精华内容
下载资源
问答
  • Landsat8数据不同波段组合的用途

    千次阅读 2017-05-25 11:00:32
    2013年2月11日发射的Landsat系列最新卫星Landsat8,携带有OLI陆地成像仪和TIRS热红外传感器,Landsat8的OLI陆地成像仪包括9个波段,OLI包括了ETM+传感器所有的波段,为了避免大气吸收特征,OLI对波段进行了重新调整...

    2013年2月11日发射的Landsat系列最新卫星Landsat8,携带有OLI陆地成像仪和TIRS热红外传感器,Landsat8的OLI陆地成像仪包括9个波段,OLI包括了ETM+传感器所有的波段,为了避免大气吸收特征,OLI对波段进行了重新调整,比较大的调整是OLI Band5(0.845–0.885 μm),排除了0.825μm处水汽吸收特征;OLI全色波段Band8波段范围较窄,这种方式可以在全色图像上更好区分植被和无植被特征;此外,还有两个新增的波段:蓝色波段 (band 1; 0.433–0.453 μm) 主要应用海岸带观测,短波红外波段(band 9; 1.360–1.390 μm) 包括水汽强吸收特征可用于云检测;近红外band5和短波红外band9与MODIS对应的波段接近,TIRS包括2个单独的热红外波段。下表是Landsat8中OLI和TIRS两个传感器波段说明:

    表: Landsat8数据波段参数

    波段

    波长范围(μm)

    空间分辨率 (m)

    1-海岸波段

    0.433–0.453

    30

    2-蓝波段

    0.450–0.515

    30

    3-绿波段

    0.525–0.600

    30

    4-红波段

    0.630–0.680

    30

    5-近红外波段

    0.845–0.885

    30

    6-短波红外1

    1.560–1.660

    30

    7-短波红外2

    2.100–2.300

    30

    8-全色波段

    0.500–0.680

    15

    9-卷云波段

    1.360–1.390

    30

    10-热红外1

    10.60 -11.19

    100

    11-热红外2

    11.50 -12.51

    100

     

    标准的数字相机拍摄得到的图像是真彩色的,效果和人眼看到的一样,红、绿、篮三个波段分别用红、绿、篮三个通道显示,当传感器有更多的波段,我们就可以得到更多的信息,以Landsat8为例,某些特殊的光谱波段可以帮助我们看到一些特殊的地物特征,或者可以透过"现象看到本质"。比如,近红外波段(NIR)是多光谱传感器常用的一个通道,因为在该通道,植被的反射率非常高,所以这个波段对于监测植被很有效;短波红外波段(SWIR)对监测裸土非常有效,它可以反应出裸土表面的湿度情况。类似的例子还有很多。下面以Landsat8数据为例,介绍多波段在不同的RGB组合下显示的效果及其应用。

    (一)4,3,2,——真彩色合成,美国加利福尼亚州夫勒斯诺市

    用OLI数据,可以得到真彩色合成的图像,这种图像的缺点是易受到大气的影响,有时图像不够清晰。

    图(1) 4/3/2真彩色合成,美国加利福尼亚州夫勒斯诺市

    (二)5,4,3——标准假彩色合成(CIR),用于植被相关的监测,美国科罗拉多

    在这种波段组合下,植被显示为红色,植被越健康红色越亮,而且还可以区分出植被的种类,这种波段组合方式非常常用,用来监测植被、农作物和湿地。

    图(2) 5/4/3标准假彩色合成(CIR),美国科罗拉多

     

