PIE-ENGINE:HY-1C海岸带成像仪2A产品数据集(瑞利散射校正后)

简介: PIE-ENGINE:HY-1C海岸带成像仪2A产品数据集(瑞利散射校正后)

海洋一号C/D(HY-1C/D)卫星按照遥感器类型分为海洋水色扫描仪(COCTS, China Ocean color & Temperature Scanner)、紫外成像仪(UVI, Ultraviolet imager)和海岸带成像仪(CZI, Coastal Zone Imager)。前言 – 人工智能教程

HY-1C海岸带成像仪2A产品数据集是一组由HY-1C卫星上的海岸带成像仪(CZI)获取的遥感数据。该数据集包括四个波段的影像:蓝色、绿色、红色和近红外。这些影像具有高空间分辨率(1米),可用于监测海岸带地区的变化,如海岸线变化、海岸侵蚀、红树林退化等。该数据集还可用于海岸带资源调查、海岸带环境监测、海岸带灾害预警等。

HY-1C海岸带成像仪2A产品数据集可从国家卫星海洋应用中心(NSOAS)下载。该数据集免费提供,可用于研究和教育目的。

海岸带成像仪(CZI)主要用于获取海陆交互作用区域的实时图像资料进行海岸带监测;了解重点河口港湾的悬浮泥沙分布规律;并对包括冰、赤潮、绿潮、污染物等海洋环境灾害进行实时监测和预警。


海岸带成像仪2级数据产品分为三类,分别是2A——基础产品,包括各波段经瑞利散射校正后的反射比等;2B——标准产品,包括总悬浮物浓度、归一化植被指数等;2C——实验和扩展产品,目前包括叶绿素浓度和水色透明度、各波段遥感反射率、其它产品待扩充。以上各级产品中均包括一个掩膜与标识参数。

数据集ID:

HY1C/CZI_L2A

时间范围: 2020年-2020年

范围: 局部区域

来源: 中国海洋卫星数据服务系统

复制代码段:

var images = pie.ImageCollection("HY1C/CZI_L2A")

波段:

名称 波段范围(μm) 类型 单位 描述信息
Rrc460 0.42~0.50 float32 1/sr 460nm波段经瑞利散射大气校正后的反射比
Rrc560 0.52~0.60 float32 1/sr 560nm波段经瑞利散射大气校正后的反射比
Rrc650 0.61~0.69 float32 1/sr 560nm波段经瑞利散射大气校正后的反射比
Rrc825 0.76~0.89 float32 1/sr 825nm波段经瑞利散射大气校正后的反射比
l2_flags - int32 - 掩膜与标识

代码:

/**
* @File    :   HY-1C2A
* @Time    :   2020/12/30
* @Author  :   piesat
* @Version :   1.0
* @Contact :   400-890-0662
* @License :   (C)Copyright 航天宏图信息技术股份有限公司
* @Desc    :   加载HY-1C海岸带成像仪2A产品数据集
*/
//加载HY-1C海岸带成像仪2A产品数据
var img = pie.ImageCollection('HY1C/CZI_L2A')
            .first()
            .select("Rrc460");
print(img);
//设定预览参数
visParams = {
    min: -0.0099358,
    max: 0.07492742,
    palette: ['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']
};
//加载显示影像
Map.centerObject(img, 4);
Map.addLayer(img, visParams, "460nm波段经瑞利散射大气校正后的反射比");
// 图例
var data = {
    title: "460nm波段经瑞利散射大气校正后的反射比",
    colors: ['#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'],
    labels: ["0", "0.02", "0.04", "0.06", "0.08"],
    step: 30
};
var style = {
    left: "60%",
    top: "70%",
    height: "70px",
    width: "350px"
};
var legend = ui.Legend(data, style);
Map.addUI(legend);

属性:

ProductName

string

产品名称

StartTime

date

影像日期

CloudPercent

double

云量

ProductLevel

string

产品级别

date

string

影像日期

 

相关文章
|
7月前
Google Earth Engine(GEE)——计算LST地表温度的出现的错误
Google Earth Engine(GEE)——计算LST地表温度的出现的错误
167 0
|
7月前
|
计算机视觉
Google Earth Engine(GEE)——使用MODIS数据单点测试SG滤波和harmonics method 滤波的差异分析
Google Earth Engine(GEE)——使用MODIS数据单点测试SG滤波和harmonics method 滤波的差异分析
264 0
|
7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
182 0
|
7月前
|
编解码 数据可视化 定位技术
Google Earth Engine谷歌地球引擎GEE直方图与时间序列多波段折线图绘制与可视化参数调整
Google Earth Engine谷歌地球引擎GEE直方图与时间序列多波段折线图绘制与可视化参数调整
136 1
Google Earth Engine谷歌地球引擎GEE直方图与时间序列多波段折线图绘制与可视化参数调整
|
7月前
|
编解码 人工智能 数据格式
PIE-ENGINE:Modis-Aqua产品包含了L3 Mapped数据集
PIE-ENGINE:Modis-Aqua产品包含了L3 Mapped数据集
338 0
|
7月前
Open Google Earth Engine(OEEL)——oeel.plotly.plot绘制MODIS影像中土地分类的变化情况
Open Google Earth Engine(OEEL)——oeel.plotly.plot绘制MODIS影像中土地分类的变化情况
64 0
|
7月前
|
传感器 编解码 人工智能
pie engine——数字高程模型DEM/ALOS_DEM_12.5m数据集
pie engine——数字高程模型DEM/ALOS_DEM_12.5m数据集
199 0
PIE-engine 教程 ——NDVI和FVC计算时序分析以2013年-2020年福州市为例
PIE-engine 教程 ——NDVI和FVC计算时序分析以2013年-2020年福州市为例
640 0
PIE-engine 教程 ——NDVI和FVC计算时序分析以2013年-2020年福州市为例
|
编解码 云计算
PIE Engine系列1 遥感数据下载器的实现(含源码)
在本文中,你将学到如何基于PIE Engine平台二次开发构建数据下载器,并复制源码来实践体验数据下载功能,你也可以通过修改参数来调整数据的种类与精度
318 0
|
数据处理
PIE-engine 教程 ——坡度、坡向、山阴、粗糙度计算和显示案例分析
PIE-engine 教程 ——坡度、坡向、山阴、粗糙度计算和显示案例分析
407 0
PIE-engine 教程 ——坡度、坡向、山阴、粗糙度计算和显示案例分析