
- توفّر مجموعة البيانات
- 1999-06-30T00:00:00Z–2002-09-04T00:00:00Z
- مزوّد مجموعة البيانات
- USGS
- العلامات
الوصف
إنّ "فسيفساء صور Landsat في القارة القطبية الجنوبية" (LIMA) هي فسيفساء سلسة وخالية من السحب تقريبًا تم إنشاؤها من مَشاهد Landsat 7 ETM+ المعالَجة.
مشاهد Landsat المعالَجة (16 بت) هي مشاهد NLAPS من المستوى 1Gt تم تحويلها إلى 16 بت، وتمت معالجتها باستخدام تصحيح زاوية الشمس، وتم تحويلها إلى قيم الانعكاس (Bindschadler 2008).
تتم معالجة كل مشهد من Landsat باستخدام بيانات الارتفاع وتصحيح زاوية الشمس لضمان تمثيل دقيق للمعالم السطحية. يمنح ميل الشمس في القطب الجنوبي مظهر غروب الشمس. بسبب زاوية الشمس المنخفضة، عندما يمر القمر الصناعي Landsat فوق القارة القطبية الجنوبية، تظهر الحواف الخارجية للقارة أكثر سطوعًا من المناطق الأقرب إلى القطب الجنوبي، لذا تحتوي المشاهد على مناطق ساطعة ومظلمة. زوايا الشمس والظلال غير المتناسقة التي تم تصحيحها في هذه المشاهد وبدون هذه العملية، سيؤدي تجميع الصور إلى إنشاء مجموعة من المشاهد، لأنّ كل مشهد سيكون له جانب أكثر سطوعًا وجانب أكثر ظلمة.
هذا جدول يحتوي على البيانات الوصفية لمجموعة الصور USGS/LIMA/SR
مخطط الجدول
مخطط الجدول
الاسم | النوع | الوصف |
---|---|---|
ACQ_DATE | سلسلة | تاريخ الاكتساب بالتنسيق YYYY-MM-DD |
المسار | INT | مسار WRS |
POLY_ID | INT | المعرّف الفريد المُسنَد إلى مضلّع |
بقية بلدان العالم | INT | صف WRS |
SCENE_ID | سلسلة | رقم تعريف المشهد |
SENSOR | سلسلة | أداة استشعار |
SPACE | سلسلة | اسم القمر الصناعي المستخدَم لجمع البيانات |
بنود الاستخدام
بنود الاستخدام
هذه الصور متاحة للجميع ويمكن استخدامها بحرية وبدون الحاجة إلى الإشارة إلى مصدرها. ومع ذلك، نقدّر كثيرًا الإشارة إلى مشروع Landsat Image Mosaic of Antarctica (LIMA).
الاقتباسات
Bindschadler, R., Vornberger, P., Fleming, A., Fox, A., Mullins, J., Binnie, D., Paulson, S., Granneman, B., and Gorodetzky, D., 2008, The Landsat Image Mosaic of Antarctica, Remote Sensing of Environment, 112, pp. 4214-4226. PDF
الاستكشاف باستخدام Earth Engine
أداة تعديل الرموز (JavaScript)
var dataset = ee.FeatureCollection('USGS/LIMA/SR_METADATA'); // Calculate the age of each feature by subtracting // the acquisition date from "today". var feature_ages = dataset.map( function(feature) { var today = ee.Date.fromYMD(2024, 1, 12); var acq_date = ee.Date.parse( 'yyyy-MM-dd', feature.get('ACQ_DATE')); var diff = today.difference(acq_date, 'day'); return feature.set({'ACQ_AGE': diff}); } ); // Reduce by calculating the smallest ACQ_AGE, // which gives the most recent acquisition date for // that area. var reduced_ages = feature_ages.reduceToImage({ properties: ['ACQ_AGE'], reducer: ee.Reducer.min() }); var reduced_ages_vis = { min: 6000, max: 9000, palette: ['00ff00', 'ff0000'], }; var lon = -43.6; var lat = -74.2; var gray = 150; var background = ee.Image.rgb(gray, gray, gray).visualize({min: 0, max: 255}); Map.setCenter(lon, lat, 2); Map.addLayer( reduced_ages, reduced_ages_vis, 'Acquisition Age');