Advertisement

夜间遥感影像数据汇编.docx

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本文档汇集了多种来源的夜间遥感影像数据，旨在为研究人员和相关领域工作者提供全面详实的数据支持。 92-13年的夜间遥感影像数据、DMSP_OLS夜间灯光数据以及VIIRS_NPP的2017年每月夜间灯光数据汇总，方便进行城市化进程与扶贫地区演变等应用分析及预测。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 夜间遥感影像数据汇编.docx
    优质
    本文档汇集了多种来源的夜间遥感影像数据，旨在为研究人员和相关领域工作者提供全面详实的数据支持。 92-13年的夜间遥感影像数据、DMSP_OLS夜间灯光数据以及VIIRS_NPP的2017年每月夜间灯光数据汇总，方便进行城市化进程与扶贫地区演变等应用分析及预测。
     
  • 遥感影像数据集
    优质
    遥感影像数据集是一系列通过卫星或飞机等平台获取的地表观测图像集合，涵盖不同地区、时期及光谱范围，广泛应用于环境监测、城市规划和自然资源管理等领域。 遥感图像数据集采用tif格式，适用于图像融合、图像分割等领域，非常实用。
     
  • 1992-2020年DMSP/OLS全球夜光遥感影像数据分析
    优质
    本研究聚焦于1992至2020年间DMSP/OLS夜光数据的分析，探索全球夜间灯光变化及其与经济社会发展的关系。 时间跨度为1992年至2020年期间的夜间灯光指数数据来源于DMSP/OLS全球遥感影像集，包含三种非辐射定标的全年平均夜间灯光影像：无云观测频数、平均灯光强度以及稳定灯光强度。 其中，稳定灯光影像是经过校准后的年度栅格影像，旨在反映城市和乡镇等区域中持久光源的夜间平均照明水平，并已排除月光、火灾及油气燃烧等因素造成的干扰。该数据集中的每个像元DN值代表了相应的平均光照程度，其数值范围在0到63之间。 这些夜间灯光指数数据能够有效表征人类活动状况，在宏观尺度的城市研究领域展现出广阔的应用前景和潜力价值。
     
  • UCMerced_LandUse遥感影像数据集
    优质
    简介：UCMerced_LandUse 遥感影像数据集是一套针对土地利用多样性的高质量遥感图像集合，适用于土地覆盖分类与变化检测等研究领域。 本资源是UCMerced_LandUse遥感图像数据集，包含21类图像，每类有100张图片。该数据集可用于土地资源分类。
     
  • Python加载遥感影像数据
    优质
    本文章介绍了如何使用Python语言加载和处理遥感影像数据的方法与技巧，帮助用户掌握相关库的应用。 遥感影像读取涉及从存储设备或网络获取卫星或其他飞行器拍摄的地表图像数据，并将其转换为计算机可以处理的格式。这一过程通常包括使用特定软件工具来解析文件头信息，以便正确地显示、分析和应用这些高分辨率图片来进行环境监测、城市规划等多种用途。
     
  • RSC11遥感影像数据集（.7z）
    优质
    RSC11遥感影像数据集包含丰富的高分辨率卫星图像，适用于多种地球观测任务和深度学习应用。以压缩文件形式提供(.7z)方便下载与存储管理。 RSC11 数据集是一个包含高分辨率遥感影像的数据集合，这些图像来源于 Google Earth。每张图片的尺寸为 512*512 像素，并且数据集中共有 11 类不同的场景图像，每一类大约有 100 张图，总计约有 1232 张图片。
     
  • 高光谱遥感影像数据集
    优质
    高光谱遥感影像数据集是一套包含连续可见光到短波红外区域光谱信息的数据集合，用于精确的地物识别与分类。 常用的高光谱遥感图像数据集包括Indians Pines、Botswana、KSC、PaviaU和Salinas，以及它们的ground truth矩阵。这些文件的后缀为.mat。
     
