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.