    (三)7,6,4——假彩色合成,用于城市监测,美国洛杉矶

    这种波段组合用到了短波红外波段,相较于波长较短的波段来说,效果比较明亮。

    图(3) 7/6/4假彩色合成,美国洛杉矶

    (四)5,6,4——假彩色合成,有效区分陆地和水体,加拿大哈德逊河

    这种波段组合,深浅的橙色和绿色是陆地,冰显示为很亮的玫红色,深浅蓝色是水。

    图(4) 5/6/4假彩色合成,加拿大哈德逊河

    (五)7,5,3——假彩色合成,具有良好的大气透射,美国华盛顿

    这种波段组合和前面提到的5,6,4比较像,植被显示为不同深度的绿色,这种波段组合用于NASA生产的镶嵌的Landsat数据。

    图(5) 7/5/3假彩色合成,美国华盛顿

    (六)6,5,2——假彩色合成,农作物监测,科罗拉多弗鲁塔

    这种波段组合,对监测农作物很有效,农作物显示为高亮的绿色,裸地显示为品红色,休耕地显示为很弱的墨绿色

    图(6) 6/5/2假彩色合成,科罗拉多弗鲁塔

    (七)7,5,2——假彩色合成,有效森林火灾,加利福尼亚州

    这种波段组合类似上面提到的6,5,2,该组合用了更长波段的短波红外,对火点燃烧引起的烟雾的敏感度降低。

    图(7) 7/5/2假彩色合成,加利福尼亚州

    (八)6,3,2——假彩色合成,突出裸露地表上的一些景观,美国犹他州峡谷

    这种波段组合对于没有或少量植被情况下,突出地表的景观,对地质监测有效。

    图(8) 6/3/2假彩色合成,美国犹他州峡谷

    (九)5,7,1——假彩色合成,有效监测植被和水体,坦桑尼亚的维多利亚河

    这种波段组合使用了近红外波段、短波红外2波段和海岸波段,海岸波段是Landsat8独有的,可以穿透一些很小的微粒如灰尘、烟雾等,还能穿透浅的水域。在这种波段组合下,植被显示为橘红色。

    图(9) 5/7/1假彩色合成,有效监测植被和水体,坦桑尼亚的维多利亚河

    Landsat8还能有许多其他的波段组合,有时候单波段灰度图像也能解释一些特别的现象,比如下面是TIRS传感器的热红外1波段的图像,该影像位于冰岛,中间亮白色的区域是Bardarbunga火山,热红外波段灰度图像突出显示了从薄冰区向南部流动的熔岩流。

    图(10) 冰岛Bardarbunga火山热红外波段灰度图

    对于单波段的数据,还可以用颜色表渲染彩色显示,可清晰的显示一些特征,下图是将上面的灰度图设置了颜色表彩色显示的结果,下方蓝色区域是低温区,深红色是温度高的区域。

    图(11) 冰岛Bardarbunga火山热红外波段配颜色表彩色显示

    对多光谱图像利用不同的波段组合能帮助我们凸显感兴趣的地物,组合方式取决于感兴趣地物对不同波段的反射率特征,有一些经验可以借鉴,但在实际分析中,可以通过尝试,发现某个波段或者组合对于所做的区域效果明显,那么这个波段或者RGB波段组合方式就是适合的。

    ENVI中进行波段组合非常方便,如下图为打开一个标准Landsat8数据,根据需求选择对应RGB合成显示。

    图(12) 数据管理面板

    展开全文
  • Landsat8简介

    2018-11-21 16:25:08
    介绍Landsat8卫星遥感数据特征,明白该卫星数据的具体参数。
  • 这项研究评估了USGS新发布的Landsat Collection 1档案库的长期辐射性能,包括每个Landsat传感器的绝对校准以及四个最受欢迎的Landsat传感器之间的相对交叉校准。 在美国内华达州铁路谷普拉亚的一个伪不变站点上,...
  • 介绍高分一号、高分二号、Landsat8等常用卫星影像数据波段及影像波段组合显示特征。 高分一号、高分二号、Landsat8波段组合后分辨率分别为:16m、4m、15m。 高分一号、高分二号影像数据的具体参数信息可以参照:...

    介绍高分一号、高分二号、Landsat8等常用卫星影像数据波段及影像波段组合显示特征。

    高分一号、高分二号、Landsat8波段组合后分辨率分别为:16m、4m、15m。

    高分一号、高分二号影像数据的具体参数信息可以参照: 国产高分系列卫星平台介绍

        Landsat8影像数据的具体参数信息可以参照:常用国外系列陆地卫星介绍 中高分辨率

    展开全文
  • 【方法】利用2013年和2015年乌梁素海实测TDS质量浓度和遥感反射率数据,建立并检验了TDS质量浓度多元线性回归模型,将模型应用于大气校正后的Landsat-8OLI数据,分析了乌梁素海TDS质量浓度时空分布特征。【 结果】...
  • 图像融合,是将低分辨率的多光谱影像与高分辨率的单波段影像重采样生成一副高分辨率多光谱影像遥感的图像处理技术,使得处理后的影像既有较高的空间分辨率,又具有多光谱特征。 图像融合除了要求融合图像精确配准外...

