Questions tagged «landsat»

由NASA和美国地质调查局共同管理的一系列地球观测卫星任务。

8
人们使用LANDSAT数据做什么?
显然,它可能是一个非常强大的工具,但是我对人们将其用于什么实际应用感到好奇。 诚然,这是一个非常广泛的问题...我问的原因是,尽管我个人知道许多应用程序,但我确信其他人已经想到了许多其他有趣的新颖用途,想一想。 此外,如果您自己使用的是LANDSAT数据,那么您将经历什么样的工作流程才能从数据中获得所需的信息?


3
哪种遥感卫星最适合用于植被范围制图
我目前正在为我的遥感班写作业,虽然我认为我有正确的答案,但我想知道做这件事的人是怎么想的。 问题是:您将使用Landsat TM(专题制图仪)和SPOT 5中的哪颗卫星来绘制300km x 300km研究区域的总体范围。 我的回答是,您将使用SPOT 5,因为它具有更高的分辨率,并且与Landsat TM的30m分辨率相比,您可以得到更好的显示范围。但是,SPOT 5的覆盖区域较小,因此您必须使用更多图像。我还考虑过SPOT 5上2200公里的VMI测距,但分辨率为1公里。 有什么想法吗?

2
如何使用QGIS填补SLC-Off Landsat 7 ETM +图像中的空白?
问题说明: 2003年5月31日,Landsat 7增强型主题映射器(ETM +)传感器的扫描线校正器(SLC)发生故障。从那时起,所有Landsat ETM +图像在每个场景的两侧都有楔形间隙,导致大约22%的数据丢失。这些图像可从USGS GloVis网站免费下载,可以在L7 SLC-off集中找到。 资料来源:耶鲁大学 我可以使用Qgis代替专有软件(ENVI,Erdas ....)来填补空白吗?


1
在python中使用GDAL读取,修改和编写Geotiff
我正在尝试学习使用Python GDAL绑定和numpy进行遥感图像处理的绳索。作为首次尝试,我正在读取Landsat8 geotiff文件,进行简单的操作并将结果写入新文件。下面的代码看起来工作正常,除了原始栅格转储在输出文件中,而不是转储在操纵的栅格中。 欢迎提出任何意见或建议,但要特别注意为何未在结果中显示操纵的栅格。 import os import gdal gdal.AllRegister() file = "c:\~\LC81980242015071LGN00.tiff" (fileRoot, fileExt) = os.path.splitext(file) outFileName = fileRoot + "_mod" + fileExt ds = gdal.Open(file) band = ds.GetRasterBand(1) arr = band.ReadAsArray() [cols, rows] = arr.shape arr_min = arr.Min() arr_max = arr.Max() arr_mean = int(arr.mean()) arr_out = numpy.where((arr < arr_mean), …

1
如何在GRASS中平移Landsat图像以进行图像分类?
我想学习如何在GRASS中使用i.cluster> i.maxlik锐化的15m分辨率图像对Landsat场景进行无监督分类(在其Wiki中给出的示例使用普通的30m分辨率)。 我尝试使用i.pansharpen先创建泛锐化的图像,但i.pansharpen只能输出3个可以使用d.rgb或组合的通道r.composite。据我所知,图像分类过程需要完整的多光谱波段1到7。在将它们输入到图像之前,如何使用其15m分辨率的波段8图像进行全景锐化,如何生成单独的波段(波段1到波段7)。图像分类过程? 我发现了一篇论文,展示了他们是如何做到的。基本上,他们使用某种主成分分析将30m多光谱波段与15m全色波段合并。确切的报价是: “该方法首先将30米的多光谱图像重新采样到15米。然后计算多光谱图像的所有六个主要成分(由于航向分辨率,我们删除了热能带。)然后是全色能带的直方图(15米重新缩放以匹配30米图像的第一主成分的直方图,并用重新缩放的全色带替换第一成分。这是合理的,因为第一主成分以类似于全色图像的宽光谱带。替换后,然后将这六个分量转换回原始数据空间,从而改善了空间分辨率。” 首先,论文没有显示任何算法/公式。我不知道如何将上述报价转换为相应的数学公式。我意识到我可以使用i.pansharpenPCA算法而不是通常的Brovey或IHS-但仍然-输出只会是红色,蓝色和绿色的3个通道-很遗憾,我不知道如何使用它们进行图像分类.. 因此,在我试图尝试手动编写新的PCA算法之前,还没有人可以帮助我指出一种更简单,更好的方法来对全貌的Landsat图像进行图像分类吗?我的意思是-应该有一种更简单的方法,对吗?我觉得我缺少一些简单的东西。 如果剩下的唯一途径就是编写自己的脚本,那么请给我指出一些类似于我正在尝试做的事情的东西吗? 很感谢任何形式的帮助!

