Landsat Collection 2 数据集详细介绍(T1/T2产品差异)

简介: Landsat Collection 2 数据集详细介绍(T1/T2产品差异)

Landsat Collection 2 是对 Landsat 档案的第二次主要再处理工作,它带来了多项数据产品改进,这些改进应用了数据处理、算法开发以及数据访问和分发功能方面的进步。

Landsat Collection 2 包含来自 Landsat 1-9 的 Level-1 数据和来自 Landsat 4-9 的科学产品。

Collection 2 的一个主要特征是全球地面参考数据集的绝对地理定位精度有了显着提高——这随着时间的推移提高了 Landsat 档案的互操作性。Collection 2 还包括更新的全球数字高程建模源以及校准和验证更新。

Collection 2 包含自 1972 年以来所有传感器的 Landsat Level-1 数据。全球 Level-2 表面反射率和表面温度场景产品可用于 1982 年至今的 Landsat 数据。Landsat US Analysis Ready Data (ARD) 分块产品从 1982 年至今可用于美国本土。

美国地质调查局是地球观测卫星委员会 (CEOS) 认可的陆地分析就绪数据 (CARD4L)的首批接受者- 符合Landsat Collection 2 Level-2产品标准的产品。这一国际认可的认证确保 Landsat Collection 2 Level-2 产品与其他地球观测平台(例如欧洲的 Sentinel-2 卫星)更具互操作性,因为它们也致力于 CARD4L 兼容产品。

访问 Landsat Data Access 网页,了解如何从 USGS 数据门户搜索和下载所有 Landsat 产品。

Landsat Collection 2

  • 提高几何精度
    将 Landsat 8 OLI 地面控制点 (GCP) 与欧洲航天局哥白尼哨兵 2 全球参考图像 (GRI) 重新建立基线,提高了全球 Landsat 档案在空间和时间上的互操作性。Landsat 地面控制点网页上的 2020年1 月:第 4 阶段 - 收集 2 部分提供了更多信息。2019 年的一份出版物显示 ,通过在一个大陆接一个大陆的基础上部署三角测量方法,可以提高地面控制的准确性。
  • 改进的数字高程建模集合 2 使用下面地图上列出和显示的 3 弧秒数字高程建模 (DEM) 源。(请参考 Level-1 元数据文件中的“ DATA_SOURCE_ELEVATION ”字段来确定处理中使用的 DEM 源。) 来源/使用:公共领域。Landsat Collection 2 数据处理中使用的数字高程源。(点击放大)
  • 改进的辐射校准
    集合 2 包括 Landsat 5 专题制图器 (TM) 和 Landsat 8 业务陆地成像仪 (OLI) 数据的多项辐射校准改进,包括对TIRS 条纹效应的校正 (请参阅:辐射精度改进)。
  • 全球 Level-2 科学和大气辅助产品
    Collection 2 的新功能是 Landsat 4-5 TM、Landsat 7 ETM+ 和 Landsat 8 OLI/TIRS 的 Level-2 表面反射率和表面温度科学产品的处理和分发。Level-2 产品从 Collection 2 Level-1 输入生成,满足 <76 度太阳天顶角限制,并包括生成科学上可行的产品所需的辅助数据输入。(请注意,Landsat 1-5 Level-2 MSS 表面反射率产品只有在满足 USGS Landsat 计划要求的可操作大气补偿算法成熟后才可用。)  Landsat Collection 2 大气辅助数据 对于希望使用 Collection 2 表面反射率和表面温度算法生成自定义 Level-2 产品的用户,可以下载用于处理 Collection 2 Level-2 产品的软件。
  • 一致的质量评估带
    Collection 2 Level-1 产品随附质量评估带 (QA_Pixel) 和辐射饱和度和地形遮挡质量评估带 (QA_RADSAT)。Collection 2 Level-2 产品将包括 Level-1 QA 频段以及表面反射气溶胶 QA 频段 (SR_QA_AEROSOL) 和表面温度 QA 频段 (ST_QA),以提供产品之间一致的 QA 信息。Landsat Collection 2 Quality Assessment Bands页面提供了有关 QA 波段的更多信息 。
    * 2021 年 2 月,在 Landsat 4-7 水上场景的 Pixel QA“清除位”(第 6 位)中发现了一个问题。有关此问题的更多详细信息,请访问Landsat Collection 2 已知问题 页面。
  • 更新且一致的元数据文件
    Collection 1 和 Collection 2 Level-1 元数据之间有多项增强和更改。Collection 2 数据的新功能是在已经提供的材料库文件 (MTL)(基于对象描述语言)格式文件中添加了可扩展标记语言 (XML)。元数据文件有助于一致性、机器对机器脚本编写和 USGS Landsat 档案的快速查询。EarthExplorer 及其相关应用程序上可见的元数据字段也发生了变化。Landsat Collection 2 元数据 页面描述了每个更改并提供了显示更改的文件。
  • 云优化文件格式
    Landsat Collection 2 Level-1 数据和 Level-2 产品以云优化地理参考 (COG) 标记图像文件格式提供。COG 是当前 GeoTIFF 文件格式的扩展,它允许用户仅请求他们需要的波段,从而改进了在基于云的环境中对地理空间数据集的访问。有关 COG 文件格式的其他信息,请查看Landsat Cloud Optimized GeoTIFF (COG) Data Format Control Book (DFCB)

