中科星图——Sentinel-2_MSI_L2A数据集

简介: 中科星图——Sentinel-2_MSI_L2A数据集

数据名称:

Sentinel-2_MSI_L2A

数据来源:

Copernicus

时空范围:

2022年10月-2023年1月

空间范围:

全国

数据简介:

哨兵2号(Sentinel-2)卫星是高分辨率多光谱成像卫星,携带一枚多光谱成像仪(MSI),分为2A和2B两颗卫星,其中一颗卫星的重访周期为10天,两颗互补,重访周期为5天,主要用于包括陆地植被、土壤以及水资源、内河水道和沿海区在内的全球陆地观测。Sentinel-2_MSI_L2A数据集中的数据为L2A级产品数据,是经过大气校正的地表反射率产品,包括12个UINT16光谱带,还包含了场景分类产品、气溶胶光学厚度(AOT)、水蒸气及部分云和降雪概率产品,CLM波段是具有云掩码信息的位掩码频段。前言 – 人工智能教程

Sentinel-2_MSI_L2A数据集是由欧洲空间局(European Space Agency, ESA)开发和维护的一个遥感数据集。该数据集由Sentinel-2卫星获取,提供了一系列高分辨率的多光谱图像,可用于地表覆盖分类、土地利用和土地覆盖监测、环境变化监测等应用。

Sentinel-2_MSI_L2A数据集的核心是由Sentinel-2卫星获取的多光谱图像。Sentinel-2卫星搭载了多光谱成像仪(Multispectral Imager,MSI),包括13个波段,覆盖从可见光到近红外范围的光谱。这些波段的分辨率从10米到60米不等,可以提供高质量的地表特征信息。

Sentinel-2_MSI_L2A数据集的特点之一是其高空间分辨率。数据集中的多光谱图像具有高达10米的空间分辨率,可以提供详细的地表信息。这使得数据集在土地利用和覆盖分类、环境监测、灾害监测等领域具有广泛的应用价值。

另一个特点是数据集提供了大范围的全球覆盖。Sentinel-2卫星每次观测可以获取大约290公里宽的图像,这使得数据集能够覆盖全球范围的地表,从而支持全球尺度的应用。

此外,Sentinel-2_MSI_L2A数据集还提供了多个派生产品,包括真彩色图像、植被指数以及表面反射率等。这些派生产品能够进一步增强数据集在不同应用中的实用性。

Sentinel-2_MSI_L2A数据集的获取和访问也非常便利。用户可以通过ESA的Sentinel数据访问门户(Sentinel Data Access Hub)免费获取数据集。数据集以标准的Geotiff格式进行存储,并可通过多种常用的遥感数据处理软件进行处理和分析。

总体而言,Sentinel-2_MSI_L2A数据集是一个全球覆盖、高分辨率、多光谱的遥感数据集,具有广泛的应用价值。无论是用于环境监测、土地利用分类还是农业和林业资源管理,该数据集都能为用户提供丰富的地表特征信息,帮助用户进行更准确、更全面的分析和决策。

波段

名称 波长(nm) 分辨率(m) 比例因子 值域范围 描述信息
S2A S2B
B1 443.9 442.3 60 0.0001 Aerosols
B2 496.6 492.1 10 0.0001 Blue
B3 560 559 10 0.0001 Green
B4 664.5 665 10 0.0001 Red
B5 703.9 703.8 20 0.0001 Red Edge 1
B6 740.2 739.1 20 0.0001 Red Edge 2
B7 782.5 779.7 20 0.0001 Red Edge 3
B8 835.1 833 10 0.0001 NIR
B8A 864.8 864 20 0.0001 Red Edge 4
B9 945 943.2 60 0.0001 Water vapor
B11 1613.7 1610.4 20 0.0001 SWIR 1
B12 2202.4 2185.7 20 0.0001 SWIR 2
AOT 10 0.001 Aerosol Optical Thickness
TCI 10 True Color Image
WVP 10 0.001 Water Vapor Pressure. The height the water would occupy if the vapor were condensed into liquid and spread evenly across the column.
SCL 20 1~11 Scene Classification Map (The "No Data" value of 0 is masked out)
MSK_CLDPRB(CLD_20m) 20 0~100 Cloud Probability Map (missing in some products)
MSK_SNWPRB(SNW_20m) 20 0~100 Snow Probability Map (missing in some products)
CLM 60 Cloud mask

引用代码:

S2/L2A

代码

/**
 * @File    :   Sentinel-2_MSI_L2A
 * @Time    :   2023/05/19
 * @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S2/L2A的Sentinel-2_MSI_L2A类数据集  
 * @Name    :   Sentinel-2_MSI_L2A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
var imageCollection = gve.ImageCollection("S2/L2A")
                    .filterCloud('lt',20)
                    .filterDate('2022-12-11','2022-12-12')
                    .select(['B2','B3','B4'])
                    .limit(10);
          
print("imageCollection",imageCollection);
//function applyScaleFactors(image) {
//    var opticalBands = image.select('B.*').multiply(0.0001);
//    return image.addBands(opticalBands, null, true)
//}
//
//var img = imageCollection.map(applyScaleFactors).first();
var img = imageCollection.first();
print("first", img);
var visParams = {
//    gamma: 1,
//    brightness: 1,
//    min: 1300,
//    max: 15000,
    bands: ['B4', 'B3', 'B2']
};
Map.centerObject(img);
Map.addLayer(img,visParams);

哨兵数据对广大的区域、国家、欧洲和国际用户群体是免费、全面和开放的,使用请遵循欧洲航天局哥白尼计划相关规定,具体请参阅Open Access Hub

 

相关文章
|
7月前
|
定位技术 TensorFlow API
Google Earth Engine (GEE)——张量流水灾模型数据集(Sentinel-1)
Google Earth Engine (GEE)——张量流水灾模型数据集(Sentinel-1)
166 0
|
7月前
|
数据采集 编解码 人工智能
中科星图——Sentinel-1_SAR_GRD数据集
中科星图——Sentinel-1_SAR_GRD数据集
283 3
|
7月前
|
存储 编解码 人工智能
GEE数据集——哨兵2号Sentinel-2 云概率数据集
GEE数据集——哨兵2号Sentinel-2 云概率数据集
381 2
|
7月前
|
传感器 数据采集 存储
中科星图——Sentinel-3_OL_1_EFR具体的低分辨率大气顶部辐射的近实时产品
中科星图——Sentinel-3_OL_1_EFR具体的低分辨率大气顶部辐射的近实时产品
85 2
|
7月前
|
人工智能 atlas
Google Earth Engine(GEE)RADD - RAdar for Detecting Deforestation-基于Sentinel-1的10米空间尺度的湿润热带森林扰动预警数据集
Google Earth Engine(GEE)RADD - RAdar for Detecting Deforestation-基于Sentinel-1的10米空间尺度的湿润热带森林扰动预警数据集
69 0
|
编解码 定位技术 Sentinel
Google Earth Engine(GEE)——Sentinel-3 OLCI EFR:海洋和陆地彩色地球观测全分辨率数据集
Google Earth Engine(GEE)——Sentinel-3 OLCI EFR:海洋和陆地彩色地球观测全分辨率数据集
357 0
Google Earth Engine(GEE)——Sentinel-3 OLCI EFR:海洋和陆地彩色地球观测全分辨率数据集
|
数据库
Google Earth Engine——BigEarthNet是一个新的耕地Sentinel-2数据,由590,326个Sentinel-2图像斑块组成的土地覆盖高清数据集
Google Earth Engine——BigEarthNet是一个新的耕地Sentinel-2数据,由590,326个Sentinel-2图像斑块组成的土地覆盖高清数据集
352 0
Google Earth Engine——BigEarthNet是一个新的耕地Sentinel-2数据,由590,326个Sentinel-2图像斑块组成的土地覆盖高清数据集
|
4月前
|
Java UED Sentinel
微服务守护神:Spring Cloud Sentinel,让你的系统在流量洪峰中稳如磐石!
【8月更文挑战第29天】Spring Cloud Sentinel结合了阿里巴巴Sentinel的流控、降级、熔断和热点规则等特性,为微服务架构下的应用提供了一套完整的流量控制解决方案。它能够有效应对突发流量,保护服务稳定性,避免雪崩效应,确保系统在高并发下健康运行。通过简单的配置和注解即可实现高效流量控制,适用于高并发场景、依赖服务不稳定及资源保护等多种情况,显著提升系统健壮性和用户体验。
97 1
|
6月前
|
监控 Java Sentinel
使用Sentinel进行服务调用的熔断和限流管理(SpringCloud2023实战)
Sentinel是面向分布式、多语言异构化服务架构的流量治理组件,主要以流量为切入点,从流量路由、流量控制、流量整形、熔断降级、系统自适应过载保护、热点流量防护等多个维度来帮助开发者保障微服务的稳定性。
167 3
|
2月前
|
负载均衡 算法 Java
蚂蚁面试:Nacos、Sentinel了解吗?Springcloud 核心底层原理,你知道多少?
40岁老架构师尼恩分享了关于SpringCloud核心组件的底层原理,特别是针对蚂蚁集团面试中常见的面试题进行了详细解析。内容涵盖了Nacos注册中心的AP/CP模式、Distro和Raft分布式协议、Sentinel的高可用组件、负载均衡组件的实现原理等。尼恩强调了系统化学习的重要性,推荐了《尼恩Java面试宝典PDF》等资料,帮助读者更好地准备面试,提高技术实力,最终实现“offer自由”。更多技术资料和指导,可关注公众号【技术自由圈】获取。
蚂蚁面试:Nacos、Sentinel了解吗?Springcloud 核心底层原理,你知道多少?
下一篇
DataWorks