Landsat 8 OLI数据信息
基于Landsat8 OLI数据提取石河子市建筑用地的一个新方法
基于Landsat8 OLI数据提取石河子市建筑用地的一个新方法随着城市化进程的不断加快，城市建设用地的需求也在不断增加。
如何高效利用土地资源，是当今社会面临的一个重要问题。
石河子市作为新疆维吾尔自治区的一个重要城市，近年来的建设用地需求也在不断增长。
在城市规划和土地利用方面，基于遥感技术对建设用地进行提取已成为一种被广泛应用的方法。
本文将基于Landsat8 OLI数据，提出一种新的方法来提取石河子市的建筑用地，为城市规划和土地利用提供一定的参考。
Landsat8 OLI数据是美国国家航空航天局（NASA）于2013年发射的卫星数据，其空间分辨率为30米，光谱范围从紫外线到近红外范围，具有广泛的应用价值。
针对石河子市建筑用地提取的问题，本文将基于Landsat8 OLI数据，结合光谱信息和空间信息，提出一种新的方法来进行建筑用地的提取。
我们需要获取Landsat8 OLI数据，并对数据进行预处理。
Landsat8 OLI数据通常以遥感影像的形式提供，包括多个波段的光谱信息。
我们需要对影像进行大气校正和辐射定标处理，以消除大气、云、阴影等因素对图像的影响，同时将影像的反射率转换为地表辐射率。
这样处理后的影像更加符合实际地物的光谱特征，有利于后续的建筑用地提取。
我们还需要对影像进行几何校正，消除由于卫星轨道、姿态等因素造成的几何失真，确保影像的空间信息准确可靠。
接着，我们对预处理后的Landsat8 OLI影像进行特征提取。
在建筑用地提取中，光谱信息和空间信息都起着重要的作用。
我们可以利用影像的光谱信息，包括不同波段的反射率和光谱特征，来识别建筑用地的光谱特征。
我们还可以利用影像的空间信息，包括纹理特征、形状特征等，来识别建筑用地的空间分布特征。
通过对影像的特征提取，我们可以得到不同波段下建筑用地的光谱特征和空间特征，为建筑用地的提取奠定基础。
然后，我们将利用特征提取的结果，结合分类算法进行建筑用地提取。
landsat8反照率各个波段的比例因子
landsat8反照率各个波段的比例因子Landsat 8是美国国家航空航天局（NASA）和美国地质调查局（USGS）合作开展的一项地球观测计划，旨在提供高空间分辨率和频率的遥感数据。
它搭载了一台名为OLI（Operational Land Imager）的传感器，可以获取多个波段的数据，其中包括蓝、绿、红、近红外、短波红外1、短波红外2和热红外这些波段。
为了将这些波段的数据转化为可用的反射率信息，需要使用比例因子进行校正。
1. 蓝波段（Band 2）比例因子:蓝波段的比例因子为0.0001。
这意味着在计算蓝波段的反射率时，需要将原始数据乘以0.0001。
蓝波段对于水体和植被的观测具有重要意义，可以用于监测水质和植被生长情况。
2. 绿波段（Band 3）比例因子:绿波段的比例因子为0.0001。
与蓝波段类似，计算绿波段的反射率时也需要将原始数据乘以0.0001。
绿波段对于植被的监测非常重要，可以用于研究植被的健康状况和覆盖范围。
3. 红波段（Band 4）比例因子:红波段的比例因子为0.0001。
同样，计算红波段的反射率时需要将原始数据乘以0.0001。
红波段对于土地利用和土地覆盖的分类具有重要作用，可以用于识别不同类型的地表覆盖，如城市、农田和森林。
4. 近红外波段（Band 5）比例因子:近红外波段的比例因子为0.0001。
计算近红外波段的反射率时同样需要乘以0.0001。
近红外波段对于植被的监测也非常重要，可以用于评估植被的健康状况和生长情况。
5. 短波红外1波段（Band 6）比例因子:短波红外1波段的比例因子为0.0001。
在计算短波红外1波段的反射率时，同样需要将原始数据乘以0.0001。
短波红外1波段对于土地覆盖分类和水体观测也具有重要意义。
6. 短波红外2波段（Band 7）比例因子:短波红外2波段的比例因子为0.0001。
在计算短波红外2波段的反射率时，同样需要将原始数据乘以0.0001。
Landsat系列辐射定标参数整理
辐射定标参数整理1.亮度温度计算亮度温度是一个常用的温度概念，是在卫星高度上传感器探测波段范围内普朗克黑体辐射函数与传感器响应函数乘积积分得到的辐射值．亮度温度包含有大气和地表对热辐射传导的影响，不是真正意义上的地表温度。
计算公式：其中，Lλ为传感器探孔处光谱辐射强度，即星上辐射亮度值，实现像素DN值转化为绝对辐射亮度值。
