landsat8与landsat7波段对比
landsat8卫星包含OLI和TIRS两种传感器。OLI包括了ETM+的所有波段。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。
landsat7 landsat8卫星对比
|
Landsat 7 |
Landsat 8 |
||||
|
Band Name |
Bandwidth (μm) |
Resolution (m) |
Band Name |
Bandwidth (μm) |
Resolution (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 |
|||
表1： OLI陆地成像仪和ETM+对照表
|
OLI陆地成像仪 |
ETM+ |
||||
|
序号 |
波段(μm) |
空间分辨率 (m) |
序号 |
波段(μm) |
空间分辨率 (m) |
|
1 |
0.433–0.453 |
30 |
|||
|
2 |
0.450–0.515 |
30 |
1 |
0.450–0.515 |
30 |
|
3 |
0.525–0.600 |
30 |
2 |
0.525–0.605 |
30 |
|
4 |
0.630–0.680 |
30 |
3 |
0.630–0.690 |
30 |
|
5 |
0.845–0.885 |
30 |
4 |
0.775–0.900 |
30 |
|
6 |
1.560–1.660 |
30 |
5 |
1.550–1.750 |
30 |
|
7 |
2.100–2.300 |
30 |
7 |
2.090–2.350 |
30 |
|
8 |
0.500–0.680 |
15 |
8 |
0.520–0.900 |
15 |
|
9 |
1.360–1.390 |
30 |
|||
表2：OLI波段合成
|
R、G、B |
主要用途 |
|
4 、3 、2 Red、Green、Blue |
自然真彩色 |
|
7、 6 、4 SWIR2、SWIR1、Red |
城市 |
|
5、 4 、3 NIR、Red、Green |
标准假彩色图像，植被 |
|
6 、5 、2 SWIR1、NIR、Blue |
农业 |
|
7 、6、 5 SWIR2、SWIR1、NIR |
穿透大气层 |
|
5、 6、 2 NIR、SWIR1、Blue |
健康植被 |
|
5 、6、 4 NIR、SWIR1、Red |
陆地/水 |
|
7、 5 、3 SWIR2、NIR、Green |
移除大气影响的自然表面 |
|
7 、5 、4 SWIR2、NIR、Red |
短波红外 |
|
6、 5 、4 SWIR1、NIR、Red |
植被分析 |
表3：Landsat TM波段合成总结说明
|
R、G、B |
类型 |
特点 |
|
3、2、1 |
真假彩色图像 |
用于各种地类识别。图像平淡、色调灰暗、彩色不饱和、信息量相对减少。 |
|
4、3、2 |
标准假彩色图像 |
它的地物图像丰富，鲜明、层次好，用于植被分类、水体识别，植被显示红色。 |
|
7、4、3 |
模拟真彩色图像 |
用于居民地、水体识别 |
|
7、5、4 |
非标准假彩色图像 |
画面偏蓝色，用于特殊的地质构造调查。 |
|
5、4、1 |
非标准假彩色图像 |
植物类型较丰富，用于研究植物分类。 |
|
4、5、3 |
非标准假彩色图像 |
（1）利用了一个红波段、两个红外波段，因此凡是与水有关的地物在图像中都会比较清楚；（2）强调显示水体，特别是水体边界很清晰，益于区分河渠与道路；（3）由于采用的都是红波段或红外波段，对其它地物的清晰显示不够，但对海岸及其滩涂的调查比较适合；（4）具备标准假彩色图像的某些点，但色彩不会很饱和，图像看上去不够明亮；（5）水浇地与旱地的区分容易。居民地的外围边界虽不十分清晰，但内部的街区结构特征清楚；（6）植物会有较好的显示，但是植物类型的细分会有困难。 |
|
3、4、5 |
非标准接近于真色的假彩色图像 |
对水系、居民点及其市容街道和公园水体、林地的图像判读是比较有利的。 |
http://www.taodudu.cc/news/show-4955950.html
相关文章：
- Landsat7 产品详情介绍及文件命名规则
- [论文笔记]A ConvNet for the 2020s
- 文献阅读笔记整理--ConvNext：A ConvNet for the 2020s
- [ConvNeXt] A ConvNet for the 2020s
- A ConvNet for the 2020s 论文笔记
- PyTorch笔记 - A ConvNet for the 2020s (ConvNeXt) 网络
- A ConvNet for the 2020s 论文解读
- 论文阅读：A ConvNet for the 2020s
- 图像分割方法分享 | 基于优选集成ConvNet的脑癌图像分割方法
- 21世纪20年代的ConvNet——ConvNeXt
- CS231n-Lecture5:卷积神经网络（CNN / ConvNets）
- 进网许可证鸿蒙系统,华为5G最新进展：华为获中国首个5G无线数据终端电信设备进网许可证...
- 特别策划｜5G最新进展深度解析2022版—全球市场篇（32页附下载）
- 华为鸿蒙5g售价,荣耀5G最新确认，120Hz+双6400万像素+鸿蒙系统，售价感人
- 鸿蒙系统需要大运存吗,荣耀5G最新确认，鸿蒙系统+双5000万+16GB大运存，这才是荣耀...
