G-LiHT数据介绍

本文详细介绍了G-LiHT,这是一种集成LiDAR、高光谱和热成像的便携式机载成像系统,用于生态研究。系统包括双扫描激光雷达、成像光谱仪、热成像仪等组件,提供高分辨率的环境数据。文章提供了G-LiHTv.1和v.2的设备规格,并给出了数据下载地址,包括点云和正射镶嵌影像数据,供学习和研究使用。

时光荏苒,已然踏入2022年,新的一年里,继续努力前行!不断进步!
新年第一篇,注重质量,近万字长文,介绍一种激光雷达数据G-LIHT

1.什么是G-LiHT?

G-LiHTGoddard’s LiDAR, Hyperspectral & Thermal Imager(Goddard 的 LiDAR、高光谱和热成像仪) 的缩写。
G-LiHT 是一种便携式机载成像系统,它使用以下方法同时绘制陆地生态系统的组成、结构和功能:

  1. LiDAR 提供有关树叶和树冠元素分布的 3D 信息;
  2. 成像光谱识别物种组成和生物物理变量的变化;
  3. 热测量用来量化表面温度和检测湿热胁迫。

G-LiHT 通过提供时间和空间上的重合数据来实现数据融合研究,并提供许多生态系统研究所需的大面积精细 (<1 m) 观测数据。

2.G-LiHT设备及参数?

2.1 G-LiHT v.1:仪器和规格|

名称表 1 G-LiHT v.1:仪器和规格
1.扫描激光雷达Riegl VQ-480; 50-300 kHz:1550 纳米; 板载波形处理
2.Profiling LiDARRiegl LD321-A40;10 kHz; 905 纳米; 每次激光射击最多 5 次返回
3.VNIR成像光谱仪端壁 Hyperspec50 Hz; 0.4 至 1 µm,1.5 nm 分辨率; 推扫式阵列
4.VNIR辐照光谱仪海洋光学 USB4000;1 Hz; 余弦扩散器安装在机翼上方
5.热成像仪Xenics Gobi-384;25 Hz; 非冷却微测辐射热计; 8 至 14 µm
6. GPS-INSOxford RT-4041 配备 OmniStar HP;250 Hz; 10cm 位置,0.1° 偏航,0.03° 滚动/俯仰精度
NameTab 1 G-LiHT v.1: Instruments & Specifications
1.Scanning LiDARRiegl VQ-480; 50-300 kHz: 1550 nm; onboard waveform processing
2.Profiling LiDARRiegl LD321-A40;10 kHz; 905 nm; up to 5 returns per laser shot
3.VNIR imaging spectrometerHeadwall Hyperspec50 Hz; 0.4 to 1 µm, 1.5 nm resolution; pushbroom array
4.VNIR irradiance spectrometerOcean Optics USB4000;1 Hz; cosine diffuser mounted above wing
5.Thermal imagerXenics Gobi-384;25 Hz; non-cooled microbolometer; 8 to 14 µm
6. GPS-INSOxford RT-4041 with OmniStar HP;250 Hz; 10cm position, 0.1° yaw, 0.03° roll/pitch accuracy

2.2 G-LiHT v.2(2017+)+仪器和规格

使用扫描 LiDAR、高光谱和热红外成像研究地球表面的组成、结构和功能。

  • 双扫描激光雷达
  • VNIR 成像光谱
  • 宽带热成像
  • 高分辨率航拍照片
  • 精密GPS-INS

2.2.1 双扫描激光雷达

  • Riegl VQ 480i NIR 1550 nm 激光器;
  • 300 kHz 脉冲重复率;
  • 0.3 mrad 激光光束发散度;
  • 实时波形处理;
  • 点密度高达 12 pt/m2

2.2.2 VNIR 成像光谱


在这里插入图片描述

2.2.3 宽带热成像:Xenics Gobi-640

  • 非制冷微测辐射热计
  • 640 x 480 像素分辨率
  • 光谱带 8 至 15 µm
  • 水平视场 42.6°
  • 50赫兹帧率

在这里插入图片描述

2.2.4 高分辨率航拍照片:第一阶段 IXU-R 1000

  • 第一阶段 IXU-R 1000
  • Rodenstock 50mm f/4.0 镜头
  • 56.2° x 43.7° FOV
  • 地面采样距离:4cm
  • GPS-IMU 同步
  • 1赫兹帧率
  • 100 兆像素
    在这里插入图片描述在这里插入图片描述

2.2.5 精密 GPS-INS:Applanix POS AV V6

  • 200Hz 的机载实时直接地理配准
  • 具有中心点 RTX 后处理的 POSPac MMS
  • 10 厘米水平和 20 厘米垂直位置精度
    在这里插入图片描述

3.G-LiHT数据下载

3.1 下载地址1

G-LiHT下载地址:https://glihtdata.gsfc.nasa.gov 无需注册
目前这个数据主要分布在北美洲*美国、墨西哥古巴等,如图中圆圈显示数据的区域。
在这里插入图片描述
点击圆圈放大可以查看数据分布区域:
在这里插入图片描述
继续放大可以看到具体分布区域:
在这里插入图片描述
点击数据区域(格网区):在这里插入图片描述
G-LIHT数据类型有很多种:
在这里插入图片描述
点击下载按钮:
在这里插入图片描述
Point Cloud 和Orthomosaic数据需要使用Map View点击选择小格网激活下载:
在这里插入图片描述
在这里插入图片描述
点击打包下载按钮下载,准备下载中……
在这里插入图片描述
按钮左边出现下载链接地址。点击链接进行数据下载。
在这里插入图片描述

