引言(7)I:遥感历史:陆卫…

本文通过1972年美国东部地区的陆卫卫星影像,介绍了如何通过不同波段观察地形特征及植被覆盖情况,并对比了不同季节的影像变化。

本小节考虑陆卫四个MSS波段如何生成美国东部同一个地区的多光谱影像(请详细阅读该区地理描述),扫描日期是197210月。这些影像并排显示,其下是一张假彩色复合片,区域与前四张照片相同,仅仅是南部地区面积包含得多一些而已。通过观察19784月(春季)MSS波段7的影像和72年秋季的影像,了解区域变化。

 

下面的照片是一张完整的陆卫影像,时间是197210月,每个波段的照片都有,还有一张假彩色复合片。波段编号自471-3号赋给RVB了),照片中是美国东部一个著名区域。在四张照片之下是一张假彩色照片,由波段457组合而成。照片上向南包括半岛(peninsula)的南端,这里还有小镇Cape May(一个线索)。

 

注释1按照惯例(convention),陆卫和许多其他的卫星系统影像一样,上端是北方。但是由于99º的轨道倾角,北方并非与图像顶部和底部边缘垂直,而是稍稍有几度偏离。

 

注释2在每幅影像底部的字母(你的显示屏上可能读不出来)是NASAEROS和其他商业机构在其提供的陆卫影像上的标准注释(annotation)。这些自左至右的信息记录的内容包括获取影像的日期、场景主点和最低点(nadir point)的经纬度坐标、传感器类型、太阳高度角和方位角(azimuth position)、场景标识号(ID),标识号以特定的陆卫序号开始(1-5),结尾是特定波段(如果是彩色是,则是波段组合)。

 

在开始阅读影像下的第二段之前,我们要考考你,能否找出图中区域是哪里。

[转载]引言(7)I:遥感历史:陆卫影像[转载]引言(7)I:遥感历史:陆卫影像
   MSS Band                            MSS Band 5                         

[转载]引言(7)I:遥感历史:陆卫影像 [转载]引言(7)I:遥感历史:陆卫影像
   MSS Band                            MSS Band  

这些波段的影像,与下一幅影像的一小部分(在南部)拼接起来,采用三波段组合方法,就可以合成如下所示的标准假彩色影像。

[转载]引言(7)I:遥感历史:陆卫影像

MSS Band 4 = Blue

MSS Band 5 = Green

MSS Band 7 = Red

如果你辨认出了影像拍摄的区域,你可以看到新泽西州大部分区域,包括右上角的纽约市和长岛西部,中部偏左是费城。彩色复合片上的区域延伸到Delmarva半岛北部,旁边(flank)是Chesapeake海湾(底部偏左)北部、Delaware海湾(底部中间)和Cape May(底部偏右)。两个都市区,New Jersey都市区和Hudson河都市区,在波段5的影像(红色)中呈现浅至中等的灰-蓝色。在波段7,都市区的中心区域是深色调,主要是由于沥青街道和深色屋顶(通常是沥青(asphalt))是主体,而树木和植被稀少。波段67的影像中,城市和农村呈鲜明对比,农村的植被反射系数高,色调明亮。波段67中,水体是深色的,但在45中色调浅一些,部分原因是由于淤泥(silt)和沉积物(sediment)(反射系数更高)。在每个波段和假彩色影像中,色调明亮的是沿着新泽西海岸分布的临海岛屿的沙滩和土壤。

 

19721010日这景影像的植被生长繁茂(自然色应当是绿色,但有些树木染了秋天的色彩),因此在波段67,植被分布的地方色调明亮。我们可以比较波段5的影像,位于左上方的褶皱脊(fold belt ridge)呈深色,波段7的影像则是亮色(与树叶高反射系数相关,褶皱脊上分布了茂密的森林)。在假彩色照片中植被覆被处呈现深浅不一的红色。收获后(休耕)的田地是蓝色的,与城市的色调相似。在新泽西的费城东边是Pine Barrens,有大片深色区域,是在砂质土壤上生长良好的常绿植被(evergreen)(注意树木在四个波段影像中的外观;彩色照片上,树木是红褐色;常绿植被色调明亮,但不如落叶乔木(deciduous tree))。