  • LT51230392005110BJC00.tar.gz 遥感影像数据文件
    优质
    该文件为名为LT51230392005110BJC00.tar.gz的遥感影像数据，包含特定时间及地点的地球表面观测信息。内含经过压缩处理以节省存储空间和便于传输的地理图像数据集。 武汉市城区2005年夏季Landsat 4-5 TM影像数据包含了7个波段的信息。通过不同波段的组合可以突出不同的地物地貌特征。选择最佳波段的原则包括：第一，参与彩色合成的各波段之间的信息量相关性要小；第二，所选波段组合得到的彩色图像应能显著区分研究区域内的各种地物类型，并且这些类型的光谱差异大、信息含量多、相互之间不具有相似性。在实践中发现，543（红绿蓝分别对应波段5、4和3）这种组合能够提供较好的分辨效果，尤其对于水体边界的识别非常有效；同时这一组合接近自然色，符合人们的视觉习惯。 因此，在处理此类数据时建议采用R5 G4 B3的波段设置。
     
  • 遥感影像几何校正数据集
    优质
    《遥感影像几何校正数据集》提供了一套全面且精确的地理参考信息和控制点，旨在提升遥感图像的空间精度与应用价值。该数据集适用于各种尺度的地图制作、土地覆盖监测及环境分析等研究领域。 遥感图像几何校正是处理遥感数据的一项关键技术，旨在纠正由于传感器特性、地球曲率及大气折射等因素导致的图像位置偏差，使图像上的像素能准确对应到地面坐标系中。 该技术的核心概念包括： 1. **几何畸变**：原始遥感图像是由多种因素造成的，如飞行高度和视场角变化等。这会导致投影误差、辐射误差等问题。 2. **地理坐标系统转换**：将图像数据从传感器特定的坐标体系转到统一的标准地理坐标系（比如WGS84或UTM），以实现与其他地图信息的空间兼容性。 3. **控制点使用**：几何校正过程需要利用具有已知地面位置和精确坐标的参考点，这些点在图像上也有明确的位置。通过它们可以计算出必要的调整参数。 4. **校正模型选择**：如仿射变换、有理多项式系数（RPC）以及多种多样的多项式模型等选项，依据具体情况来决定最适合的矫正方案。 5. **算法应用**：包括控制点匹配技术及重采样方法（最近邻、双线性内插、三次卷积），以实现像素值的准确更新。 6. **软件工具支持**：例如ENVI、ERDAS Imagine、QGIS和GDAL等遥感及地理信息系统(GIS)平台，为用户提供强大的校正功能。 7. **实际应用案例**：包括土地覆盖分类、地形测绘工作、灾害监测以及城市规划等领域内的广泛应用实例。 “遥感图像几何校正资料集”可能涵盖的内容有： - **基础理论介绍**：阐述遥感成像原理及其在处理中的重要性，概述整个调整流程的基本步骤。 - **控制点选取与验证方法**：详细说明如何挑选并确认这些关键位置的准确度。 - **模型详解**：深入讲解各种校正算法的功能、使用场景及各自的优劣之处。 - **编程实现指导**：提供利用Python、R或Matlab等语言进行具体操作和代码示例，帮助用户理解技术细节。 - **案例研究分析**：展示不同类型图像的调整过程，并对结果进行全面评价。 - **软件应用指南**：示范如何在主流遥感工具中实施校正任务，包括界面导航与参数设定技巧。 - **误差来源及减少策略探讨**：剖析潜在错误原因及其应对措施。 - **最佳实践总结**：提炼出提高精度和效率的关键操作步骤和技术要点。 通过深入学习此资料集的内容，读者将能够掌握遥感图像几何校正的核心知识，并将其应用于科研或实际项目中去提升数据利用价值。
     
  • 公开的遥感影像道路数据集
    优质
    本数据集提供丰富的全球道路信息，基于公开遥感影像精确定位与标注，适用于自动驾驶、地理信息系统及交通规划等领域研究。 包括Spacenet、Massachusetts、CHN6-CUG、DeepGlobe等公开数据集。