
- ความพร้อมใช้งานของชุดข้อมูล
- 1999-06-30T00:00:00Z–2002-09-04T00:00:00Z
- ผู้ให้บริการชุดข้อมูล
- USGS
- แท็ก
คำอธิบาย
ภาพโมเสกของทวีปแอนตาร์กติกาจาก Landsat (LIMA) เป็นภาพโมเสกที่ราบรื่น และแทบไม่มีเมฆซึ่งสร้างขึ้นจากฉาก Landsat 7 ETM+ ที่ประมวลผลแล้ว
ฉาก Landsat ที่ประมวลผลแล้ว (16 บิต) คือฉากระดับ 1Gt NLAPS ที่แปลงเป็น 16 บิต ประมวลผลด้วยการแก้ไขมุมดวงอาทิตย์ และแปลงเป็นค่าการสะท้อน (Bindschadler 2008)
ฉาก Landsat แต่ละฉากได้รับการประมวลผลด้วยข้อมูลระดับความสูง และการแก้ไขมุมดวงอาทิตย์เพื่อให้มั่นใจว่าลักษณะพื้นผิว แสดงอย่างถูกต้อง มุมของดวงอาทิตย์ในทวีปแอนตาร์กติกา ทำให้ดูเหมือนดวงอาทิตย์กำลังตก เนื่องจากมุมของดวงอาทิตย์ต่ำ เมื่อ Landsat บินผ่านทวีปแอนตาร์กติกา ขอบด้านนอกของทวีปจึงดูสว่างกว่าพื้นที่ที่อยู่ใกล้ขั้วโลกใต้ ฉากจึงมีทั้งพื้นที่สว่างและมืด มุมของดวงอาทิตย์และเงาที่ไม่สอดคล้องกันในฉากเหล่านี้ หากไม่มีกระบวนการนี้ การต่อภาพจะทำให้เกิด ฉากที่ปะติดปะต่อกัน เนื่องจากแต่ละฉากจะมีด้านที่สว่างกว่า และด้านที่มืดกว่า
ตารางนี้มีข้อมูลเมตาสำหรับคอลเล็กชันรูปภาพ USGS/LIMA/SR
สคีมาของตาราง
สคีมาของตาราง
ชื่อ | ประเภท | คำอธิบาย |
---|---|---|
ACQ_DATE | STRING | วันที่ได้มาในรูปแบบ ปปปป-ดด-วว |
เส้นทาง | INT | เส้นทาง WRS |
POLY_ID | INT | รหัสที่ไม่ซ้ำกันที่กำหนดให้กับรูปหลายเหลี่ยม |
ประเทศอื่นๆ | INT | แถว WRS |
SCENE_ID | STRING | รหัสฉาก |
เซ็นเซอร์ | STRING | เซ็นเซอร์ |
เว้นวรรค | STRING | ชื่อดาวเทียมที่ใช้รวบรวมข้อมูล |
ข้อกำหนดในการใช้งาน
ข้อกำหนดในการใช้งาน
รูปภาพเหล่านี้อยู่ในโดเมนสาธารณะและสามารถนำไปใช้ได้อย่างอิสระ โดยไม่ต้องระบุแหล่งที่มา อย่างไรก็ตาม เราขอขอบคุณอย่างยิ่งสำหรับเครดิตที่มอบให้แก่โครงการภาพโมเสกของทวีปแอนตาร์กติกาจากภาพ Landsat (LIMA)
การอ้างอิง
Bindschadler, R., Vornberger, P., Fleming, A., Fox, A., Mullins, J., Binnie, D., Paulson, S., Granneman, B., และ Gorodetzky, D., 2008, The Landsat Image Mosaic of Antarctica, Remote Sensing of Environment, 112, pp. 4214-4226. PDF
สำรวจด้วย Earth Engine
ตัวแก้ไขโค้ด (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');