问题I-21试着在这景影像中找出其他主要的地标(landmark)吧(可以使用地图集来确认其位置)。

答案:这是一个主观问题。但是至少你可以找出New Jersey Trenton

 

问题I-22:虽然要不断地上下滚动察看很麻烦(pain),我们依然建议你在四幅MSS影像中挑出不同的地物,注意其外观,也即是灰阶(和形状);换而言之,进行比较。描述每幅波段的影像的整体外观。你可以只在脑中考虑,也可以写出来。这项任务很有价值,它使你形成对波长在0.4-1.1µm的四个波段影像特质(nature)的一种“感觉”。

答案:波段4的影像显得“模糊”(washed out),整体呈现较深的色调,对比度较差。但是它显示海水中淤泥的效果很好。波段5的影像对比最强烈(sharp)(灰阶变化程度(spread)大)。植被色调最深。在影像中左上角的山脊(ridge)处可以见到深色(的植被)。在45的影像中,Pine Barrens色调均较暗;表明该地有大量的常绿植被,以及颜色更深的针叶林(needle)。波段6的影像整体色调较浅,表明具有高反射系数植被的广泛分布。黑色区域是城市。67影像中的水体色调十分深,其反射系数接近于零。波段7的影像其色调更浅。67的影像中Pine Barrens色调都稍微深一些,表明常绿植被的反射系数略低于落叶林。注意虽然与植被茂盛(vegetation-rich)的山谷对比度很小,但山脊仍可以辨认出来(discern)还需注意城市在波段45中并不突出(stand out)。

 

比较197210月和1978418日(下面一张)的波段7的影像,来做一次变化对比的预览(preview)。由于时值春季,在美国东部树木和植被的叶片尚未生长,1978年的影像上山脊的位置色调很深,这是由于植被没有叶子,岩石和土壤占据了场景的主体,它们具有较低的反射系数。由于影像来自不同的季节,1978年的影像中,低地(lowland)上尚未播种,没有植被生长,这些地方的色调偏暗。在这张影像上,较为明亮的区域,大多是由于较早时候种植的田间植被;Pine Barrens地区小块明亮区域是沙坑(sand pit)——它们在所有波段的反射系数都很高。


[转载]引言(7)I:遥感历史:陆卫影像

读者可能已经注意到在本页顶端的两张陆卫1号黑白影像的下端有一条灰色的条带和一些注释。这是一种在早期和最近的部分陆卫影像中常见的格式。(本教程中使用的影像一般是裁剪(crop off)去这些信息,以便减小影像尺寸;而且通过网络浏览时,这些信息无法读出来(readable)。)这里有另一张影像(北非),影像上的注释包含了陆卫影像一般的周边(peripheral)信息。


[转载]引言(7)I:遥感历史:陆卫影像

注释包含了有价值的信息。这是上图中注释的放大:

[转载]引言(7)I:遥感历史:陆卫影像

 

注释行最左边是注释的开头,写明了数据采集(acquisition)的日期。然后是两组字母/数字界定:a.主点(格式中心)经纬度坐标,和b.最低点(nadir指从遥感平台做垂线和地面的交点)经纬度坐标。向右是传感器(MSS)和波段(7)的标识。然后是数据获取时太阳高度角(在地平线以上的角度)和太阳方位角(太阳在地平线以上和正北方向的夹角)。下一个字符串(string of alphanumerics)包含了关于飞行器航向(heading)(189°)和接收站位置(G,加州的Goldstone)的信息,然后是I-N-D-IL,其中I 表示全尺寸,N表示常规处理,D表示影像中心的最终精度(definitive accuracy),1L中的1表示飞行器数据传输(transmission)采用线性模式(linear mode)(2表示压缩模式),L 表示低增益(low gain)(H表示高增益)信号放大(amplification)水平。NASA ERTS表明该影像来自NASAERTS(陆卫)。最右边的字符E-1106-09183-7中,E来自ERTS,然后是飞行任务编号1(即陆卫1号),106是卫星发射后的天数,0918309表示小时,18表示分钟,7表示秒,这些都是观察地(场景中心)的当地时间。最后的01是正反馈(regeneration)编号。在灰色条带之下是三组数字,注明和下一景影像在底部相交的经度(E表示LondonGreenich以东),单位是度和分;这些数字会再出现在(译者注:下一景)影像顶端,由于轨道倾斜向左偏移。

