遥感新手别迷茫从Landsat到高分系列手把手教你选对卫星数据做项目第一次打开USGS EarthExplorer时我被琳琅满目的卫星数据列表震惊了——37种光学卫星、15种雷达卫星、8种高光谱卫星还有各种分辨率、重访周期和光谱组合的选项。这让我想起刚学摄影时面对数十种镜头的选择困难但卫星数据的选择显然复杂得多。去年参与城市热岛效应研究时团队就曾因选错数据源导致三个月工作推倒重来用Landsat 8的热红外波段发现温度异常区域后却因30米分辨率无法精确定位热源不得不重新采购0.5米分辨率的商业卫星数据。1. 项目需求与卫星特性的精准匹配1.1 分辨率选择的黄金法则分辨率就像遥感数据的显微镜倍数但盲目追求高分辨率往往适得其反。去年某省级农业部门曾花费百万采购0.3米WorldView-3数据用于小麦估产结果发现10cm-1m无人机/商业卫星适合单体建筑测绘、考古遗址发现1-5m高分系列/SPOT城市规划、灾害损失评估10-30mLandsat/Sentinel-2大范围植被监测、地表温度反演100m以上MODIS全球气候变化研究提示分辨率每提高一个数量级数据处理时间和存储需求将增加10-100倍1.2 重访周期的时间经济学监测作物长势或灾害演变时重访周期比分辨率更重要。2021年郑州暴雨期间研究团队采用Sentinel-1(6天)高分三号(1天)组合# 重访周期计算示例假设轨道高度700km import math earth_radius 6371 # 地球半径(km) orbital_period 2*math.pi*math.sqrt((earth_radius700)**3/398600) # 开普勒第三定律 print(f卫星轨道周期: {orbital_period/60:.1f} 分钟)1.3 光谱波段的应用密码不同物质的光谱特征就像指纹常见应用场景的光谱选择应用领域关键波段最佳数据源植被健康监测红边(0.7-0.8μm)Sentinel-2 MSI水体污染检测短波红外(1.5-1.8μm)Landsat 9 OLI-2矿物勘探短波红外(2.0-2.5μm)ASTER夜光经济研究可见光(0.5-0.9μm)珞珈一号/NPP VIIRS2. 免费与商业数据的成本效益分析2.1 免费数据源的隐藏成本虽然Landsat和Sentinel数据免费但实际使用中常遇到预处理工作量大大气校正、几何校正需专业软件时间成本高下载10景Landsat数据约需3小时500GB带宽数据不完整云覆盖30%时基本无法使用2.2 商业卫星的采购策略采购0.5米分辨率商业数据时这些技巧可节省50%以上成本区域分包将研究区分割给不同供应商如DigitalGlobeAirbus时间窗口雨季前集中采购可享折扣历史数据3年前存档数据价格可能仅为新采集的1/33. 典型应用场景的数据方案3.1 城市扩张监测实战方案某长三角城市群研究采用多时空尺度组合宏观趋势2000-2020年Landsat 5/7/8年度合成中观变化2015-2020年Sentinel-2季度合成微观解析重点区域高分二号月度数据// GEE城市扩张监测代码框架 var landsat ee.ImageCollection(LANDSAT/LC08/C01/T1_SR) .filterDate(2015-01-01, 2020-12-31) .filter(ee.Filter.calendarRange(1,12,month)); var urbanMask landsat.select(BU).gt(0.3);3.2 农作物估产全流程东北大豆估产项目的传感器组合种植面积GF-6 PMS2米/8天长势监测Sentinel-2 MSI红边波段产量预测Landsat 8 TIRS地表温度注意作物开花期必须获取至少1景无云数据4. 数据处理平台的选择艺术4.1 三大云平台特性对比平台特性Google Earth EnginePIE-Engine阿里云AI Earth数据时效性1-3天延迟实时近实时国产卫星支持有限全面较全面编程语言JavaScript/PythonPythonPython典型处理速度100km²/5分钟100km²/8分钟100km²/10分钟4.2 本地化处理的技术路线当处理1000景以上数据时建议采用混合架构元数据筛选使用PostGIS空间数据库批量预处理基于Docker的并行处理集群深度学习NVIDIA DGX Station模型训练可视化Cesium三维展示# 批量处理脚本示例 parallel -j 8 gdalwarp -t_srs EPSG:32650 {} {.}_UTM50.tif ::: *.tif刚开始接触遥感项目时我总想找到最优数据方案后来才明白这就像厨师选食材——没有最好只有最合适。去年帮某环保NGO设计黑臭水体监测方案时最终采用哨兵3号OLCI每周无人机多光谱每月的混合方案成本仅为纯商业卫星方案的1/5精度却满足需求。关键是要先明确我们到底需要看清什么变化有多快能承受多少成本这三个问题想清楚了数据选择就不再是难题。
