本頁面由 Cloud Translation API 翻譯而成。

Landsat 演算法

Landsat 集合結構

USGS 會為每顆衛星產生 3 個層級 (類別) 的資料：

第 1 級 (T1)：符合幾何和輻射度品質規定的資料
第 2 層 (T2)：不符合第 1 層規定的資料
即時 (RT)：尚未評估的資料 (評估作業最多需要一個月)。

如需更多資訊，請參閱 USGS 說明文件，瞭解收集 2 層級。

為了讓您同時存取經過驗證的 T1 資料和最新的即時資料，我們已依層級和衛星將場景分組為集合。Landsat 8 的範例如下：

ID	說明
LANDSAT/LC08/C02/T1_RT	Landsat 8、Collection 2、Tier 1 + 即時
LANDSAT/LC08/C02/T1	Landsat 8、Collection 2，僅限第 1 級
LANDSAT/LC08/C02/T2	Landsat 8、Collection 2，僅限第 2 級

系統每天都會將新取得的影像加入 T1_RT 集合。一旦 RT 場景經過重新處理，並且歸類為 T1 或 T2，就會從 T1_RT 集合中移除，而新版本會新增至適當的集合。如果您的作品很容易遭到移除，或可能出現登錄錯誤的場景，建議您採用 T1 集合，但一般來說，新取得的場景很少會出現登錄錯誤。

上述每個集合都包含原始資料 (即經過縮放的傳感器輻度)。此外，對於每個包含 T1 或 T2 圖像的集合，系統會提供 TOA (大氣頂部反射率)、SR (地表反射率) 和 LST (地表溫度) 產品。下表以 Landsat 8 資料為例，說明 TOA 和 SR/LST 集合中的集合 ID。

ID	說明
LANDSAT/LC08/C02/T1_RT_TOA	Landsat 8、Collection 2、Tier 1 + 即時、TOA
LANDSAT/LC08/C02/T1_TOA	Landsat 8、Collection 2、僅限第 1 層、TOA
LANDSAT/LC08/C02/T1_L2	Landsat 8、Collection 2、僅限第 1 級、SR 和 LST
LANDSAT/LC08/C02/T2_TOA	Landsat 8、Collection 2、僅限第 2 級、TOA

這些資料適用於 Landsat 4、5、7、8 和 9。將上述集合定義中的「LC08」替換為下表中的 ID，即可擷取各種衛星的集合。

ID	說明
LT04	Landsat 4、主題地圖 (TM)
LT05	Landsat 5、主題地圖 (TM)
LE07	Landsat 7、Enhanced Thematic Mapper Plus (ETM+)
LC08	Landsat 8，Operational Land Imager (OLI)
LC09	Landsat 9、Operational Land Imager 2 (OLI-2)

Landsat 產品素材資源集合狀態

Collection 1 之前：USGS 已停止製作或發布這類資料，Earth Engine 也不支援這類資料，因此會在 2024 年從 Data Catalog 中移除。

Collection 1：USGS 已停止製作或發布，且不受 Earth Engine 支援，因此將於 2024 年從資料目錄中移除。請在 2024 年 7 月 1 日前，按照遷移指南更新 Earth Engine 指令碼、模組和應用程式至收集 2，以免要求失敗。

Collection 2：美國地質調查局目前的資料集。在 Earth Engine 資料目錄中提供完整資訊。

Landsat 處理方法

Earth Engine 包含多種 Landsat 專屬處理方法。具體來說，有幾種方法可用於計算感測器輻照度、大氣頂層 (TOA) 反射率、地表反射率 (SR)、雲量分數和無雲合成影像。

感應器上的輻照度和 TOA 反射率

Earth Engine 中的「原始」場景包含數位數字 (DN) 影像，代表經過縮放的輻射度。將數碼正形轉換為感測器輻照度，是一種線性轉換，會使用儲存在場景中繼資料中的係數 (Chander et al. 2009)。ee.Algorithms.Landsat.calibratedRadiance() 方法會執行這項轉換作業。轉換為 TOA (或感測器) 反射率是一種線性轉換，可考量太陽高度和季節性變化的地球-太陽距離。ee.Algorithms.Landsat.TOA() 方法會處理 TOA 轉換。TOA 方法會將熱像波段轉換為亮度溫度。如要進一步瞭解如何計算 TOA 反射率或亮度溫度，請參閱 Chander 等人 (2009) (或這個 USGS 網站的 Landsat 8 相關資訊)。以下範例說明如何將 Landsat 8 影像的原始資料轉換為輻照度和 TOA 反射率：

