【技术类】不得不看的Landsat 8常用的波段组合形式

Landsat8卫星波段详解
本文介绍了Landsat8卫星的波段组合及其应用,包括自然色、假彩色等常见组合方式,并对比了Landsat8与Landsat7在波段设置上的区别。
部署运行你感兴趣的模型镜像

      Landsat 8陆地资源卫星2013年2月11日成功发射,日前发表过一篇博文关于利用Landsatlook Viewer进行Landsat 8影像数据的下载(http://blog.youkuaiyun.com/arcgis_all/article/details/9136493),今天咱来谈谈卫星的各种波段组合情况,为具体应用奠定基础。我们都知道Landsat8同以前的Landsat系列卫星相比,在保留已有波段的基础上,又新增了一些波段,比如沿海蓝波段(coastal blue band),可以进行水体普及率/气溶胶检测;卷云波段(cirrus cloud band)用于云去除及其它应用。下面是Landsat 8应用过程中常见的波段组合形式,影像将显示为RGB形式:


自然色(Natural Color)4 3 2
假彩色(False Color (urban))7 6 4
红外彩色(Color Infrared (vegetation))5 4 3
农业(Agriculture)6 5 2
大气渗透(Atmospheric Penetration)7 6 5
健康植被(Healthy Vegetation)5 6 2
陆地/水体(Land/Water)5 6 4
大气去除(Natural With Atmospheric Removal)7 5 3
短波红外(Shortwave Infrared)7 5 4
植被分析(Vegetation Analysis)6 5 4


      Landsat 8与Landsat 7相比,有怎样的不同呢?下面是两颗卫星的波段对比:

Landsat 7

Landsat 8

波段名称
波长 (µm)分辨率(m)波段名称
波长 (µm)分辨率(m)
   Band 1 Coastal

0.43 – 0.45

30

Band 1 Blue

0.45 – 0.52

30

Band 2 Blue

0.45 – 0.51

30

Band 2 Green

0.52 – 0.60

30

Band 3 Green

0.53 – 0.59

30

Band 3 Red

0.63 – 0.69

30

Band 4 Red

0.64 – 0.67

30

Band 4 NIR

0.77 – 0.90

30

Band 5 NIR

0.85 – 0.88

30

Band 5 SWIR 1

1.55 – 1.75

30

Band 6 SWIR 1

1.57 – 1.65

30

Band 7 SWIR 2

2.09 – 2.35

30

Band 7 SWIR 2

2.11 – 2.29

30

Band 8 Pan

0.52 – 0.90

15

Band 8 Pan

0.50 – 0.68

15

   Band 9 Cirrus

1.36 – 1.38

30

Band 6 TIR

10.40 – 12.50

30/60

Band 10 TIRS 1

10.6 – 11.19

100

Band 11 TIRS 2

11.5 – 12.51

100


     总的来说,多数Landsat 8的波段是我们熟悉的,只是在一些空间波谱范围内进行了细微的调整。除了增加了Band 1 Coastal和Band 9 Cirrus外,与Landsat 7相比,Landsat 8将热红外波段拆分为两个,在Landsat 7中,热红外波段的空间分辨率为60m(重采样后为30m),Landsat 8的对应两个波段的空间分辨率降低为100,但是却细化了光谱信息。这种以空间分辨率为代价增强光谱信息的做法,也体现出了遥感领域的守恒。


      以上为Landsat 8常用的波段组合形式,在实际应用中,选择合适的组合方式进行影像分析。利用ArcGIS影像平台的实时处理分析能力,希望能让你在理想的时间里得到满意的处理结果。


您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

### Landsat 8 波段组合图像处理方法 Landsat 8 卫星提供了多个波段的数据,这些波段可以用于生成不同的图像组合来突出特定的地物特征或现象。常见的波段组合包括真彩色、假彩色以及植被指数等。 #### 常见的波段组合及其用途 1. **真彩色 (True Color)** 使用 B4(红色)、B3(绿色)和 B2(蓝色)三个波段合成图像,这种组合最接近人类视觉感知的颜色效果[^1]。 ```python from osgeo import gdal # 打开各波段文件 red_band = gdal.Open('path_to_B4.tif') green_band = gdal.Open('path_to_B3.tif') blue_band = gdal.Open('path_to_B2.tif') # 创建RGB合成图 driver = gdal.GetDriverByName('GTiff') rgb_image = driver.Create('true_color.tif', red_band.RasterXSize, red_band.RasterYSize, 3, gdal.GDT_Byte) # 设置地理变换参数 geo_transform = red_band.GetGeoTransform() projection = red_band.GetProjection() rgb_image.SetGeoTransform(geo_transform) rgb_image.SetProjection(projection) # 将波段写入到多波段TIFF中 rgb_image.GetRasterBand(1).WriteArray(red_band.ReadAsArray()) rgb_image.GetRasterBand(2).WriteArray(green_band.ReadAsArray()) rgb_image.GetRasterBand(3).WriteArray(blue_band.ReadAsArray()) # 关闭数据集 rgb_image.FlushCache() ``` 2. **假彩色 (False Color)** 使用 B5(近红外)、B4(红色)和 B3(绿色)三个波段合成图像,这种组合常用于增强植被覆盖度的效果,因为近红外波段对植被反射率敏感。 ```python nir_band = gdal.Open('path_to_B5.tif') # 近红外波段 red_band = gdal.Open('path_to_B4.tif') # 红色波段 green_band = gdal.Open('path_to_B3.tif') # 绿色波段 false_color = driver.Create('false_color.tif', red_band.RasterXSize, red_band.RasterYSize, 3, gdal.GDT_UInt16) false_color.SetGeoTransform(geo_transform) false_color.SetProjection(projection) false_color.GetRasterBand(1).WriteArray(nir_band.ReadAsArray()) # NIR -> Red channel false_color.GetRasterBand(2).WriteArray(red_band.ReadAsArray()) # Red -> Green channel false_color.GetRasterBand(3).WriteArray(green_band.ReadAsArray()) # Green -> Blue channel false_color.FlushCache() ``` 3. **NDVI 计算 (Normalized Difference Vegetation Index)** NDVI 是一种常用的植被指数,通过计算 B5(近红外)和 B4(红光)之间的差异来评估植被健康状况。 ```python import numpy as np nir_data = nir_band.ReadAsArray().astype(float) red_data = red_band.ReadAsArray().astype(float) ndvi = (nir_data - red_data) / (nir_data + red_data) # 输出NDVI结果为TIFF文件 ndvi_driver = gdal.GetDriverByName('GTiff') ndvi_output = ndvi_driver.Create('ndvi.tif', red_band.RasterXSize, red_band.RasterYSize, 1, gdal.GDT_Float32) ndvi_output.SetGeoTransform(geo_transform) ndvi_output.SetProjection(projection) ndvi_output.GetRasterBand(1).WriteArray(ndvi) ndvi_output.FlushCache() ``` 以上展示了如何利用 GDAL 工具库读取 Landsat 8 的单波段数据,并将其合成为 RGB 图像或者计算 NDVI 指数的过程。 ---
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值