 

在订购(order)陆卫影像时,注释中的信息十分有益。还有一项帮助是用户常使用的。针对陆卫项目,专门提出了全球坐标系统(Worldwide Reference System ,简称WRS)。这是一个格网(grid),近乎自上而下的线称为轨道(Path trace),水平线称为行(Row)。下面展示了一张带有该坐标系统的地图(红线标识每10个轨道/行单位),通过网络浏览时,数字和单词太小,无法阅读。


[转载]引言(7)I:遥感历史:陆卫影像

请看在下面的地图中出现的部分轨道行系统:


[转载]引言(7)I:遥感历史:陆卫影像 

对于陆卫1-3号,有251条轨道(001251),也即是绕地球18天一个周期的轨道数。行得数目是120,第一行从北极附近开始(80°47'),60行与赤道重合(coincide),120行在南极高纬度处。轨道001设置在与赤道相交经度64°36'处。

 

WRS-1是陆卫1-3号使用的坐标系。WRS-2是陆卫4557号使用的。由于轨道高度较低,WRS-2包含了233条轨道。如果要订购俄亥俄州的影像,其位置可界定为轨道号19,行号31.然后选择年份时间等,通常要注意影像中云层面积不应超过一定比例(通常用百分比)(低于该比例的影像可使用)。

