PIE-ENGINE——高分1号系列影像数据大气层顶反射数据TOA

简介: PIE-ENGINE——高分1号系列影像数据大气层顶反射数据TOA

TOA(Top of Atmosphere)反射率是指卫星遥感图像在经过大气层后达到地面时的反射率,不考虑地表和大气对光的吸收、散射和反射等影响,因此TOA反射率是卫星遥感图像获取的最基本的数据。

高分1号系列影像数据中的大气层顶反射数据TOA,是指对原始遥感数据进行大气校正处理后得到的反射率数据,这种处理可以去除大气层对遥感图像的干扰,使得遥感图像更真实、准确。TOA反射率数据可以用于地物分类、植被检测、海洋监测等领域的研究和应用。

前言 – 人工智能教程

高分1号系列影像数据的波段信息因不同的传感器和分辨率而有所不同。以下是常见的高分1号系列影像数据波段信息:

  • 高分一号PMS传感器
  • 全色(PAN):灰度图像,1个波段,分辨率为0.5米
  • 多光谱(MS):4个波段,分辨率为2米
  • 蓝色:0.45-0.52μm
  • 绿色:0.52-0.59μm
  • 红色:0.63-0.69μm
  • 近红外:0.77-0.89μm
  • 高分一号WFV传感器
  • 全色(PAN):灰度图像,1个波段,分辨率为2米
  • 多光谱(MS):4个波段,分辨率为8米
  • 红边:0.61-0.68μm
  • 绿色:0.53-0.59μm
  • 蓝色:0.45-0.52μm
  • 近红外:0.77-0.89μm
  • 高分一号HSR传感器
  • 全色(PAN):灰度图像,1个波段,分辨率为0.5米
  • 多光谱(MS):4个波段,分辨率为2米
  • 红边:0.61-0.68μm
  • 绿色:0.53-0.59μm
  • 蓝色:0.45-0.52μm
  • 近红外:0.77-0.89μm
  • 高分二号GFS传感器
  • 全色(PAN):灰度图像,1个波段,分辨率为0.5米
  • 多光谱(MS):4个波段,分辨率为2米
  • 红边:0.61-0.69μm
  • 绿色:0.53-0.59μm
  • 蓝色:0.45-0.52μm
  • 近红外:0.77-0.89μm
  • 高分二号VRSS传感器
  • 全色(PAN):灰度图像,1个波段,分辨率为0.5米
  • 多光谱(MS):4个波段,分辨率为3.2米
  • 红边:0.61-0.69μm
  • 绿色:0.53-0.59μm
  • 蓝色:0.45-0.52μm
  • 近红外:0.77-0.89μm

需要注意的是,各传感器所提供的波段信息可能会随着时间的推移而更新。

代码:

/****************   代码功能: 加载高分1号(GF-1) WFV TOA数据集   ****************/
//输入筛选区域
var geometry = pie.Geometry.Polygon(
    [[[115.95704187824987, 40.24852919264450],
    [116.74994866423373, 40.24852919264450],
    [116.74994866423373, 39.65103373393072],
    [115.96041594966925, 39.64583783862898],
    [115.95704187824987, 40.2485291926445]]], null);
var visParams = {color: "ff0000ff", fillColor: "00000000"};
Map.addLayer(pie.FeatureCollection(pie.Feature(geometry)), visParams, "geometry");
//定位地图中心
Map.centerObject(geometry, 8)
//加载高分1号(GF-1) WFV TOA数据
var img = pie.ImageCollection('GF1/L1A/WFV_TOA')
            .filterDate("2019-09-01", "2019-12-01")
            .filterBounds(geometry)
            .select(["B1", "B2", "B3"])
            .mean()
            .clip(geometry);
print(img);
//加载显示影像
Map.addLayer(img, {min: 0, max: 0.3, bands: ["B3", "B2", "B1"]}, "img");
相关文章
|
7月前
Google Earth Engine(GEE)——用填充后的Landsat7影像进行LST地表温度计算(C值转化为K值)
Google Earth Engine(GEE)——用填充后的Landsat7影像进行LST地表温度计算(C值转化为K值)
122 2
|
7月前
|
编解码 定位技术
Google Earth Engine(GEE)——导出后的影像像素不同于原始Landsat影像的分辨率(投影差异)
Google Earth Engine(GEE)——导出后的影像像素不同于原始Landsat影像的分辨率(投影差异)
221 0
|
JSON 数据格式
PIE-engine 教程 ——利用NDWI加载青海湖三年水域影像和面积计算
PIE-engine 教程 ——利用NDWI加载青海湖三年水域影像和面积计算
362 0
PIE-engine 教程 ——利用NDWI加载青海湖三年水域影像和面积计算
|
7月前
|
编解码 算法
Google Earth Engine(GEE)——遍历提取多年MODIS影像所有土地分类的面积
Google Earth Engine(GEE)——遍历提取多年MODIS影像所有土地分类的面积
127 0
|
7月前
Google Earth Engine(GEE)——求指定区域的NDVI时序变化和不同值域范围内的像素数量及其面积
Google Earth Engine(GEE)——求指定区域的NDVI时序变化和不同值域范围内的像素数量及其面积
93 0
|
7月前
Google Earth Engine(GEE)—— 基于MODIS影像单点缓冲区长时序温度时序变化和线性趋势分析
Google Earth Engine(GEE)—— 基于MODIS影像单点缓冲区长时序温度时序变化和线性趋势分析
87 0
PIE-engine 教程 ——影像集合的使用for循环函数(北京市NDVI计算)
PIE-engine 教程 ——影像集合的使用for循环函数(北京市NDVI计算)
327 0
PIE-engine 教程 ——影像集合的使用for循环函数(北京市NDVI计算)
|
编解码
PIE-Engine 教程:水稻面积提取3—sentinel2合成月度影像宿迁市)
PIE-Engine 教程:水稻面积提取3—sentinel2合成月度影像宿迁市)
191 0
|
算法
Google Earth Engine ——MCD43A4 V6天底双向反射分布函数调整反射率(NBAR)这个产品结合了Terra和Aqua航天器的数据,从16天的时间里选择最好的代表像素。
Google Earth Engine ——MCD43A4 V6天底双向反射分布函数调整反射率(NBAR)这个产品结合了Terra和Aqua航天器的数据,从16天的时间里选择最好的代表像素。
785 0
Google Earth Engine ——MCD43A4 V6天底双向反射分布函数调整反射率(NBAR)这个产品结合了Terra和Aqua航天器的数据,从16天的时间里选择最好的代表像素。
|
编解码 算法 云计算
PIE-engine中数据集介绍:高分影像,风云数据以及缺点
PIE-engine中数据集介绍:高分影像,风云数据以及缺点
583 0
PIE-engine中数据集介绍:高分影像,风云数据以及缺点

热门文章

最新文章