程式碼編輯器 (JavaScript)

// Load a raw Landsat scene and display it.
var raw = ee.Image('LANDSAT/LC08/C02/T1/LC08_044034_20140318');
Map.centerObject(raw, 10);
Map.addLayer(raw, {bands: ['B4', 'B3', 'B2'], min: 6000, max: 12000}, 'raw');

// Convert the raw data to radiance.
var radiance = ee.Algorithms.Landsat.calibratedRadiance(raw);
Map.addLayer(radiance, {bands: ['B4', 'B3', 'B2'], max: 90}, 'radiance');

// Convert the raw data to top-of-atmosphere reflectance.
var toa = ee.Algorithms.Landsat.TOA(raw);

Map.addLayer(toa, {bands: ['B4', 'B3', 'B2'], max: 0.2}, 'toa reflectance');

Python 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

import ee
import geemap.core as geemap

Colab (Python)

# Load a raw Landsat scene and display it.
raw = ee.Image('LANDSAT/LC08/C02/T1/LC08_044034_20140318')
m = geemap.Map()
m.center_object(raw, 10)
m.add_layer(
    raw, {'bands': ['B4', 'B3', 'B2'], 'min': 6000, 'max': 12000}, 'raw'
)

# Convert the raw data to radiance.
radiance = ee.Algorithms.Landsat.calibratedRadiance(raw)
m.add_layer(radiance, {'bands': ['B4', 'B3', 'B2'], 'max': 90}, 'radiance')

# Convert the raw data to top-of-atmosphere reflectance.
toa = ee.Algorithms.Landsat.TOA(raw)

m.add_layer(toa, {'bands': ['B4', 'B3', 'B2'], 'max': 0.2}, 'toa reflectance')
m

表面反射

Landsat 地表反射率 (SR) 資料可在 Earth Engine 中取得，為 USGS 集合 2 級別 2 的檔案副本。請注意，Landsat 4、5 和 7 SR 資料是使用 LEDAPS 演算法產生，而 Landsat 8 和 9 SR 資料則是使用 LaSRC 演算法產生。瞭解這些演算法，以及與美國地質調查局 (USGS) 的差異。

您可以存取 USGS 集合 2 的 Landsat 8 等級 2 圖像，如下所示：

程式碼編輯器 (JavaScript)

var srImage = ee.Image('LANDSAT/LC08/C02/T1_L2/LC08_044034_20201028');

Python 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

import ee
import geemap.core as geemap

Colab (Python)

sr_image = ee.Image('LANDSAT/LC08/C02/T1_L2/LC08_044034_20201028')

Collection 2 Landsat 4 到 9 的表面反射率資料集如下：

程式碼編輯器 (JavaScript)

var surfaceReflectanceL4 = ee.ImageCollection('LANDSAT/LT04/C02/T1_L2');
var surfaceReflectanceL5 = ee.ImageCollection('LANDSAT/LT05/C02/T1_L2');
var surfaceReflectanceL7 = ee.ImageCollection('LANDSAT/LE07/C02/T1_L2');
var surfaceReflectanceL8 = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2');
var surfaceReflectanceL9 = ee.ImageCollection('LANDSAT/LC09/C02/T1_L2');

Python 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

import ee
import geemap.core as geemap

Colab (Python)

surface_reflectance_l4 = ee.ImageCollection('LANDSAT/LT04/C02/T1_L2')
surface_reflectance_l5 = ee.ImageCollection('LANDSAT/LT05/C02/T1_L2')
surface_reflectance_l7 = ee.ImageCollection('LANDSAT/LE07/C02/T1_L2')
surface_reflectance_l8 = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2')
surface_reflectance_l9 = ee.ImageCollection('LANDSAT/LC09/C02/T1_L2')

