- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
Landsat-8 介绍
Landsat-8于2013年2月11日发射升空，目前仍在运行。它始于Landsat数据连续性任务。现在，我们将其简称为Landsat-8。 Landsat-8在与太阳同步的近极轨道上绕地球旋转，高度为705公里（438英里），倾斜角为98.2度，每99分钟完成一次地球轨道。 Landsat-8每天收集550个场景。因此，到2020年8月，它将收集到总计150万个场景。这颗主力卫星仍然是面向公众的开源土地信息的主要内容。
5.4K40编辑于 2022-09-15 - 来自专栏GIS与遥感开发平台
GEE合成无云的Landsat-8和哨兵-2数据
Google Earth Engine（合成的影像） Landsat-8（30m分辨率）和哨兵-2（10m分辨率）都是我们常用的遥感影像数据。 今天，我们就以Landsat-8和哨兵-2为例，演示如何合成无云的影像并且下载。（GEE数据下载方法上期已经讲过，就不再写在代码里了。） Map.setCenter(116, 40, 12); Map.addLayer(dataset.median(), rgbVis, 'RGB'); 结果（GEE显示）： 本地显示（ENVI）： Landsat -8合成无云的影像 下面我们来讲一下如果利用Landsat-8来进行合成无云的影像，并且我们还要计算一下Landsat-8的NDVI。
7.1K21编辑于 2022-04-29 - 来自专栏GIS与遥感开发平台
浅析Landsat8大气校正算法（LaSRC）
Landsat-8官方的大气校正算法为Land Surface Reflectance Code (LaSRC) ，该算法基于6S辐射传输模型，并采用查找表的方法对地表反射率进行反演。 Landsat-8大气校正流程 整体流程 上图为LaSRC算法对Landsat-8进行大气校正的整体流程，接下来我们会介绍如果获取算法中所需要的数据。 Landsat-8大气校正参数获取 高程数据 Landsat-8 大气校正使用的高程数据为：Gridded Global Relief Data (ETOPO5) 光谱响应函数 Landsat-8光谱响应函数 Landsat-8幅宽较大，影像不同区域的几何参数差异会比较大。 Landsat-8 Level产品（DN值）会附带卫星天顶角（VZA）、卫星方位角（VAA）、太阳天顶角（SZA）以及太阳方位角（SAA）的TIFF数据。
3.5K10编辑于 2023-01-30 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
AI Earth ——开发者模式案例8：利用Landsat-8数据进行地表温度反演
利用 Landsat-8 数据进行地表温度反演¶ 初始化环境¶ import aie aie.Authenticate() aie.Initialize() Landsat-8 数据检索¶ 指定区域、 时间、云量检索 Landsat-8 ，并对数据进行去云处理。
63110编辑于 2024-02-02 - 来自专栏GIS与遥感开发平台
Google Earth Engine（区域统计）
landsat-8实例分享 数据：Landsat-8 研究区域：北京 统计量：全北京的NDVI平均值 我们本次是统计了北京一年里面的4次NDVI的平均值，1-3，3-6，6-9，9-12月份全北京的Landsat ") .filterBounds(table.geometry()) .filter(ee.Filter.lt('CLOUD_COVER',)) //根据循环的index依次筛选四个季度的Landsat
1.7K30编辑于 2022-04-29 - 来自专栏GIS与遥感开发平台
Google Earth Engine（地表参量计算）
本次，我们用Landsat-8和再分析数据对北京区域的蒸散发进行计算。 landsat-8蒸散发计算 数据：Landsat-8，再分析数据 研究区域：北京 模型：王开存老师在2008年提出的一种经验模型 其中，ET为地面蒸散值，Rn为净辐射（GEE没有净辐射，就用净长波加短波 我们本次利用Landsat-8计算了北京在6月份到10月份的平均蒸散发值，并且与MODIS官方产品（MOD16)进行比较。发现与官方产品差异不大，说明效果还是可以的。
1.2K40编辑于 2022-04-29 - 来自专栏全栈程序员必看
landset8各波段_landsat8卫星全面
原标题：landsat8卫星全面 1.简介 1.1 数据简介 2013年2月11日，美国航空航天局(NASA) 成功发射Landsat-8卫星。 Landsat-8卫星上携带两个传感器，分别是OLI陆地成像仪(Operational Land Imager)和TIRS热红外传感器(Thermal Infrared Sensor)。 Landsat-8在空间分辨率和光谱特性等方面与Landsat 1-7保持了基本一致，卫星一共有11个波段，波段1-7，9-11的空间分辨率为30米，波段8为15米分辨率的全色波段，卫星每16天可以实现一次全球覆盖 LandSat-8上携带的TIRS热红外传感器主要用于收集地球两个热区地带的热量流失，目标是了解所观测地带水分消耗。
