Landsat9_C2_RAW类经过缩放和校准的辐射亮度数据集

数据名称：

Landsat9_C2_RAW

数据来源：

USGS

时空范围：

2022年1月-2023年3月

空间范围：

全国

数据简介：

Landsat9_C2_RAW数据集是经过缩放和校准的辐射亮度产品，按照数据质量划分为T1和T2。数据质量最好的影像归为T1，主要存在于L1TP处理等级中，这些数据做过很好的几何校正和辐射定标，适合于多时相数据分析。处理中没有达到 T1标准的影像被归为T2，T2和T1的辐射标准相同，由于缺少轨道信息，大范围云层覆盖等因素导致可选择的地面控制点不够，没有达到T1的几何精度标准，主要包括 L1GT和L1GS处理等级数据。前言 – 人工智能教程

Landsat 9 是美国国家航空航天局（NASA）和美国地质调查局（USGS）合作的一项地球观测任务，旨在提供高分辨率、连续、全球的地球观测数据。它继承了Landsat卫星系列的优良传统，是地球观测的重要工具之一。Landsat 9的数据集包括了多种产品，其中之一就是Landsat9_C2_RAW_T1数据集，它是经过缩放和校准的辐射亮度产品。

Landsat9_C2_RAW_T1数据集是通过Landsat 9卫星所收集的原始数据经过缩放和校准处理而得到的。这个数据集包含了地球表面的辐射亮度信息，可以用来进行各种地球科学研究和应用。它的数据分辨率较高，质量较好，对于许多应用场景都非常有价值。

缩放和校准是将原始数据转换为可用产品的重要步骤。在缩放过程中，数据的亮度范围被调整为可以更好地显示地球表面特征的范围。校准则是根据一系列地面测量数据和标志物来纠正数据的偏差和误差，以获得更准确的辐射亮度信息。

Landsat9_C2_RAW_T1数据集提供了多个波段的辐射亮度数据，包括可见光和红外波段。这些波段的数据可以用于许多不同的应用，例如地表覆盖分类、土地利用监测、环境变化分析等。通过对这些数据进行处理和分析，我们可以了解地球表面的变化情况，监测资源利用情况，研究气候变化和环境影响等。

Landsat9_C2_RAW_T1数据集的优点是数据质量好，分辨率高，覆盖范围广。它提供了全球覆盖的地表辐射亮度信息，可以用来进行大规模的地表变化监测和分析。由于Landsat系列卫星拥有长期的数据记录和一致的观测方式，Landsat9_C2_RAW_T1数据集还可以与历史数据进行比较和分析，研究地球表面的长期变化趋势，揭示地球的演化过程。

在科学研究和应用领域，Landsat9_C2_RAW_T1数据集可以用于许多不同的领域。例如，它可以用于农业领域，帮助农民监测和管理农作物生长情况，优化农业生产。它还可以用于城市规划和土地利用规划，帮助政府和决策者制定城市发展和土地利用政策。此外，它还可以用于环境保护和自然资源管理，帮助监测森林覆盖变化、湿地退化等。它还可以用于气候变化研究，通过分析地表辐射亮度的变化来研究气候变化趋势。

总之，Landsat9_C2_RAW_T1数据集是一个非常有价值的地球观测数据集。它提供了经过缩放和校准的辐射亮度产品，可以用于许多不同的科学研究和应用领域。通过研究和分析这些数据，我们可以深入了解地球表面的变化情况，为可持续发展和环境保护提供科学依据。

引用代码：

LANDSAT_9/02/T1/RAW

波段

代码

/**
 * @File    :   Landsat9_C2_RAW_T1
 * @Time    :   2023/03/07
 * @Author  :   GEOVIS Earth Brain
 * @Version :   0.1.0
 * @Contact :   中国(安徽)自由贸易试验区合肥市高新区望江西路900号中安创谷科技园一期A1楼36层
 * @License :   (C)Copyright 中科星图数字地球合肥有限公司 版权所有
 * @Desc    ：  数据集key为LANDSAT_9/02/T1/RAW的Landsat9_C2_RAW类数据集
 * @Name    :   Landsat9_C2_RAW_T1数据集
*/

//指定检索数据集，可设置检索的空间和时间范围，以及属性过滤条件（如云量过滤）
var imageCollection = gve.ImageCollection("LANDSAT_9/02/T1/RAW")
                    .filterCloud('lt',20)
                    .filterDate('2022-01-01','2022-02-15')
                    .select(['B2','B3','B4'])
                    .limit(10);

print("imageCollection",imageCollection);

var img = imageCollection.first();

print("first", img);

var visParams = {
//    min: 5264,
//    max: 51538,
//    gamma: 1,
//    brightness: 1,
    bands: ['B4', 'B3', 'B2']
};

Map.centerObject(img);
Map.addLayer(img,visParams);

结果

Landsat 数据集属于国际公开数据，可以在没有版权限制的情况下使用、传输或复制。有关USGS数据产品正确引用的更多详细信息，请参阅USGS Visual Identity System Guidancehttps://www.usgs.gov/information-policies-and-instructions/usgs-visual-identity-system

添加图片注释，不超过 140 字（可选）

​​​更多遥感云计算内容请前往​：

此星光明_GEE数据集专栏,GEE教程训练,Google Earth Engine-CSDN博客

我正在参与2024腾讯技术创作特训营第五期有奖征文，快来和我瓜分大奖