1.1.星上辐射亮度（Lλ）遥感影像的亮度值(DN值)都是经过量化和纠正过的以8bit编码的数字影像，为了精确反演地物特性，有必要将DN值转化为星上辐射亮度值。
ndsat8Lλ= M L*Q cal + A L通过查看影像的头文件，可以获取偏差参数：M L(RADIANCE_MULT_BAND_x)和A L(RADIANCE_ADD_BAND_x)为图像的增益和偏置。
1.1.ndsat5/7QCAL为经过辐射校正的图像灰度值即DN值；L max为探测器可检测到的最大辐射亮度，也是最大灰度值所相应的辐射亮；L min为探测器可检测到的最小辐射亮度，也是最小灰度值所相应的辐射亮度。
表 1 Landsat5 TM的Lmin和Lmax值表 2 Landsat7 ETM+的Lmin和Lmax值QCAL max为传感器接收到的最大灰度值，QCAL min为传感器接收到的最小灰度值。
（1）如果没有元数据信息，QCAL MIN默认值1（TM和ETM+1)或者0(MSS)；QCAL MAX取默认值255(TM 和ETM+)或者127(MSS)。
（2）如果有元数据信息，QCAL MIN取值如下：对于LPGS Products（The level 1 product generation system）取值为1，对于NLAPS Products（National Landsat Archive Production System）在04 April 2004之前取值为0，在04 April 2004之后取值为1；QCAL MAX 取值为127（MSS）, 255（TM、ETM）。
Landsat数据下载方式一
Landsat数据下载：from USGS官网（以Landsat8 OLI为例）一、进入网站：/
另外/，实际上与上述网站是一体的，连登录号都一致。
二、选择查询数据类型
这里选择Landsat 8 OLI
图1：选择下载数据类型
三、根据情况选择下载区域
（1）可以通过经纬度或者轨道号查询数据。
（2）这里选择的是北京周边地区的数据，通过选择具体时间，或者 Prev Scene/Next Scene按钮查看数据情况，如下图所示选择2013年5月12号的123/032景。
图2：浏览单景数据信息
图3：查询下载区域
四、添加下载框并执行下载
（1）如下图，选择好一景影像，单击Add按钮。
重复操作将你需要下载的图像加入列表中。
（2）选择好所有数据后，单击Send to Cart，打开登录界面。
五、登录或者注册
登录。
未注册用户可以打开右上角register链接注册，按照要求一步步填写信息即可，不需要审核。
登录之后到图5位置。
图4：添加下载列表框
六、下载
后面的工作就很简单了，尽情下载吧。
图5：下载对话框。
Landsat系列辐射定标参数
辐射定标参数整理1.亮度温度计算亮度温度是一个常用的温度概念，是在卫星高度上传感器探测波段范围内普朗克黑体辐射函数与传感器响应函数乘积积分得到的辐射值．亮度温度包含有大气和地表对热辐射传导的影响，不是真正意义上的地表温度。
计算公式：其中，Lλ为传感器探孔处光谱辐射强度，即星上辐射亮度值，实现像素DN值转化为绝对辐射亮度值。
1.1.星上辐射亮度（Lλ）遥感影像的亮度值(DN值)都是经过量化和纠正过的以8bit编码的数字影像，为了精确反演地物特性，有必要将DN值转化为星上辐射亮度值。
ndsat8Lλ= M L*Q cal + A L通过查看影像的头文件，可以获取偏差参数：M L(RADIANCE_MULT_BAND_x)和A L(RADIANCE_ADD_BAND_x)为图像的增益和偏置。
1.1.ndsat5/7QCAL为经过辐射校正的图像灰度值即DN值；L max为探测器可检测到的最大辐射亮度，也是最大灰度值所相应的辐射亮；L min为探测器可检测到的最小辐射亮度，也是最小灰度值所相应的辐射亮度。
表 1 Landsat5 TM的Lmin和Lmax值表 2 Landsat7 ETM+的Lmin和Lmax值QCAL max为传感器接收到的最大灰度值，QCAL min为传感器接收到的最小灰度值。
（1）如果没有元数据信息，QCAL MIN默认值1（TM和ETM+1)或者0(MSS)；QCAL MAX取默认值255(TM 和ETM+)或者127(MSS)。
（2）如果有元数据信息，QCAL MIN取值如下：对于LPGS Products（The level 1 product generation system）取值为1，对于NLAPS Products（National Landsat Archive Production System）在04 April 2004之前取值为0，在04 April 2004之后取值为1；QCAL MAX 取值为127（MSS）, 255（TM、ETM）。
