中科星图——Landsat9_C2_ST数据集是经大气校正的地表温度数据

简介: 中科星图——Landsat9_C2_ST数据集是经大气校正的地表温度数据

数据名称:

Landsat9_C2_ST

数据来源:

USGS

时空范围:

2022年1月-2023年3月

空间范围:

全国

数据简介:

Landsat9_C2_ST数据集是经大气校正的地表温度数据,属于Collection2的二级数据产品,以开尔文为单位测量地球表面温度,是全球能量平衡研究和水文模拟中的重要地球物理参数。地表温度数据还有助于监测作物和植被健康状况,以及极端高温事件,如自然灾害(如火山爆发、野火)和城市热岛效应。前言 – 人工智能教程

Landsat 9 C2 ST(Collection 2 Surface Reflectance)是美国地球观测卫星(Landsat)计划的一部分,是由美国地质调查局(USGS)开发和维护的公开可用的遥感数据集。Landsat 9是陆地观测卫星系列中的最新一颗,于2021年9月正式发射并开始数据采集。Landsat系列的遥感数据有助于研究人们对地表变化和环境监测的理解,因此Landsat 9 C2 ST数据集具有广泛的应用领域。

Landsat 9 C2 ST数据集以其高分辨率和连续的观测能力而闻名。它提供了从1972年以来的连续地球观测数据,使研究人员可以进行长期的陆地变化和环境监测。数据集的核心是高分辨率(30米)的陆地表面反射率图像,可以用于研究土地利用、土地覆盖、植被生长、水文过程和气候变化等方面的问题。此外,Landsat 9 C2 ST数据集还包括其他相关数据,如云覆盖率、大气校正参数和地表温度等,以便更全面地分析和解释地球表面的变化。

Landsat 9 C2 ST数据集的优势主要体现在以下几个方面。首先,它具有高空间分辨率,每个像素的大小为30米。这使得数据集可以捕捉到地表的微小变化,对于研究植被类型、水体分布、城市扩张等方面的问题具有重要意义。其次,Landsat 9 C2 ST数据集具有连续观测的能力,可以提供长期的陆地变化数据。这对于长期监测和评估环境变化的影响非常有帮助。此外,Landsat 9 C2 ST数据集是免费提供的,任何人都可以访问和使用,这使得它成为广大研究人员、教育者和政府机构开展科学研究和决策支持的理想选择。

Landsat 9 C2 ST数据集的应用非常广泛。在环境科学领域,它可以用于监测土地利用和覆盖变化、研究植被类型和覆盖度、评估水资源和水体质量、监测土地侵蚀和沙漠化等。在农业领域,它可以用于监测农田的植被生长和健康状况、评估农作物的产量和种植面积等。在城市规划和发展方面,它可以用于监测城市扩张、评估城市绿地和土地利用的变化等。此外,Landsat 9 C2 ST数据集还可以用于监测自然灾害(如洪水、火灾和地震)的影响,以及评估生物多样性和生态系统健康等。

总之,Landsat 9 C2 ST数据集是一种重要的遥感数据资源,具有广泛的应用领域。它提供了高分辨率的陆地表面反射率图像和其他相关数据,可用于研究土地利用、植被生长、水文过程、气候变化等方面的问题。通过长期的连续观测,该数据集可以提供有关地球表面变化的宝贵信息,有助于科学研究、环境监测和决策支持。

引用代码:

LANDSAT_9/02/T1/ST

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
B10 Kelvin 0 65535 0.00341802 149 10.60-11.19 Band 10 surface temperature. If 'PROCESSING_LEVEL' is set to 'L2SR', this band is fully masked out.
ST_ATRAN Unitless 0 10000 0.0001 Atmospheric Transmittance. If 'PROCESSING_LEVEL' is set to 'L2SR', this band is fully masked out.
ST_CDIST km 0 24000 0.01 Pixel distance to cloud. If 'PROCESSING_LEVEL' is set to 'L2SR', this band is fully masked out.
ST_DRAD W/(m^2*sr*um)/ DN 0 28000 0.001 Downwelled Radiance. If 'PROCESSING_LEVEL' is set to 'L2SR', this band is fully masked out.
ST_EMIS Unitless 0 10000 0.0001 Emissivity of Band 10 estimated from ASTER GED. If 'PROCESSING_LEVEL' is set to 'L2SR', this band is fully masked out.
ST_EMSD Unitless 0 10000 0.0001 Emissivity standard deviation. If 'PROCESSING_LEVEL' is set to 'L2SR', this band is fully masked out.
ST_QA Kelvin 0 32767 0.01 Uncertainty of the Surface Temperature band. If 'PROCESSING_LEVEL' is set to 'L2SR', this band is fully masked out.
ST_TRAD W/(m^2*sr*um)/ DN 0 22000 0.001 Thermal band converted to radiance. If 'PROCESSING_LEVEL' is set to 'L2SR', this band is fully masked out.
ST_URAD W/(m^2*sr*um)/ DN 0 28000 0.001 Upwelled Radiance. If 'PROCESSING_LEVEL' is set to 'L2SR', this band is fully masked out.
QA_PIXEL Bit Index 21824 65534 Landsat Collection 2 QA Bitmask
QA_RADSAT Bit Index 0 3829 Radiometric saturation QA