1
如何比较航空和卫星图像进行土地利用分析?
我有兴趣比较四个时期(1950年代,1980年代,1990年代)和某个最大面积为5000公顷的区域当前的土地利用-覆盖动态。 对于前三个时段,可以使用比例为1:20 000的详细航空照片,而对于当前的照片则无法使用,我可以使用的唯一可能的选择是较粗略的图像,例如LANDSAT图像,可以免费下载。我没有资金购买详细图像。 我的问题是,对于如此小的区域,从更详细的照片中获得的信息如何与使用LANDSAT图像获得的信息相媲美? 如果有人可以提出这项分析的可能结果和后果,或提出任何解决方案的建议,我将不胜感激。

2
从Landsat栅格图像中提取道路
为了研究雨林中道路网络的扩展,我试图从Landsat图像中提取道路。我们已经有了清晰,无云的合成物,可以用肉眼清晰地看到道路,但是将它们提取到线状要素中很难,因此我想知道是否有人知道一种可以处理Landsat提供的大图像的好的算法或方法?我已经尝试过Grass's r.thin,但这似乎不起作用。

2
为什么Landsat ETM +全色带的波长在可见光范围内步进?
就空间分辨率(即15 x 15m像元大小)而言,Landsat ETM +波段8(全色)与Landsat-8 OLI'全色波段8相同。但是,两个波段的波长差异很大。ETM + .52-.90和OLI 0.503-0.676(微米)。 参见https://landsat.usgs.gov/what-are-band-designations-landsat-satellites 显然,为ETM +放置的波长在可见范围内。两个频段之间的视觉比较也表明了这些差异的结果。 显然,已经注意到OLI的泛带在视觉解释方面非常方便,并且适用于泛锐化和图像分类。 ETM +全色波长可能超出了可见范围,可能会有一些好的方面,我很高兴对相同的原因有所启发。

2
汉森全球森林观察分类的方法?
我刚刚发现了惊人的汉森(Hansen)关于森林丧失和再生长的分类,该分类可在http://www.globalforestwatch.org/上找到,该分类发表于2013年《科学》杂志上,网址为: Hansen,MC,Potapov,P.V,Moore,R 。,Hancher,M.,Turubanova,SA和Tyukavina,A.(2013年)。21世纪森林覆盖率变化的高分辨率全球地图。Science,342(6160)(11月15日),850–854。doi:DOI:10.1126 / science.1244693。 但是,我在本文/网站中找不到确切的方法来再现这种地图,因此汉森使用了哪种分类? 我唯一能找到的是,有监督的学习算法用于识别树的覆盖率,但这是一个广义的术语。 如果可能的话,我想使用相同的方法(但要在90年内应用),所以在我选择的地区进行汉森分类之前。


1
为什么我的sceneID无法在landsat-utils中下载?
我需要自动下载Landsat映像以进行森林监视。我正在使用landsat-utils软件包。但是,当我从兴趣区域设置我的sceneID时,代码无法正常运行。 因此,这是我要获取以测试脚本的sceneID(LC82150682015350LGN01)的一个示例。 我试图从USGS输入用户名和密码,但是它不能解决问题,但问题仍然存在。 这里的代码: $ landsat download LC82150682015350LGN01 AttributeError: 'RemoteFileDoesntExist' object has no attribute 'message' 当我设置USGS用户名和密码时,错误是: AttributeError: 'USGSError' object has no attribute 'message' 为什么我没有使用此sceneID获得文件?我已更改它,但遇到了同样的问题。

1
对泛锐分类有信心吗?
我使用分辨率合并资源,brovey变换和最近邻技术对ERDAS上的一张Landsat图像进行了锐化处理。但有人告诉我,就土地用途分类而言,这样做会是一个错误,因为全面锐化会产生错误的像素,从而增加误差。 真的吗?

1
是否在R中导入多个堆叠的栅格图像?
我想从指示的文件夹中导入所有多个镶嵌栅格(每个镶嵌由7层组成)到我的R中。然后将它们作为单个多层栅格进行访问。 所以我做了: # read all mosaics named "mos....img" in R raster_data<-list.files(path=getwd(), pattern="mos.*.img$") # read files as rasters s <- stack(raster_data) # check my imported rasters p.ex. raster n°8 from "s" raster stack s[[8]] 而我的栅格s [[8]]仅包含1层,因此未导入整个镶嵌! nlayers(s[[8]]) [[1]] 如果我分别阅读每个镶嵌图,它将起作用: # read 1 mosaic (composed by 7 bands) mosaic1<-brick("mosaic1.img") # extract one …

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.