遥感新手别迷茫：从Landsat到高分系列，手把手教你选对卫星数据做项目
遥感新手别迷茫从Landsat到高分系列手把手教你选对卫星数据做项目第一次打开USGS EarthExplorer时我被琳琅满目的卫星数据列表震惊了——37种光学卫星、15种雷达卫星、8种高光谱卫星还有各种分辨率、重访周期和光谱组合的选项。这让我想起刚学摄影时面对数十种镜头的选择困难但卫星数据的选择显然复杂得多。去年参与城市热岛效应研究时团队就曾因选错数据源导致三个月工作推倒重来用Landsat 8的热红外波段发现温度异常区域后却因30米分辨率无法精确定位热源不得不重新采购0.5米分辨率的商业卫星数据。1. 项目需求与卫星特性的精准匹配1.1 分辨率选择的黄金法则分辨率就像遥感数据的显微镜倍数但盲目追求高分辨率往往适得其反。去年某省级农业部门曾花费百万采购0.3米WorldView-3数据用于小麦估产结果发现10cm-1m无人机/商业卫星适合单体建筑测绘、考古遗址发现1-5m高分系列/SPOT城市规划、灾害损失评估10-30mLandsat/Sentinel-2大范围植被监测、地表温度反演100m以上MODIS全球气候变化研究提示分辨率每提高一个数量级数据处理时间和存储需求将增加10-100倍1.2 重访周期的时间经济学监测作物长势或灾害演变时重访周期比分辨率更重要。2021年郑州暴雨期间研究团队采用Sentinel-1(6天)高分三号(1天)组合# 重访周期计算示例假设轨道高度700km import math earth_radius 6371 # 地球半径(km) orbital_period 2*math.pi*math.sqrt((earth_radius700)**3/398600) # 开普勒第三定律 print(f卫星轨道周期: {orbital_period/60:.1f} 分钟)1.3 光谱波段的应用密码不同物质的光谱特征就像指纹常见应用场景的光谱选择应用领域关键波段最佳数据源植被健康监测红边(0.7-0.8μm)Sentinel-2 MSI水体污染检测短波红外(1.5-1.8μm)Landsat 9 OLI-2矿物勘探短波红外(2.0-2.5μm)ASTER夜光经济研究可见光(0.5-0.9μm)珞珈一号/NPP VIIRS2. 免费与商业数据的成本效益分析2.1 免费数据源的隐藏成本虽然Landsat和Sentinel数据免费但实际使用中常遇到预处理工作量大大气校正、几何校正需专业软件时间成本高下载10景Landsat数据约需3小时500GB带宽数据不完整云覆盖30%时基本无法使用2.2 商业卫星的采购策略采购0.5米分辨率商业数据时这些技巧可节省50%以上成本区域分包将研究区分割给不同供应商如DigitalGlobeAirbus时间窗口雨季前集中采购可享折扣历史数据3年前存档数据价格可能仅为新采集的1/33. 典型应用场景的数据方案3.1 城市扩张监测实战方案某长三角城市群研究采用多时空尺度组合宏观趋势2000-2020年Landsat 5/7/8年度合成中观变化2015-2020年Sentinel-2季度合成微观解析重点区域高分二号月度数据// GEE城市扩张监测代码框架 var landsat ee.ImageCollection(LANDSAT/LC08/C01/T1_SR) .filterDate(2015-01-01, 2020-12-31) .filter(ee.Filter.calendarRange(1,12,month)); var urbanMask landsat.select(BU).gt(0.3);3.2 农作物估产全流程东北大豆估产项目的传感器组合种植面积GF-6 PMS2米/8天长势监测Sentinel-2 MSI红边波段产量预测Landsat 8 TIRS地表温度注意作物开花期必须获取至少1景无云数据4. 数据处理平台的选择艺术4.1 三大云平台特性对比平台特性Google Earth EnginePIE-Engine阿里云AI Earth数据时效性1-3天延迟实时近实时国产卫星支持有限全面较全面编程语言JavaScript/PythonPythonPython典型处理速度100km²/5分钟100km²/8分钟100km²/10分钟4.2 本地化处理的技术路线当处理1000景以上数据时建议采用混合架构元数据筛选使用PostGIS空间数据库批量预处理基于Docker的并行处理集群深度学习NVIDIA DGX Station模型训练可视化Cesium三维展示# 批量处理脚本示例 parallel -j 8 gdalwarp -t_srs EPSG:32650 {} {.}_UTM50.tif ::: *.tif刚开始接触遥感项目时我总想找到最优数据方案后来才明白这就像厨师选食材——没有最好只有最合适。去年帮某环保NGO设计黑臭水体监测方案时最终采用哨兵3号OLCI每周无人机多光谱每月的混合方案成本仅为纯商业卫星方案的1/5精度却满足需求。关键是要先明确我们到底需要看清什么变化有多快能承受多少成本这三个问题想清楚了数据选择就不再是难题。