簡易雲端評分

如要根據 Landsat 像素的相對雲量來評分，Earth Engine 會在 ee.Algorithms.Landsat.simpleCloudScore() 方法中提供基本的雲量評分演算法。(如需實作詳細資訊，請參閱這個 Code 編輯器範例指令碼)。以下範例使用雲層評分演算法，遮蓋 Landsat 8 影像中的雲：

程式碼編輯器 (JavaScript)

// Load a cloudy Landsat scene and display it.
var cloudy_scene = ee.Image('LANDSAT/LC08/C02/T1_TOA/LC08_044034_20140926');
Map.centerObject(cloudy_scene);
Map.addLayer(cloudy_scene, {bands: ['B4', 'B3', 'B2'], max: 0.4}, 'TOA', false);

// Add a cloud score band.  It is automatically called 'cloud'.
var scored = ee.Algorithms.Landsat.simpleCloudScore(cloudy_scene);

// Create a mask from the cloud score and combine it with the image mask.
var mask = scored.select(['cloud']).lte(20);

// Apply the mask to the image and display the result.
var masked = cloudy_scene.updateMask(mask);
Map.addLayer(masked, {bands: ['B4', 'B3', 'B2'], max: 0.4}, 'masked');

Python 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

import ee
import geemap.core as geemap

Colab (Python)

# Load a cloudy Landsat scene and display it.
cloudy_scene = ee.Image('LANDSAT/LC08/C02/T1_TOA/LC08_044034_20140926')
m = geemap.Map()
m.center_object(cloudy_scene)
m.add_layer(
    cloudy_scene, {'bands': ['B4', 'B3', 'B2'], 'max': 0.4}, 'TOA', False
)

# Add a cloud score band.  It is automatically called 'cloud'.
scored = ee.Algorithms.Landsat.simpleCloudScore(cloudy_scene)

# Create a mask from the cloud score and combine it with the image mask.
mask = scored.select(['cloud']).lte(20)

# Apply the mask to the image and display the result.
masked = cloudy_scene.updateMask(mask)
m.add_layer(masked, {'bands': ['B4', 'B3', 'B2'], 'max': 0.4}, 'masked')
m

如果您在程式碼編輯器中執行這個範例，請嘗試切換 TOA 圖層的顯示設定，比較有遮罩和未遮罩圖像的差異。(如需操作說明，請參閱程式碼編輯器文件的「圖層管理工具」一節)。請注意，simpleCloudScore() 的輸入內容是單一 Landsat 到達觀景畫面。請注意，simpleCloudScore() 會將名為 'cloud' 的頻帶新增至輸入圖片。雲層帶包含雲量分數，範圍從 0 (無雲) 到 100 (最為多雲)。先前的範例使用雲朵分數的任意門檻 (20) 來遮蔽雲霧狀像素。如要將此演算法套用至 Landsat 影像的 Earth Engine 馬賽克，請設定 SENSOR_ID 屬性：

程式碼編輯器 (JavaScript)

// Load a Landsat 8 TOA collection, make 15-day mosaic, set SENSOR_ID property.
var mosaic = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
  .filterDate('2019-06-01', '2019-06-16').mosaic()
  .set('SENSOR_ID', 'OLI_TIRS');

// Cloud score the mosaic and display the result.
var scored_mosaic = ee.Algorithms.Landsat.simpleCloudScore(mosaic);
Map.addLayer(scored_mosaic, {bands: ['B4', 'B3', 'B2'], max: 0.4},
    'TOA mosaic');

Python 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

import ee
import geemap.core as geemap

Colab (Python)

# Load a Landsat 8 TOA collection, make 15-day mosaic, set SENSOR_ID property.
mosaic = (
    ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
    .filterDate('2019-06-01', '2019-06-16')
    .mosaic()
    .set('SENSOR_ID', 'OLI_TIRS')
)