    一、概述

            图像融合,是将低分辨率的多光谱影像与高分辨率的单波段影像重采样生成一副高分辨率多光谱影像遥感的图像处理技术,使得处理后的影像既有较高的空间分辨率,又具有多光谱特征。

            图像融合除了要求融合图像精确配准外,融合方法的选择也非常重要,同样的融合方法在用在不同影像中,得到的结果往往会不一样。如下表1.1中是ENVI中的几种融合方法的适用范围供参考。

    融合方法说明

    融合方法

    适用范围

    IHS变换

    纹理改善,空间保持较好。光谱信息损失较大大,受波段限制。

    Brovey变换

    光谱信息保持较好,受波段限制。

    乘积运算(CN)

    对大的地貌类型效果好,同时可用于多光谱与高光谱的融合。

    PCA变换

    无波段限制,光谱保持好。第一主成分信息高度集中,色调发生较大变化。

    Gram-schmidt Pan Sharpening(GS)

    改进了PCA中信息过分集中的问题,不受波段限制,较好的保持空间纹理信息,尤其能高保真保持光谱特征。

    专为最新高空间分辨率影像设计,能较好保持影像的纹理和光谱信息。

    二、 实例(以相同传感器为例)

         在这里,我们以Gram-Schmidt Pansharping融合方法   来是实现。

    1.     加载数据:File > Open,打开影像文件,包括需要矫正的影像以及参考影像
    2.   在Toolbox中,打开 / Image Sharpening /Gram-Schmidt Pan Sharpening,在文件选择框中分别选择需要提高分辨率的低分辨率影像(Low Spatial)和作为参照的高分辨率影像(High Spatial),单击OK。打开Pan Sharpening Parameters面板。

    3. 在Pan Sharpening Parameters面板中,选择传感器类型(Sensor):懒的sat8_oli,重采样方法(Resampling):Cubic Convolution,输出格式为:ENVI。                                                  155238_63bX_3717557.png

    4. 注:传感器类型(Sensor)中还包括:GeoEye-1、Goktruk-2、IKONOS、landsat8_oli、landsat8_tirs、NPP VIIRS、Pleiades-1A/B、QuickBird、UI:GSS:Sensorrasat、Spot-6、Landsat ETM、WordlView-1/2。

    5. 选择输出路径及文件名,单击OK执行融合处理。

      注:进度条显示在右下角。

    三、 融合结果

    当我们加载两景影像进行对比时,会发现融合后的数据精度提高了15米。

    注:  左下,融合前的数据            右下:融合后的数据

    155531_dfQ9_3717557.png  161604_0WAl_3717557.png

     

    转载于:https://my.oschina.net/u/3717557/blog/1795839

    展开全文
  • 为了实现定量化应用目标,高精度的...实验结果表明,对于Landsat 8云检测数据集,所提方法的像素精度达到93.33%,比原版U-Net提高了2.29%,比传统Otsu方法提高了7.78%。该方法可以为云层目标智能化检测研究提供有益参考。
  • 将算法应用于2014-2016年共7景Landsat 8 OLI遥感影像!分析了不同年份黄河口悬浮物质量浓度的时空分布特征!黄河口海域悬浮物质量浓度分布总体呈现近岸高!离岸低的特点!不同时期悬浮物质量浓度量值上有显著变化。.
  • 543:波段选取及主成份分析 我们的研究采用1995年8月2日的TM数据。对于屏幕显示和屏幕图象分析,选用信息量最为丰富的5、4、3波段组合配以红、绿、兰三种颜色生成假彩色合成图像,这个组合的合成图像不仅类似于自然...
    543波段选取及主成份分析  我们的研究采用199582TM数据。对于屏幕显示和屏幕图象分析,选用信息量最为丰富的543波段组合配以红、绿、兰三种颜色生成假彩色合成图像,这个组合的合成图像不仅类似于自然色,较为符号人们的视觉习惯,而且由于信息量丰富,能充分显示各种地物影像特征的差别,便于训练场地的选取,可以保证训练场地的准确性;对于计算机自动识别分类,采用主成分分析(K-L变换)进行数据压缩,形成三个组分的图像数据,用于自动识别分类。该项工作是采用以遥感图像解译为主结合地质、物化探资料进行研究的综合方法。解译为 目视解译,解译的遥感图像有:以19843月成像经处理放大为15万卫星TM假彩色片(5 43波段合成)和19797月拍摄的11.6万黑白航片为主要工作片种;采用198611月的110TM假彩色片(742波段合成)为参考片种。