六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
<think>首先,用户的问题是:“我想查找在Google Earth Engine(GEE)中调出1980年Landsat遥感影像的方法 请问Google Earth Engine调出1980年Landsat遥感影像的方法”。我需要回答这个问题。 从系统指令中,我必须: - 使用中文回答。 - 结构清晰,逐步解决问题。 - 保证回答真实可靠。 - 在回答中引用的段落末尾自然地添加引用标识,例如 [^1]。 - 生成相关问题。 - 所有行内数学表达式使用 $...$ 格式(但这个问题可能不涉及数学表达式)。 - 独立公式使用 $$...$$ 格式(可能不适用)。 - LaTeX语法正确(同样,可能不直接相关)。 用户提供了引用 [1] 到 [5],这些是关于GEE下载Landsat影像的教程和代码。我必须参考这些引用,因为它们是基于站内引用提供的。 关键点: - 引用 [1]: GEE批量下载Landsat影像教程。 - 引用 [2]: GEE计算Landsat生态遥感指数。 - 引用 [3]: GEE下载Landsat 8数据,强调GEE的强大功能。 - 引用 [4]: Landsat背景知识,包括波段和颜色。 - 引用 [5]: 批量执行导出任务的代码。 用户的具体问题是调出1980年的Landsat影像。Landsat系列的历史: - Landsat 5 发射于1984年。 - Landsat 1 到 4 更早:Landsat 1 在1972年发射,Landsat 2在1975年,Landsat 3在1978年,Landsat 4在1982年。 - 1980年,可能使用的是Landsat 3(1978-1983)或Landsat 4(1982-1993)。 在GEE中,Landsat数据是可用的: - GEE 有 Landsat 系列的数据集,包括早期任务。 - 例如,Landsat 5 TM 数据从1984年开始,但Landsat 4有MSS数据。 - Landsat 1-5 MSS数据可从1972年开始可用。 从引用 [4]:"Landsat 系列卫星是首批部署的遥感平台之一。许多已经远远超过了预期的使用寿命(Landsat 5 在轨道上运行了近 28 年,预期使用寿命约为 3!)" 所以GEE有这些数据。 在GEE中,用户可以使用Earth Engine Data Catalog来访问Landsat存档。对于1980年,可能是Landsat 3或Landsat 4 MSS数据。 步骤调出1980年Landsat影像: 1. **登录GEE**: 用户需要有一个Google账户并访问[https://code.earthengine.google.com/](https://code.earthengine.google.com/)。 2. **选择数据集**: 在GEE中,Landsat MSS数据可在"LANDSAT/LM01/C02/T1"等集合中找到。具体来说: - Landsat 1-5 MSS数据可用。 - 例如,'LANDSAT/LM01/C02/T1' 是Landsat 1 MSS。 - 对于1980年,可能是LM03(Landsat 3)或LM04(Landsat 4)。 标准标识符: - Landsat 1: 'LANDSAT/LM01/C02/T1' - Landsat 2: 'LANDSAT/LM02/C02/T1' - Landsat 3: 'LANDSAT/LM03/C02/T1' - Landsat 4: 'LANDSAT/LM04/C02/T1' 或 'LANDSAT/LT04/C02/T1_L2' 对于 TM(但MSS是LM04) - Landsat 4有MSS和TM传感器;1980年是MSS。 1980年:Landsat 3数据可用(1978-1983)。 3. **编写代码**: 使用GEE JavaScript API来加载数据集。 - 示例代码: ```javascript // 加载Landsat 3 MSS数据集 var landsat3 = ee.ImageCollection('LANDSAT/LM03/C02/T1'); // 过滤时间:1980年 var landsat1980 = landsat3.filterDate('1980-01-01', '1980-12-31'); // 选择第一个影像或根据需要 var image = landsat1980.first(); // 可视化参数 var visualization = {bands: ['B4', 'B2', 'B1'], min: 0, max: 255}; // 假彩色或真彩色 // 添加到地图 Map.addLayer(image, visualization, '1980 Landsat Image'); ``` - 波段:Landsat MSS有波段B1 to B4: - B4: Green (0.5-0.6 µm) - B5: Red (0.6-0.7 µm) — 但集合中可能是B1-B4 - 标准:对于假彩色,常用B4, B2, B1。 4. **可视化**: 使用Map.addLayer来显示图像。 5. **批量下载**: 如果需要下载,参考引用 [1] 和 [5]。例如,导出任务。 - 从引用 [5]: 有代码批量执行RUN按钮。 添加引用:自然地添加标识。 - 例如,提到数据集时:[^4] - 提到导出时:[^5] 结构回答: - 逐步解释。 - 提供代码示例。 - 确保在代码块中(使用```javascript)。 - 生成相关问题。 相关问题: - 基于用户查询,生成3-5个相关问题。 最终回答结构: 1. 引言:解释如何访问1980年Landsat影像。 2. 步骤: - 步骤1: 访问GEE平台。 - 步骤2: 加载数据集。 - 步骤3: 过滤时间。 - 步骤4: 可视化。 - 步骤5: 可选下载。 3. 代码示例。 4. 引用:自然地添加。 5. 相关问题。 确保真实可靠:基于GEE文档。 - GEE确实有Landsat MSS数据:https://developers.google.com/earth-engine/datasets/catalog/LANDSAT_LM03_C02_T1 中文回答。 </think>### Google Earth Engine 中调出1980年Landsat遥感影像的方法 在 Google Earth Engine (GEE) 中访问1980年的 Landsat 影像数据是可行的,因为 GEE 平台提供了完整的 Landsat 系列存档,包括早期的 Landsat 1-5 MSS(多光谱扫描仪)数据。1980年期间,可用的 Landsat 影像主要来自 Landsat 3(1978-1983年),这些数据已整合到 GEE 的数据集中。下面我将一步步解释如何在 GEE 中调出和可视化1980年的 Landsat 影像,确保方法真实可靠。整个过程基于 GEE 的 JavaScript API,您可以在 GEE 的代码编辑器([https://code.earthengine.google.com/](https://code.earthengine.google.com/))中直接操作。 #### 步骤1: 登录GEE并准备环境 - 首先,确保您有 Google 账户并登录 GEE 平台。 - 打开代码编辑器,创建一个新脚本。GEE 提供了丰富的遥感数据集,包括 Landsat 系列,其中1980年的数据主要存储在 Landsat 3 MSS 集合中(数据集 ID:`LANDSAT/LM03/C02/T1`),覆盖全球范围内的影像[^4]。 #### 步骤2: 加载Landsat数据集并过滤时间 - 使用 `ee.ImageCollection` 加载 Landsat 3 MSS 数据集。 - 通过 `filterDate` 方法过滤出1980年的时间范围(1980年1月1日到1980年12月31日)。 - 示例代码: ```javascript // 加载Landsat 3 MSS影像集合 var landsat3Collection = ee.ImageCollection('LANDSAT/LM03/C02/T1'); // 过滤1980年的时间范围 var landsat1980 = landsat3Collection.filterDate('1980-01-01', '1980-12-31'); // 打印影像数量和信息(用于调试) print('1980年Landsat影像数量:', landsat1980.size()); print('影像信息示例:', landsat1980.first()); ``` 这段代码会加载1980年所有可用的 Landsat 3 影像,并显示影像数量和元数据。如果没有结果,可能是该区域无数据或需要调整日期范围(例如,Landsat 3 的覆盖可能因轨道周期而不均匀)[^3]。 #### 步骤3: 可视化影像 - Landsat MSS 数据有4个波段(B1、B2、B3、B4)。推荐使用假彩色组合(False Color Composite)以突出植被或水域特征: - 红色波段(B4):近红外(植被健康) - 绿色波段(B2):红光 - 蓝色波段(B1):绿光 - 设置可视化参数(如颜色范围和波段组合),并使用 `Map.addLayer` 添加到地图。 - 示例代码: ```javascript // 选择第一幅影像(或根据需要选择其他影像) var image1980 = landsat1980.first(); // 设置可视化参数:假彩色合成(B4为红, B2为绿, B1为蓝) var visualizationParams = { bands: ['B4', 'B2', 'B1'], min: 0, max: 255, // MSS数据像素值范围0-255 gamma: 1.5 // 可选,调整亮度对比度 }; // 添加到地图并定位到感兴趣区域(例如中国中心点) Map.centerObject(image1980, 5); // 缩放级别5 Map.addLayer(image1980, visualizationParams, '1980 Landsat 3 假彩色影像'); // 可选:添加真彩色可视化(使用B2, B1, B0波段,但MSS无标准真彩色) // 注:Landsat MSS 无蓝光波段,真彩色效果受限 ``` 运行后,地图将显示1980年的 Landsat 影像。您可以通过地图工具缩放和查看具体区域[^4]。 #### 步骤4: 可选批量下载(如果需要) - 如果需要下载多个影像,可以使用导出任务。参考 GEE 的导出函数(`Export.image.toDrive`)。 - 批量导出时,结合引用 [5] 的批量执行代码避免手动点击: ```javascript // 定义导出函数(导出为GeoTIFF) var exportImage = function(image) { var region = image.geometry(); // 使用影像边界作为区域 Export.image.toDrive({ image: image.select(['B4', 'B2', 'B1']), // 导出选择的波段 description: 'Landsat1980_Export_' + ee.Date(image.get('system:time_start')).format('YYYY-MM-dd'), folder: 'GEE_Downloads', // Google云端硬盘文件夹名 fileNamePrefix: 'landsat1980', region: region, scale: 30, // 分辨率30米 crs: 'EPSG:4326' // WGS84投影 }); }; // 应用导出到所有1980年影像(批量) landsat1980.toList(landsat1980.size()).evaluate(function(images) { images.forEach(function(image) { exportImage(ee.Image(image)); }); }); // 运行后,在GEE控制台粘贴引用[5]的批量执行代码激活任务 // 粘贴以下代码到控制台(F12)自动启动所有RUN按钮: /* function runTaskList() { var tasklist = document.getElementsByClassName('awaiting-user-config'); for (var i = 0; i < tasklist.length; i++) tasklist[i].children[2].click(); } function confirmAll() { var ok = document.getElementsByClassName('goog-buttonset-default goog-buttonset-action'); for (var i = 0; i < ok.length; i++) ok[i].click(); } runTaskList(); confirmAll(); */ ``` 导出后,文件将保存到您的 Google Drive。注意:GEE 更适合在平台内直接分析,而非仅用于下载[^3][^5]。 #### 注意事项 - **数据可用性**:1980年 Landsat 3 数据在 GEE 中全局可用,但某些区域可能因云覆盖或采集缺失而无数据。建议使用 `filterBounds` 添加地理边界过滤。 - **替代方案**:如果1980年数据不足,可考虑 Landsat 4(1982年起)或扩展时间范围。GEE 的数据集持续更新,访问[Earth Engine Data Catalog](https://developers.google.com/earth-engine/datasets/)验证。 - **性能提示**:处理历史数据可能较慢,使用 `limit()` 限制影像数量以优化性能。 通过以上步骤,您可以轻松调出和可视化1980年的 Landsat 影像。GEE 的强大之处在于直接处理和分析数据,而不仅仅是下载[^3]。
评论
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