- 特别策划 | 5G最新进展深度解析2020版-全球市场篇（P66页附下载）
- 特别策划 | 5G最新进展深度解析2020版-国内市场篇（56页附下载）
- 5G全国覆盖还需6-7年时间？来看看各地5G最新进展与规划
- 贵州5G最新规划：3年投资200亿元，建成3.2万个5G基站
- 华为发布5G最新产品，支持中国运营商建设最佳5G网
- 【46页/附下载】5G最新进展深度解析—国内市场篇
- 特别策划｜5G最新进展深度解析2022版—技术篇（71页附下载）
- 联通上线5G信号查询功能，一览13省5G最新进展
- 25省/市5G最新进展与规划汇总
- 苏州5G最新规划：2021年建成23000个5G基站，大力推进5G应用
- 【144页/附下载】5G最新进展深度解析—全集完整版
- 【50页/附下载】5G最新进展深度解析—技术应用篇
- 特别策划 | 5G最新进展深度解析2020版-技术应用篇（68页附下载）
- 特别策划｜5G最新进展深度解析2022版—国内市场篇（65页附下载）
- 关于5G最新进展的一些数据
landsat8与landsat7波段对比相关推荐
- landsat8与sentinel2波段对比
landsat8与sentinel2波段对比 Landsat8波段对比哨兵2号,通常Landsat8OLI使用7.5.2或7.5.3,哨兵2号相对应的为12.8.2. Landsat7ETM+通常采用 ...
- 用于土地使用和土地覆盖分类的landsat8的OLI波段组合的选择
建议直接看结论 paper: Selection of Landsat 8 OLI Band Combinations for Land Use and Land Cover Classificati ...
- ENVI软件|基于多源遥感影像的红树林范围提取1-数据获取及处理
红树林是一种生长在海岸带的木本植物群落,主要分布在热带.亚热带地区海岸带的海湾.河口等海域,是国际上生物多样性的重点保护对象.红树林具有提供产品.防风御浪.净化环境.保护海岸线.维持生物多样性等生态功 ...
- GEE|在GEE对Sentinel-2、Landsat7、Landsat8进行批量大气校正、去云，并进行均值融合、裁剪、显示和数据下载
前言: 由于我要使用S2在2016-2020年时序数据进行作物分类,但GEE仅提供2018年后的S2 L2A数据('COPERNICUS/S2_SR'),因此需要进行大气校正,同时由于需要的数据量大, ...
- landset8各波段_landsat8波段
Landsat8 的不同波段组合说明 (2013-08-08 11:32:56) 转载▼ 标签: landsat8 oli 陆地成像仪 杂谈 分类: 遥感技术 Landsat TM ( ETM+ ) ...
- ENVI软件对Landsat-8数据进行辐射定标、大气校正、提取NDVI、估算植被覆盖度等操作【图说GIS】
目录 一.前言 二.数据下载 第一步 访问网站 第二步 登录账户 第三步 点击高级检索, 下载数据 三.软件下载及安装 四.辐射定标 第一步 打开数据 第二步 辐射定标 五.计算区域平均高程 第一步 ...
- ENVI下Landsat8大气校正法反演地表温度
尝试过ETM+热红外的大气校正法.单窗算法:ASTER的单窗算法.劈窗算法:Landsat8的大气校正法.单窗算法.劈窗算法反演地表温度.这里首先想记录Landsat8的大气校正法反演地表温度. 我认 ...
- Google Earth Engine(GEE)实例代码学习十一——影像全色波段融合提高分辨率（HSV Pan Sharpening）
利用全色波段提高影像分辨率 本文分享如何利用Landsat8全色波段提高影像分辨率 //筛选Landsat8影像云覆盖最少影像 var image = ee.Image(ee.ImageCollect ...
- 随机森林提取Landsat8水体的样本制作
思路来源于下面文章 python实现随机森林遥感图像分类 - 知乎 制作水体非水体样本,我在envi5.3中制作后无法导出为TIFF格式,遂利用arcgis进行样本制作. 首先打开需要提取的影像TIF ...
最新文章
- DvaJS 入门， 快速上手Dva
- 对SQLSERVER进行性能监控
- 局域网流量控制_基于软件定义的网络准入控制体系
- 基于 Kubernetes 的 CICD 基础设施即代码
- APP视觉稿该怎么切图和标注
- matlab multithreading spyder,spyder和python的关系是什么
- 关于NTFS文件夹的安全权限分配的一些总结
- idea 快捷键大全(全网最详细)
- 网页版在线客服实现代码
- Share Disk、Share Memory和Share Nothing的区别
- Python爬虫之堆糖网图片（二）
- 六级考研单词之路-三十二
- 游戏主机系统，破旧老电脑秒变高性能儿时复古游戏主机
- 网络信息安全之零信任
- 《Clojure Web开发实战》——第2章，第2.3节应用架构
- pdf密码忘了怎么解除
- 在Fedora 16 linux下安装USB无线网卡驱动88x2bu
- 字体在ppt中可以整体替换吗_如何批量替换PPT中的字体？
- Centos7系统PC安装后在工控机无法运行问题解决
- DNS解析常见问题：如何添加AAAA记录？