# Cloud score the mosaic and display the result.
scored_mosaic = ee.Algorithms.Landsat.simpleCloudScore(mosaic)
m = geemap.Map()
m.add_layer(
    scored_mosaic,
    {'bands': ['B4', 'B3', 'B2'], 'max': 0.4},
    'TOA mosaic',
)
m

SENSOR_ID 是個別圖片的屬性。當 Earth Engine 製作多張圖片的馬賽克時，必須捨棄個別圖片的中繼資料，包括 SENSOR_ID 屬性。為了為馬賽克圖片評分，Earth Engine 會尋找該屬性，但找不到，因此會發生錯誤。請手動設定這項屬性，避免發生這種情況。Landsat 5、7 和 8(9) 的感應器 ID 分別為「TM」、「ETM」和「OLI_TIRS」。

簡單的複合

如要建立簡單的無雲 Landsat 合成影像，Earth Engine 提供 ee.Algorithms.Landsat.simpleComposite() 方法。這個方法會選取各個位置的場景子集，將其轉換為 TOA 反射率，套用簡單的雲層分數，並取得雲量最少的像素中位數。這個範例會使用預設參數建立簡單的複合圖，並將其與使用自訂參數的複合圖進行比較，以便比較雲端分數門檻和百分比：

程式碼編輯器 (JavaScript)

// Load a raw Landsat 5 ImageCollection for a single year.
var collection = ee.ImageCollection('LANDSAT/LT05/C02/T1')
    .filterDate('2010-01-01', '2010-12-31');

// Create a cloud-free composite with default parameters.
var composite = ee.Algorithms.Landsat.simpleComposite(collection);

// Create a cloud-free composite with custom parameters for
// cloud score threshold and percentile.
var customComposite = ee.Algorithms.Landsat.simpleComposite({
  collection: collection,
  percentile: 75,
  cloudScoreRange: 5
});

// Display the composites.
Map.setCenter(-122.3578, 37.7726, 10);
Map.addLayer(composite, {bands: ['B4', 'B3', 'B2'], max: 128}, 'TOA composite');
Map.addLayer(customComposite, {bands: ['B4', 'B3', 'B2'], max: 128},
    'Custom TOA composite');

Python 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

import ee
import geemap.core as geemap

Colab (Python)

# Load a raw Landsat 5 ImageCollection for a single year.
collection = ee.ImageCollection('LANDSAT/LT05/C02/T1').filterDate(
    '2010-01-01', '2010-12-31'
)

# Create a cloud-free composite with default parameters.
composite = ee.Algorithms.Landsat.simpleComposite(collection)

# Create a cloud-free composite with custom parameters for
# cloud score threshold and percentile.
custom_composite = ee.Algorithms.Landsat.simpleComposite(
    collection=collection, percentile=75, cloudScoreRange=5
)

# Display the composites.
m = geemap.Map()
m.set_center(-122.3578, 37.7726, 10)
m.add_layer(
    composite, {'bands': ['B4', 'B3', 'B2'], 'max': 128}, 'TOA composite'
)
m.add_layer(
    custom_composite,
    {'bands': ['B4', 'B3', 'B2'], 'max': 128},
    'Custom TOA composite',
)
m

請注意，簡易合成的輸入內容是原始圖像集合。另請注意，根據預設，反射帶輸出值的反射率會縮放至 8 位元，而熱帶輸出值則會將絕對溫度減去 100，以便符合 8 位元範圍。您可以將 asFloat 參數設為 true 來變更這項行為，以便取得未經縮放、未經偏移的浮點輸出值。

Landsat 演算法 透過集合功能整理內容 你可以依據偏好儲存及分類內容。

Landsat 集合結構

Landsat 產品素材資源集合狀態

Landsat 處理方法

感應器上的輻照度和 TOA 反射率

程式碼編輯器 (JavaScript)

Colab (Python)

表面反射

程式碼編輯器 (JavaScript)

Colab (Python)

程式碼編輯器 (JavaScript)

Colab (Python)

簡易雲端評分

程式碼編輯器 (JavaScript)

Colab (Python)

程式碼編輯器 (JavaScript)

Colab (Python)

簡單的複合

程式碼編輯器 (JavaScript)

Colab (Python)

Landsat 演算法