星图地球——Landsat5_C2_SR_T1数据集

简介: 星图地球——Landsat5_C2_SR_T1数据集

数据简介:

Landsat5_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,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。前言 – 人工智能教程

Landsat5_C2_SR_T1数据集是由美国地质调查局(USGS)提供的卫星遥感数据集。它是基于Landsat 5卫星的传感器数据得到的。

该数据集包含了包括全球范围内陆表面的高分辨率图像。图像的分辨率为30米,可以提供较为细致的地表特征信息。

Landsat5_C2_SR_T1数据集还提供了大量的辐射校正和大气校正处理后的数据。这些处理可以提高图像的质量,并减少大气效应对图像的影响。

数据集还包括了多个波段的图像,如红色、绿色、蓝色、近红外等。这些波段可以用于不同的应用,比如植被监测、土地利用分类、环境监测等。

此外,Landsat5_C2_SR_T1数据集还提供了各种元数据,如时间、地理坐标、云量等,方便用户进行分析和研究。

总之,Landsat5_C2_SR_T1数据集是一个重要的遥感数据集,提供了高质量的陆表面图像和相关的元数据,可用于各种地球科学和环境研究应用。

数据名称:

Landsat5_C2_SR

数据来源:

USGS

时空范围:

2008年1月-2011年11月

空间范围:

全国

引用代码:

LANDSAT_5/02/T1/SR

波段

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
B1 Reflectance 1 65455 0.0000275 -0.2 0.45-0.52 Band 1 (blue) surface reflectance
B2 Reflectance 1 65455 0.0000275 -0.2 0.52-0.60 Band 2 (green) surface reflectance
B3 Reflectance 1 65455 0.0000275 -0.2 0.63-0.69 Band 3 (red) surface reflectance
B4 Reflectance 1 65455 0.0000275 -0.2 0.77-0.90 Band 4 (near infrared) surface reflectance
B5 Reflectance 1 65455 0.0000275 -0.2 1.55-1.75 Band 5 (shortwave infrared 1) surface reflectance
B7 Reflectance 1 65455 0.0000275 -0.2 2.08-2.35 Band 7 (shortwave infrared 2) surface reflectance
SR_ATMOS_OPACITY Unitless 0 10000 0.001 A 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_QA Bit index 1 56 Cloud Quality Assessment
QA_PIXEL Bit Index 5440 16382 Landsat Collection 2 QA Bitmask
QA_RADSAT Bit Index 0 3829 Radiometric saturation QA

Landsat5_C2_SR_T1数据集与TOA数据集差异

Landsat5_C2_SR_T1数据集与TOA(Top of Atmosphere)数据集的差异在于它们经历了不同的校正步骤和数据处理过程。

TOA数据是通过对原始的卫星图像进行辐射校正得到的。辐射校正是将卫星接收到的辐射值转换为辐射能量值,该值不受大气影响,可以准确地反映地表特征。TOA数据是没有经过大气校正的,仅仅进行了辐射校正。

而Landsat5_C2_SR_T1数据集是基于TOA数据进行的二次处理。它通过引入大气校正算法,对TOA数据进行了大气校正处理。大气校正是为了消除大气效应,以更准确地反映地表特征。这样处理后的数据集不仅进行了辐射校正,还考虑了大气的影响。

因此,Landsat5_C2_SR_T1数据集相比于TOA数据集,更加准确地反映了地表特征,并且可以用于更为精确的地表分析和研究。但同时,大气校正也可能引入一些误差,特别是在有大气污染或多云的情况下。因此,在使用数据集时需要考虑这些因素。

代码:

/**
 * @File    :   Landsat5_C2_SR_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/SR的Landsat5_C2_SR类数据集
 * @Name    :   Landsat5_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_5/02/T1/SR")
                    .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(0.0000275).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:6251,
//    max:65535,
//    gamma: 0.8,
//    brightness: 0.8,
    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

相关文章
|
3月前
|
编解码 人工智能 定位技术
中国1km土壤特征数据集(2010年)
中国1km土壤特征数据集(2010年)
21 1
中国1km土壤特征数据集(2010年)
|
3月前
|
传感器 编解码 人工智能
中科星图——MCD43A4 V6天底双向反射率分布函数调整反射率(NBAR)数据集
中科星图——MCD43A4 V6天底双向反射率分布函数调整反射率(NBAR)数据集
107 8
|
3月前
|
人工智能 数据库
GEE数据集——USGS全球地震数据集
GEE数据集——USGS全球地震数据集
63 2
|
3月前
GEE——利用Landsat系列数据集进行1984-2023EVI指数趋势分析
GEE——利用Landsat系列数据集进行1984-2023EVI指数趋势分析
65 0
|
3月前
|
机器学习/深度学习 传感器 算法
GEE好文推荐——利用样本点迁移方法快速实现全球范围内1984年至今基于Landsat影像的土地分类
GEE好文推荐——利用样本点迁移方法快速实现全球范围内1984年至今基于Landsat影像的土地分类
91 0
|
3月前
|
传感器 存储 编解码
中科星图——Landsat9_C2_TOA数据集
中科星图——Landsat9_C2_TOA数据集
46 5
|
3月前
|
传感器 存储 编解码
星图地球——Landsat5_C2_TOA_T1数据集
星图地球——Landsat5_C2_TOA_T1数据集
32 2
|
3月前
|
编解码 人工智能 定位技术
中科星图——Landsat9_C2_SR大气校正后的地表反射率数据
中科星图——Landsat9_C2_SR大气校正后的地表反射率数据
47 1
|
3月前
|
传感器 编解码 人工智能
Landsat7_C2_SR数据集(大气校正地表发射率数据集)
Landsat7_C2_SR数据集(大气校正地表发射率数据集)
21 0
|
3月前
|
数据采集 编解码 人工智能
中科星图——Landsat9_C2_ST数据集是经大气校正的地表温度数据
中科星图——Landsat9_C2_ST数据集是经大气校正的地表温度数据
63 2