    453
    本研究遥感信息源是中国科学院卫星遥感地面接收站于199510月接收美国MSS卫星遥感TM波段4()、波段5(绿)、波段3()CCT磁带数据制作的110万和15万 假彩色合成卫星影像图。图上山地、丘陵、平原台地等喀斯特地貌景观及各类用地影像特征分异清晰。成像时期晚稻接近收获,且稻田中不存积水,因此耕地类型中 的水田色调呈粉红色;旱地由于作物大多收获,且土壤水分少而呈灰白色;菜地则由于蔬菜长势好,色调鲜亮并呈猩红色。园地色调呈浅褐色,且地块规则整齐、轮 廓清晰。林地中乔木林色调呈深褐色,而分布于喀斯特山地丘陵等地区的灌丛则呈黄到黄褐色。牧草地大多呈黄绿色调。建设用地中的城镇呈蓝色;公路呈线状,色 调灰白;铁路呈线条状,色调为浅蓝;机场跑道为蓝色直线,背景草地呈蓝绿色;在建新机场建设场地为白色长方形;备用旧机场为白色色调,外形轮廓清晰、较规 则。水库和河流则都呈深蓝色调。采取453波段分别赋红、绿、蓝色合成的图像,色彩反差明显,层次丰富,而且各类地物的色彩显示规律与常规合成片相似,符合过去常规片的目视判读习惯。
    472在采用TM472波段假彩色合成和 1:4 计算机插值放大技术方面,在制作 1:5TM影像图并成 1:5万工程地质图、塌岸发展速率的定量监测以及在单张航片上测算岩 () 层产状等方面,均有独到之处。
    .类型提取:
    1.城市与乡镇的提取:TM1+TM7+TM3+TM5+TM6+TM2-TM4
    2.乡镇与村落:TM1+TM2+TM3+TM6+TM7-TM4-TM5
    3.河流的提取:TM5+TM6+TM7-TM1-TM2-TM4
    4.道路的提取:TM6-(TM1+TM2+TM3+TM4+TM5+TM7)

    四.光谱差异
     TM1居民地与河流菜地不易分开.
     TM2居民地与河流菜地不易分
     TM3乡村与菜地不易分
     TM4农田与道路不易分,乡镇,道路,河滩易浑.
     TM5县城与农田不易分
     TM6村庄与河流易混
    首先来了解假彩色图像与其它影像的区别,通常在RS中单波段或全色波段表现为黑白图像,黑白图像的质量一般用“灰阶”来度量。三波段组合表现为彩色影像包括:
    真彩色(true color):(三波段组合),分别对RGB三个波段的图像赋予RGB三种颜色,一一对应,合成后图像的色彩与原地区或景物的实际色彩一致,称为真彩色,真彩色是唯一的合成。
    伪彩色(pseudo color):将黑白图像变换为彩色图像,对不同的灰度或灰度范围按值赋予不同的颜色或一个颜色系列,得到图像的彩色与实际彩色则不一致,即伪彩色图像。
    假彩色(false color):(三波段组合),对得来不同波段图像分别赋予RGB三元色,并不与原来波段的RGB三个波段一一对应,得到图像的彩色与实际彩色则不一致,称为假彩色图像,假彩色图像是为了使一些地物的特征更加明显,有助于我们进行解译和分析。下面就以ETM+图像为例来谈谈假彩色图像主要应用
    TM各波段技术参数见下表,任意三个波段(除过321组合)的不同组合形成不同的假彩色表现形式和不同的应用:

    转载于:https://www.cnblogs.com/Jasonluo/archive/2009/07/24/1530503.html

    展开全文
  • 摘要大气校正是遥感影像处理的...以贵州省境内包溪河流域为例,基于Landsat8遥感影像和FLAASH大气校正,探究NDVI分等级和分地形计算误差。得出以下结论: ①未进行大气校正所得NDVI在空间上总体被低估; ②未经大气校...
  • 采用Landsat8数据源,以计算归一化植 被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)为例开展实验。实验结果表明,在相同硬件环境、处理任务、 数据量的条件下,Spark处理遥感大数据的速度较单机模式...
  • 本文以宁夏洛山地区为研究案例,以三期Landsat 8 OLI图像为数据源,为沙漠/草原生物群落过渡区提出了一种多特征的建模策略,以提高分类的准确性。 基于字典学习的稀疏表示用作分类器,以便根据多特征建模策略选择...
  • 5浓度实时监测数据Landsat OLI遥感影像为数据源,探究济南市PM2. 5的时空分布特征及与土地利用现状的关系。结果表明:2018年济南市PM2. 5季度浓度夏季最低,冬季最高,西部的PM2. 5浓度明显高于东部,除建设用地之外的...
  • 经过目视判读和实地野外考察,结合Landsat-8陆地成像仪影像对分类结果进行定量分析和验证。由混淆矩阵的计算分析可知,相比Wishart分类方法,支持向量机分类法将分类精度从80.48%提高到88.00%,将Kappa系数从0.73...
  • 本文基于Landsat8卫星遥感数据,依据地形特征、主体地物类型以及辐射特征,将乌达煤田分为五个子区。利用多光谱特征、高程、坡度和热辐射特性构建决策树模型,并分区实现土地覆被分类。分类结果表明,与传统决策树分类法...
  • 通过使用几种分类技术,生成1990年和2003年的Landsat 5 TM和2016年的Landsat 8 OLI的土地利用/土地覆盖(LULC)地图。 光谱辐射率模型和基于网络的大气校正模型被用来成功地从Landsat数据的热带评估LST。 1990年,...
  • 创新点: 1、在GCN(global convolutional network)基础上,把他的backbone替换成更多层的,使其适应中分辨率影像,resnet50,101,152 2、利用 channel attention 来挑选出最具有识别力...landsat-8 和ISPRS Vaihi...
  • 本文所用数据landsat8,福州平潭,2013。 文章目录1、K-Means算法2、IsoData算法3、Iso聚类4、最大似然法分类5、Iso聚类非监督分类聚类操作查看属性表计算面积6、主成分分析下的聚类 遥感中的非监督分类指人们...
  • 本研究中使用的卫星图像基于1985年Landsat-5(TM)和1990年Landsat-5(TM),2001年Landsat-7(ETM +)以及2016年图像Landsat-8(OLI)的数据,涵盖了( 1985,1990,2001,2016),以发现萨布哈斯族的变化和该地区...
  • 本文以Landsat-8多光谱和全色数据数据源,采用局部方差法选择最优分割尺度,归一化植被指数(NDVI),归一化建筑物指数(NDBI)和面向对象分类的全色亮度值。规则提取。 建筑物具有较高的植被覆盖面积,并通过...
  • 为了识别线条,Landsat-8卫星图像和GDEM-ASTER数据都用于空间处理。 使用定向滤波和自动提取基层要素,绘制了构造基层要素图。 然后利用蚀变图,构造线图和1:100,000地质图来识别具有高铜矿化潜力的区域。
  • 研究中使用了不同的数据源来生成该地区的洪水灾害敏感性地图,包括地质地图,Landsat-8影像,土地使用以及与野外调查和数据收集相关的土壤类型。 建立了瓦迪巴达阿具有风险要素,相关特征和属性的空间数据库。 在...
  • 为获取和进一步探讨漳河流域土地利用时空演变规律,基于1993、2006及2010年3期Landsat TM遥感影像数据和2011年SPOT5高分影像数据,利用Arc GIS空间分析功能与ENVI动态监测功能对流域土地利用时空演变特征进行研究。...
  • RGB彩色图像中云没有明显的...对Landsat8和高分一号WFV RGB彩色图像进行训练和测试,实验结果表明本文方法在不同条件下能很好地检测云边缘细节,并取得较高精度的云阴影检测,由此证明本文方法具有较好的泛化性与稳健性。
  • 设计了一种适用于单时相高分辨率遥感影像的时空融合框架,并以国产高分二号卫星与Landsat-8卫星遥感影像为实验数据对该方法进行充分的对比性分析。实验结果表明,该融合框架不仅提升了运算效率,还在影像保真度、...
  • 以神东矿区为研究对象,基于1989—2013年10月Landsat TM5/OLI 8影像为数据源,采用单窗算法定量反演矿区地表温度,并在矿区和矿井尺度上深入分析地表温度的分布特征。研究结果表明,矿区尺度上,24年间神东矿区地表温度...
  • 国内外主流的三维GIS软件

    热门讨论 2011-03-14 13:38:59
     拥有NASA血统的World Wind可以利用Landsat 7、SRTM、MODIS、GLOBE , Landmark Set等多颗卫星的数据,将Landsat卫星的图像和航天飞机雷达遥感数据结合在一起,让用户体验三维地球遨游的感觉。采用了先进的流传输...

空空如也

空空如也

1 2
收藏数 28
精华内容 11
关键字:

landsat8数据特征