2.3K20编辑于 2022-09-15 - 来自专栏GIS与遥感开发平台
Google Earth Engine（监督分类）
训练器我们选择随机森林，数据选择Landsat-8，我们只使用其中的2-7波段。 训练样本我们使用的是GEE提供的一种，它把地表分为三类：水体、植被还有城市用地。 map(maskL8sr) .mean(); // 使用下列波段作为特征 var bands = ['B2', 'B3', 'B4', 'B5', 'B6', 'B7']; // 通过要素集在Landsat train({ features: trainingPartition, classProperty: 'landcover', inputProperties: bands }); //对Landsat
1.3K31编辑于 2022-04-29 - 来自专栏GIS与遥感开发平台
Google colab（Python）来编写GEE代码
我们这次就以展示Landsat-8数据为例，来简单介绍一下。 01 首先找到colab 我们首先打开谷歌云盘，然后右击，就可以找到colab啦！ 03 正式的代码 首先，我们定义一个Landsat-8的去云函数，并选取数据。 def maskL8sr(image): #这个与js中1<<3和1<<5（位运算）一样的效果，都是去除云及阴影。 name='median composite', ).add_to(map) map.add_child(folium.LayerControl()) map 这样，我们就可以看到我们熟悉的Landsat
3K40编辑于 2022-04-29 - 来自专栏二猫の家
Landsat遥感影像下载
目录 1、陆地资源卫星Landsat系列卫星基本介绍 1.1 Landsat-5介绍 1.2 Landsat-7介绍 1.3 Landsat-8介绍 1.4 Landsat-9介绍 2、传感器简介 3、 （服务年限：1999.4.15 - 2003.5.31） 1.3 Landsat-8介绍 Landsat-8卫星于2013年2月11日发射，是美国陆地探测系列的后续卫星，Landsat-8卫星装备有陆地成像仪 如今，它和landsat-8双星共同完成的陆地资源的遥感影像获取，它的加入使得landsat卫星的时间分辨率从原先的16天周期缩短到了一半，即时间分辨率为8天。
1.4K20编辑于 2022-12-05 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
AI Earth ——开发者模式案例7：植被覆盖度提取
本案例以 Landsat-8 数据为例，计算浙江省区域的 FVC 指数。 初始化环境¶ import aie aie.Authenticate() aie.Initialize() Landsat-8 数据检索¶ 指定区域、时间、云量检索 Landsat-8 ，并对数据进行去云处理
50610编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
AI Earth ——开发者模式案例5：鄱阳湖水体区域识别
初始化环境¶ import aie aie.Authenticate() aie.Initialize() Landsat-8 数据检索¶ 使用 aie.Image 引用单景 Landsat-8 数据
30510编辑于 2024-02-02 - 来自专栏全栈程序员必看
ENVI5.3.1使用Landsat 8影像进行辐射定标和大气校正实例操作
数据介绍及数据其他操作详见此博客 ENVI5.3.1使用Landsat 8影像进行预处理及分析实例操作 1、数据获取 获取了Landsat-8卫星两个时间两个地区的数据：第一个数据集文件名为LC08_ L1TP_124036_20200319_20200319_01_RT，LC08表示卫星名称为Landsat-8。 传感器类型Sensor Type为Landsat-8 OLI，平均地面高程Ground Elevation为0.256km，大气模型根据帮助文档中的大气模型表进行选择，根据影像成像时间为3月，影像中心纬度为
7.3K20编辑于 2022-09-15 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE APP——土壤水分资源管理器
本研究介绍了一种基于机器学习（ML）的高空间分辨率（50 米）土壤水分绘图方法，该方法基于 Landsat-8 光学和热图像、哥白尼哨兵-1 C 波段合成孔径雷达图像以及可在谷歌地球引擎中执行的模型数据的整合 研究区 介绍本研究使用的数据集，即 ISMN 网络的原位数据、S1 背向散射测量数据、Landsat-8（L8）短波反射率和热辐射率，以及全球地表模型 GLDAS 的建模地表参数。
33010编辑于 2024-04-17 - 来自专栏全栈程序员必看
Landsat系列卫星数据应用介绍
