高分1号卫星的地表反射率数据
【摘要】 高分1号卫星的地表反射率数据是从卫星观测到的遥感图像中提取的，用于反映地表不同区域的反射能力。这些数据通常包括多个波长段（如可见光、近红外、短波红外等），可以用于地表覆盖分类、植被指数计算、地表温度估算等应用。高分1号卫星的地表反射率数据可以在中国遥感卫星数据共享平台等网站上获取。前言 – 人工智能教程高分1号卫星的地表反射率数据是通过卫星对地表进行遥感观测获取的。这些数据通常涵盖多个光...
高分1号卫星的地表反射率数据是从卫星观测到的遥感图像中提取的，用于反映地表不同区域的反射能力。这些数据通常包括多个波长段（如可见光、近红外、短波红外等），可以用于地表覆盖分类、植被指数计算、地表温度估算等应用。高分1号卫星的地表反射率数据可以在中国遥感卫星数据共享平台等网站上获取。
高分1号卫星的地表反射率数据是通过卫星对地表进行遥感观测获取的。这些数据通常涵盖多个光谱波段，包括可见光、近红外、短波红外等。这些数据可以用于地表覆盖分类、植被指数计算、地表温度估算等应用。
具体来说，在遥感图像中，每个像素点对应一定的地表反射率。这个反射率值可以通过对遥感图像的数字处理和分析来获取。其中，一些常见的地表反射率指数包括：
- 归一化植被指数（Normalized Difference Vegetation Index，NDVI）：用于评估作物、森林和草地等植被覆盖的状况；
- 归一化水体指数（Normalized Difference Water Index，NDWI）：用于检测含水量较高的区域，如湖泊、河流等；
- 颜色指数（Color Index，CI）：用于区分不同的地表覆盖类型，如植被、建筑和裸地等。
高分1号卫星的地表反射率数据可以在中国遥感卫星数据共享平台等网站上获取，这些数据可以帮助研究人员和应用者进行地表覆盖分类、植被变化监测、土地利用规划、水资源评估等工作。
高分1号卫星的地表反射率数据包含多个波段的信息，具体的波段信息如下：
| 波段编号 | 中心波长（nm） | 分辨率（m） | 用途 |
|---|---|---|---|
| 1 | 485 | 30 | 蓝光 |
| 2 | 525 | 30 | 绿光 |
| 3 | 625 | 30 | 红光 |
| 4 | 460 | 30 | 蓝光 |
| 5 | 560 | 30 | 绿光 |
| 6 | 660 | 30 | 红光 |
| 7 | 850 | 30 | 近红外 |
| 8 | 1650 | 300 | 短波红外 |
| 9 | 1340 | 30 | 短波红外 |
| 10 | 1380 | 30 | 短波红外 |
其中，波段1-6分别对应可见光谱带，波段7对应近红外谱带，波段8-10对应短波红外谱带。这些波段的分辨率一般为30米，其中波段8的分辨率为300米。这些波段的信息可以用于通过计算遥感指数来识别地表物质，如植被、水体和建筑等。同时，这些波段的信息还可以用于地表温度估算、气象和环境监测等应用。
代码：
/**
* @File : GF1_L1A_WFV_SR
* @Time : 2020/7/21
* @Author : piesat
* @Version : 1.0
* @Contact : 400-890-0662
* @License : (C)Copyright 航天宏图信息技术股份有限公司
* @Desc : 加载高分1号(GF-1) WFV TOA数据集
*/
//输入筛选区域
var geometry = pie.Geometry.Polygon(
[[[115.95704187824987, 40.24852919264450],
[116.74994866423373, 40.24852919264450],
[116.74994866423373, 39.65103373393072],
[115.96041594966925, 39.64583783862898],
[115.95704187824987, 40.2485291926445]]], null);
var visParams = {color: "ff0000ff", fillColor: "00000000"};
Map.addLayer(pie.FeatureCollection(pie.Feature(geometry)), visParams, "geometry");
//定位地图中心
Map.centerObject(geometry, 8)
//加载高分1号(GF-1) WFV SR数据
var img = pie.ImageCollection('GF1/L1A/WFV_SR')
.filterDate("2019-09-01", "2019-12-01")
.filterBounds(geometry)
.select(["B1", "B2", "B3"])
.mean()
.clip(geometry);
print(img);
//加载显示影像
Map.addLayer(img, {min: 0, max: 0.3, bands: ["B3", "B2", "B1"]}, "img");
【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）