 

Landsat Collection Tiers 是 Level-1 数据产品的清单结构,基于数据质量和处理级别。层定义的目的是支持更容易地识别适合时间序列像素级分析的场景,并提供在下行链路上立即处理的临时数据,以便在有限校准的紧急响应情况下快速分发。

实时 (RT)

新获取的 Landsat 8 和 Landsat 9 OLI/TIRS 数据在下行链路上进行处理,但使用初始 TIRS 视线模型参数 (Landsat 8)。这些数据放置在实时层中,可在 12 小时(通常为 4-6 小时)内下载。一旦对数据进行了重新处理并更新了细化的 TIRS 参数,产品就会过渡到第 1 层或第 2 层,并从实时层中删除。从实时到第 1 层或第 2 层的过渡延迟在 14 到 26 天之间。后续处理细节描述如下。

  • Landsat 8 TIRS 数据可能不符合与 OLI 共同注册的规范。TIRS 视线模型参数根据双周校准操作期间获取的数据进行改进,场景在获取后的 14 至 16 天内重新处理,并放入第 1 层或第 2 层。
  • Landsat 9 OLI 和 TIRS 数据在处理后可在不到 12 小时(通常为 4-6 小时)内直接用于第 1 层或第 2 层。

一级 (T1)

具有最高可用数据质量的 Landsat 场景被置于第 1 层,并被认为适合进行时间序列分析。第 1 层包括 1 级精度和地形 (L1TP) 校正数据,这些数据具有良好的辐射特性,并在不同的 Landsat 仪器之间进行了相互校准。第 1 层场景的地理配准是一致的,并且在 ≤ 12 米径向均方根误差 (RMSE) 的规定图像到图像公差范围内。

二级 (T2)

在处理过程中不符合第 1 层标准的 Landsat 场景被分配到第 2 层。第 2 层场景遵循与第 1 层场景相同的辐射标准,但不符合第 1 层几何规范,因为轨道信息不太准确(特定于旧的 Landsat 传感器) )、明显的云层覆盖、地面控制不足或其他因素。这包括系统地形 (L1GT) 和系统 (L1GS) 处理数据。对 Tier 2 场景感兴趣的用户可以查询 RMSE 和其他属性以确定其应用适用性。

层名称(T1、T2、RT)在 Landsat 产品标识符的末尾可见,如下例所示。它还作为 EarthExplorer中的附加元数据字段提供。 注:从支持 Landsat 全球档案整合工作的国际地面站接收的历史 Landsat 4-5 TM 和 Landsat 7 ETM+ 数据  在 Collection 1 处理后置于第 1 层或第 2 层。

实时:LC08_L1TP_013002_20200629_20200629_01_RT
第 1 层:LC08_L1TP_013042_20211225_20211230_02_T1

 

相关文章
|
2月前
|
ice
Google Earth Engine ——Landsat 7 影像集合数据集详细介绍
Google Earth Engine ——Landsat 7 影像集合数据集详细介绍
65 1
|
2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
154 0
|
2月前
|
传感器 编解码 区块链
Google Earth Engine(GEE)——Landsat8/modis/sentinel2 NDVI时序影像差异对比分析图表
Google Earth Engine(GEE)——Landsat8/modis/sentinel2 NDVI时序影像差异对比分析图表
80 0
GEE:如何批量处理并下载指定时间范围的月尺度NDVI数据集(MOD09GA为例)
GEE:如何批量处理并下载指定时间范围的月尺度NDVI数据集(MOD09GA为例)
444 0
|
数据可视化 前端开发
Google Earth Engine(GEE)——特征和特征集合可视化FeatureCollection
Google Earth Engine(GEE)——特征和特征集合可视化FeatureCollection
516 0
Google Earth Engine(GEE)——特征和特征集合可视化FeatureCollection
|
2月前
|
数据可视化
R语言建立和可视化混合效应模型mixed effect model
R语言建立和可视化混合效应模型mixed effect model
|
2月前
|
传感器 XML 数据处理
Landsat Collection 2 T1一级数据详细介绍(数据处理过程和几何精度)
Landsat Collection 2 T1一级数据详细介绍(数据处理过程和几何精度)
51 0
|
2月前
|
传感器
GEE——使用cart机器学习方法对Landsat影像条带修复以NDVI和NDWI为例(全代码)
GEE——使用cart机器学习方法对Landsat影像条带修复以NDVI和NDWI为例(全代码)
50 0
|
机器学习/深度学习 人工智能 计算机视觉
ML之FE:基于load_mock_customer数据集(模拟客户,单个DataFrame)利用featuretools工具实现自动特征生成/特征衍生
ML之FE:基于load_mock_customer数据集(模拟客户,单个DataFrame)利用featuretools工具实现自动特征生成/特征衍生
ML之FE:基于load_mock_customer数据集(模拟客户,单个DataFrame)利用featuretools工具实现自动特征生成/特征衍生