包括相同的字符串&#xff09;。 示例 1: 输入: s "cbaebabacd", p "…

Java Web——过滤器 监听器

目录 1. Filter & 过滤器 1.1. 过滤器概述 1.2. 过滤器的使用 1.3. 过滤器生命周期 1.4. 过滤器链的使用 1.5. 注解方式配置过滤器 2. Listener & 监听器 2.1. 监听器概述 2.2. Java Web的监听器 2.2.1. 常用监听器 2.2.1.1. ServletContextListener监听器 …

深度学习与逻辑回归模型的融合--TensorFlow多元分类的高级应用

手写数字识别 文章目录 手写数字识别1、线性回归VS逻辑回归Sigmoid函数 2、逻辑回归的基本模型-神经网络模型3、多元分类基本模型4、TensorFlow实战解决手写数字识别问题准备数据集数据集划分 特征数据归一化归一化方法归一化场景 标签数据独热编码One-Hot编码构建模型损失函数…

RT-DERT改进策略:AKConv即插即用,轻松涨点

摘要 提出了一种算法&#xff0c;用于生成任意尺寸卷积核的初始采样坐标。与常规卷积核相比&#xff0c;提出的AKConv实现了不规则卷积核的函数来提取特征&#xff0c;为各种变化目标提供具有任意采样形状和尺寸的卷积核&#xff0c;弥补了常规卷积的不足。在COCO2017和VisDro…