Landset8卫星波段及组合介绍
Landset8卫星波段及常用组合介绍
Landsat8卫星包含OLI（Operational Land Imager 陆地成像仪）和TIRS （Thermal Infrared Sensor 热红外传感器）两种传感器。
OLI包括了ETM+的所有波段，为了避免大气吸收部分特征，OLI对波段进行了重新调整，比较大的调整：
1、OLI Band5(0.845–0.885 μm)，排除了0.825μm处水汽吸收特征；
2、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；
3、新增两个波段：海蓝波段(band 1; 0.433–0.453 μm) 主要应用海岸带观测；短波红外波段，又称卷云波段(band 9; 1.360–1.390 μm) 包含水汽强吸收特征，可用于云检测；
4、近红外band5和短波红外band9与MODIS对应的波段更加接近。
表1Landsat7 Landsat8卫星对比
表2：OLI波段合成
Landsat8波段组合图示：
432波段合成真彩色图像，接近地物真实色彩，图像平淡，色调灰暗
543波段合成标准假彩色图像，地物色彩鲜明，有利于植被（红色）分类，水
体识别
564波段合成非标准假彩色图像，红外波段与红色波段合成，水体边界清晰，利于海岸识别；植被有较好显示，但不便于区分具体植被类别
765对大气层穿透能力较强，例如图像中红色方框内云的影响明显减少
652植被类型丰富，便于植被分类
654便于植被分析。
landsat8evi计算公式中的参数
landsat8evi计算公式中的参数Landsat 8 EVI（增强型植被指数）的计算公式通常包含以下几个参数：ρNIR：近红外波段的反射率，对应于Landsat 8 OLI传感器的Band 5。
ρRed：红色波段的反射率，对应于Landsat 8 OLI传感器的Band 4。
ρBlue：蓝色波段的反射率，对应于Landsat 8 OLI传感器的Band 2。
在某些EVI计算中可能不包括此参数，但在某些改进的版本中可能会使用到。
L：土壤调节系数，用于调整土壤背景对植被指数的影响。
这个值通常是通过经验确定的，并且可以根据研究区域和植被类型进行调整。
C1、C2：大气修正系数，用于校正大气对传感器测量的影响。
这些系数通常是基于大气模型和传感器特性进行计算的。
请注意，具体的计算公式可能会因研究目的、数据源和处理软件的不同而有所变化。
例如，在ENVI软件中，可以使用Band Math工具来计算EVI，并且可以根据需要自定义公式中的参数。
标准的EVI计算公式如下：EVI = 2.5 * ((ρNIR - ρRed) / (ρNIR + C1 * ρRed - C2 * ρBlue + L))其中，C1和C2是常数，通常取值为6和7.5，L值通常取1。
但在某些情况下，这些值可能会根据具体的研究需求进行调整。
然而，请注意这个公式中包含了蓝色波段的反射率ρBlue，这实际上并不是标准EVI公式的一部分。
标准EVI公式实际上是这样的：EVI = 2.5 * ((ρNIR - ρRed) / (ρNIR + 6 * ρRed - 7.5 * ρBlue + 1))但上面的公式中的ρBlue应该是一个错误，因为在标准的EVI公式中并不包含蓝色波段的反射率。
正确的标准EVI公式应该是：EVI = 2.5 * ((ρNIR - ρRed) / (ρNIR + 6 * ρRed - 7.5 * 1 + 1))或者更简化一些：EVI = 2.5 * ((ρNIR - ρRed) / (ρNIR + ρRed + 1))但请注意这个简化公式也并不完全正确，因为它省略了原公式中的常数项（即-7.5 * 1 + 1部分）。
基于Landsat8 OLI数据提取石河子市建筑用地的一个新方法
基于Landsat8 OLI数据提取石河子市建筑用地的一个新方法随着经济的发展和人口的增加，城市建设用地的需求越来越大。
建筑用地的合理规划和管理对城市的可持续发展至关重要。
而高分辨率的遥感影像数据能够提供城市建设用地信息的快速获取和更新，因此成为研究城市建设用地的重要途径之一。
一、数据获取和预处理我们需要获取石河子市的Landsat8 OLI影像数据。