目录 1.LandSat介绍 1.1 Landsat-5介绍 1.2 Landsat-7介绍 1.3 Landsat-8介绍 1.4 LandSat影像下载网址： 2 传感器简介 2.1 Landsat5 Landsat-8于2013年2月11日发射升空，经过100天测试运行后开始获取影像。 1.3 Landsat-8介绍 Landsat-8卫星于2013年2月11日发射，是美国陆地探测系列的后续卫星，Landsat-8卫星装备有陆地成像仪（简称OLI）和热红外传感器（简称TIRS）。
2.1K20编辑于 2022-09-15 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
AI Earth ——开发者模式案例3：典型植被指数计算及区域统计
典型植被指数计算及区域统计¶ 对检索的影像（以 Landsat-8 为例），通过波段运算计算常见的指数。并以归一化植被指数（ NDVI ）为例，进行区域均值统计以及时序折线图制作。 getNDWI(image): ndwi = image.normalizedDifference(['SR_B3', 'SR_B5']).rename('NDWI') return ndwi Landsat -8 数据检索¶ 指定区域、时间、云量检索 Landsat-8 ，并对数据进行去云处理。
45510编辑于 2024-02-02 - 来自专栏GIS与遥感开发平台
Google Earth Engine（Tensorflow深度学习）
把谷歌云平台里面你的工程名输入进去 PROJECT = 'boyguo' #设置Cloud Storage bucket，会把你的训练数据和测试数据存储进去 OUTPUT_BUCKET = 'xiaoguo1' # 使用Landsat file_extension TEST_FILE_PATH = 'gs://' + OUTPUT_BUCKET + '/' + TEST_FILE_PREFIX + file_extension 获取Landsat 对数据做个中值合成 image = L8SR.filterDate('2018-01-01', '2018-12-31').map(maskL8sr).median() 提取训练数据和测试数据 #提取Landsat
2.8K41编辑于 2022-04-29 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——LandCoverNet训练标签 v1.0
LandCoverNet训练标签 v1.0 LandCoverNet是一个全球年度土地覆被分类训练数据集，带有2018年Sentinel-1、Sentinel-2和Landsat-8任务的多光谱卫星图像的标签 哨兵-1号地面测距产品（GRD），具有10米空间分辨率的辐射校准和正演功能 哨兵2号表面反射率产品（L2A），10米空间分辨率 Landsat-8的表面反射率产品，来自Collection 2 Level Radiant Earth Foundation Curated in GEE by: Samapriya Roy Keywords: Land Use, Land Cover, Remote Sensing, landsat
36110编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE好文推荐——利用样本点迁移方法快速实现全球范围内1984年至今基于Landsat影像的土地分类
在本研究中，我们在 GEE 中实施了射频分类器，利用 Landsat-8 和 Sentinel-2 数据集对 2022 年植被生长季节的不同空间尺度进行了时间序列土地分类。 1132 OA 0.903 0.904 0.876 0.40 Kappa 0.846 1173 0.891 1193 0.926 1176 OA 0.875 0.905 0.893 Landsat index + Terrain + SAR 0.910 0.927 0.880 0.903 0.921 0.936 0.889 0.919 Sentinel-2不同多源遥感组合的精度对比 不同变量组合下 Landsat
80220编辑于 2024-02-02 - 来自专栏气象学家
Google Earth Engine（Tensorflow深度学习）
把谷歌云平台里面你的工程名输入进去 PROJECT = 'boyguo' #设置Cloud Storage bucket，会把你的训练数据和测试数据存储进去 OUTPUT_BUCKET = 'xiaoguo1' # 使用Landsat file_extension TEST_FILE_PATH = 'gs://' + OUTPUT_BUCKET + '/' + TEST_FILE_PREFIX + file_extension 获取Landsat 对数据做个中值合成 image = L8SR.filterDate('2018-01-01', '2018-12-31').map(maskL8sr).median() 提取训练数据和测试数据 #提取Landsat
3.7K63发布于 2020-06-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号