代码:

/**
 * @File    :   Landsat9_C2_ST_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_9/02/T1/ST的Landsat9_C2_ST类数据集
 * @Name    :   Landsat9_C2_ST_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_9/02/T1/ST")
                    .filterCloud('lt',20)
                    .filterDate('2022-01-01','2022-02-15')
                    .select(['B10'])
                    .limit(10);
                    
print("imageCollection",imageCollection);
//function applyScaleFactors(image) {
//    var thermalBands = image.select('B.*').multiply(0.00341802).add(149.0);
//    return image.addBands(thermalBands, null, true)
//}
//
//var img = imageCollection.map(applyScaleFactors).first();
var img = imageCollection.first();
print("first", img);
var visParams = {
//    gamma: 1,
//    brightness: 1,
    min: 26245,
    max: 41469,
    palette: {
    "band_rendering": {
      "pseudocolor": {
      "colormap": [
        '#040274', '#040281', '#0502a3', '#0502b8', '#0502ce', '#0502e6',
        '#0602ff', '#235cb1', '#307ef3', '#269db1', '#30c8e2', '#32d3ef',
        '#3be285', '#3ff38f', '#86e26f', '#3ae237', '#b5e22e', '#d6e21f',
        '#fff705', '#ffd611', '#ffb613', '#ff8b13', '#ff6e08', '#ff500d',
        '#ff0000', '#de0101', '#c21301', '#a71001', '#911003'
        ]
      }
    }
 }
};
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
中科星图——MOD11A1 V6是由Aqua中分辨率成像光谱仪获取的地表温度/发射率(LST/E)数据集
中科星图——MOD11A1 V6是由Aqua中分辨率成像光谱仪获取的地表温度/发射率(LST/E)数据集
36 1
|
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
|
编解码 数据中心
中国1km分辨率逐月降水数据集(1901-2020)
中国1km分辨率逐月降水数据集(1901-2020)
57 1
中国1km分辨率逐月降水数据集(1901-2020)
|
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
|
机器学习/深度学习 数据采集 编解码
基于MODIS数据的2000-2021年中国植被生物量数据集
基于MODIS数据的2000-2021年中国植被生物量数据集
57 0
|
3月前
|
编解码 人工智能
PIE-ENGINE——高分1号系列影像数据2米/8米光学卫星
PIE-ENGINE——高分1号系列影像数据2米/8米光学卫星
23 0
|
5月前
|
传感器 存储 编解码
基于ENVI的Landsat 7地表温度(LST)大气校正方法反演与地物温度分析
基于ENVI的Landsat 7地表温度(LST)大气校正方法反演与地物温度分析
|
编解码 算法 BI
增强型植被指数EVI、ndvi数据、NPP数据、GPP数据、土地利用数据、植被类型数据、降雨量数据
增强型植被指数EVI、ndvi数据、NPP数据、GPP数据、土地利用数据、植被类型数据、降雨量数据
增强型植被指数EVI、ndvi数据、NPP数据、GPP数据、土地利用数据、植被类型数据、降雨量数据
|
编解码 算法 BI
地表温度数据、LST温度数据、地表反照率、NDVI数据、NPP数据、植被覆盖度、土地利用数据
地表温度数据、LST温度数据、地表反照率、NDVI数据、NPP数据、植被覆盖度、土地利用数据
地表温度数据、LST温度数据、地表反照率、NDVI数据、NPP数据、植被覆盖度、土地利用数据