Landsat8 OLI卫星数据具有30米的空间分辨率和11个波段的遥感信息，覆盖了从可见光到红外波段的大量数据。
在获取影像数据后，需要进行预处理，包括影像镶嵌、辐射定标、大气校正和几何定位等，确保数据的质量和一致性。
二、建筑用地提取方法1. 影像分类基于Landsat8 OLI数据进行影像分类是提取建筑用地的关键步骤。
传统的分类方法包括最大似然法、支持向量机和随机森林等。
这些方法都可以通过对遥感影像数据进行训练和分类来提取建筑用地信息。
最近兴起的深度学习方法，如卷积神经网络（CNN）、循环神经网络（RNN）等，也被证明在遥感影像分类中具有很高的效果。
2. 特征提取和融合在进行影像分类的需要对建筑用地的特征进行提取和融合。
建筑用地在Landsat8 OLI 影像中通常表现为高度亮度和纹理细密的区域。
利用光谱特征、空间结构特征和纹理特征等，可以更加准确地提取建筑用地信息。
3. 高精度验证完成建筑用地的提取后，需要进行高精度验证和精度评价。
传统的验证方法包括人工验证和实地调查，然而这些方法费时费力，而且难以覆盖整个研究区域。
近年来，利用高分辨率遥感影像数据和地理信息系统（GIS）技术，结合空间统计分析和精度评价方法，可以更加全面地评估建筑用地提取的准确性和可信度。
三、结果分析和应用通过以上方法，我们可以提取出石河子市的建筑用地信息。
进一步对建筑用地信息进行空间分布和变化分析，可以为城市规划和管理提供重要的决策支持。
通过对建筑用地的分布、密度和规模进行分析，可以了解城市建设用地的发展趋势和需求状况，为城市规划和土地利用优化提供科学依据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Landsat 8 OLI_TIRS 卫星数字产品
基本信息
数据标识LC81200432014290LGN00卫星名称LANDSAT8
数据类型OLI_TIRS 传感器OLI_TIRS
接收站LGN 白天/晚上DAY
条带号120 行编号43
太阳高度角51.4162 太阳方位角148.1797
日期信息
获取时间2014-10-17
开始时间2014-10-17 02:39:19.796561 结束时间2014-10-17 02:39:51.566557 云量信息
平均云量 2.02
左上角云量左下角云量
右上角云量右下角云量
空间信息
中心经度117.0060 中心纬度24.5529
左上角经度116.2925 左上角纬度25.6012
右上角经度118.1391 右上角纬度25.2286
右下角经度117.7046 右下角纬度23.4926
左下角经度115.8837 左下角纬度23.8665
Landsat 8 OLI_TIRS 卫星数字产品
基本信息
数据标识LC81200432014242LGN00卫星名称LANDSAT8
数据类型OLI_TIRS 传感器OLI_TIRS
接收站LGN 白天/晚上DAY
条带号120 行编号43
太阳高度角62.9901 太阳方位角120.6245
日期信息
获取时间2014-08-30
开始时间2014-08-30 02:39:10.095501 结束时间2014-08-30 02:39:42.095824 云量信息
平均云量11.57
左上角云量左下角云量
右上角云量右下角云量
空间信息
中心经度117.0219 中心纬度24.5531
左上角经度116.3086 左上角纬度25.6016
右上角经度118.1549 右上角纬度25.2289
右下角经度117.7202 右下角纬度23.4928
左下角经度115.8996 左下角纬度23.8668
Landsat 8 OLI_TIRS 卫星数字产品
基本信息
数据标识LC81200432013239LGN00卫星名称LANDSAT8
数据类型OLI_TIRS 传感器OLI_TIRS
接收站LGN 白天/晚上DAY
条带号120 行编号43
太阳高度角63.7860 太阳方位角119.2265
日期信息
获取时间2013-08-27
开始时间2013-08-27 02:41:08.501509 结束时间2013-08-27 02:41:40.271505 云量信息
平均云量9.55
左上角云量左下角云量
右上角云量右下角云量
空间信息
中心经度116.9949 中心纬度24.5529
左上角经度116.2807 左上角纬度25.6011
右上角经度118.1283 右上角纬度25.2285
右下角经度117.6941 右下角纬度23.4928
左下角经度115.8721 左下角纬度23.8667。