3.2 下载地址2

下载地址2https://glihtdata.gsfc.nasa.gov/files/G-LiHT/这里直接点击文件列表下载,这里不做详细介绍了。
在这里插入图片描述

4.数据展示

解压文件如下:
在这里插入图片描述\photography\orthomosaic路径下的NM_26June2018_Jimez2_c5r9_ortho.tif文件显示如下:在这里插入图片描述
解压查看LAS雷达数据显示如下:
在这里插入图片描述
在这里插入图片描述
两个数据叠加显示(35%透明度),正射图和雷达图完全匹配。
在这里插入图片描述
解压点云数据查看:
在这里插入图片描述
使用ENVI LiDAR 打开数据,数据量比较大,需要一点时间。
在这里插入图片描述
在这里插入图片描述
也可以使用Cloud Compare V2.12 beta 打开,显示速度稍快,但是默认显示效果感觉ENVI根号更好一点。在这里插入图片描述

5.完结

希望本文对大家有所帮助,数据资源我已上传优快云资源,由于数据量大,分两个上传,第一个是雷达数据(https://download.youkuaiyun.com/download/soderayer/73719733);
第二个是正射镶嵌影像数据:(https://download.youkuaiyun.com/download/soderayer/73718307);
欢迎大家下载学习。
最后,求三连!

### G-LIHT 数据分析方法和工具 G-LIHT 数据分析涉及多种方法和工具,这些方法和工具能够帮助用户从数据中提取有价值的信息。以下是关于 G-LIHT 数据分析的专业方法和工具的详细说明。 #### 1. 数据预处理 在进行深入分析之前,通常需要对 G-LIHT 数据进行预处理,以确保数据的质量和一致性。 - **滤波**:使用滤波技术去除噪声或无关信号。例如,可以通过低通滤波器去除高频噪声[^2]。 - **坐标转换**:将数据从原始坐标系转换到目标坐标系,如地理坐标系(WGS84)或投影坐标系(UTM)。可以使用 `GDAL` 或 `PROJ` 等工具完成这一任务。 ```python from osgeo import gdal # 打开 GeoTIFF 文件 dataset = gdal.Open("input.tif") # 定义输出文件路径和投影参数 output_path = "output_utm.tif" gdal.Warp(output_path, dataset, dstSRS="EPSG:32633") ``` #### 2. 数据分析方法 根据 G-LIHT 数据的特点,可以选择以下分析方法: - **LiDAR 数据分析**: - 使用点云密度统计分析地形复杂度。 - 提取数字高程模型(DEM)或数字表面模型(DSM)以研究地表特征。 - 应用分类算法区分地面点和非地面点。 - **高光谱数据分析**: - 利用光谱特征提取植被指数(如 NDVI、EVI)来评估植被健康状况。 - 进行光谱解混分析以识别地表覆盖类型。 - **热红外数据分析**: - 计算地表温度分布以监测城市热岛效应或火山活动。 #### 3. 常用工具 以下是用于 G-LIHT 数据分析的常用工具和软件: - **LAStools**:适用于 LiDAR 数据的预处理、可视化和分析。例如,使用 `lasview` 可以快速查看点云数据- **ENVI/IDL**:提供强大的高光谱图像处理功能,包括光谱匹配、分类和特征提取。 - **MATLAB**:支持复杂的数学建模和仿真,如 PID 控制系统的实现[^1]。 - **QGIS/GDAL**:用于地理空间数据的可视化和基本分析操作。 #### 4. 示例代码 以下是一个使用 Python 和 GDAL 分析 G-LIHT GeoTIFF 数据的示例: ```python import numpy as np from osgeo import gdal # 打开 GeoTIFF 文件 dataset = gdal.Open("g_liht_data.tif") band = dataset.GetRasterBand(1) array = band.ReadAsArray() # 计算 NDVI nir_band = dataset.GetRasterBand(4).ReadAsArray() # 假设第 4 波段为近红外 red_band = dataset.GetRasterBand(3).ReadAsArray() # 假设第 3 波段为红光 ndvi = (nir_band.astype(float) - red_band.astype(float)) / (nir_band + red_band) # 保存结果 driver = gdal.GetDriverByName("GTiff") output_dataset = driver.Create("ndvi_output.tif", array.shape[1], array.shape[0], 1, gdal.GDT_Float32) output_dataset.GetRasterBand(1).WriteArray(ndvi) output_dataset.SetGeoTransform(dataset.GetGeoTransform()) output_dataset.SetProjection(dataset.GetProjection()) output_dataset.FlushCache() ``` #### 5. 数据可视化 为了更好地理解 G-LIHT 数据,可以使用以下工具进行可视化: - **Matplotlib/Seaborn**:生成二维图表,如直方图、散点图等。 - **Paraview**:用于三维点云数据的交互式可视化。 - **ArcGIS/QGIS**:支持地图叠加和多层数据的综合展示。 ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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

打赏作者

空中旋转篮球

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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