タグ付けされた質問 「landsat-8」

私はこれを自分で見つけることができませんでしたが、プログラムでLandsat 8衛星画像にアクセスする方法はありますか？ 私は私がに行くことができることを知っているUSGS EarthExplorer検索やシーンを閲覧するために、さらにはそれらをダウンロードしてください。しかし、2つの理由で、それらを自分のコンピューターにダウンロードしたくありません。インターネットが遅く、ラップトップに冷却の問題があります。 その代わりに、データ処理のためにイメージを「クラウド」インスタンスに直接転送したいと考えています。また、これらの画像がUSGSから入手可能になったときにダウンロードして処理できればいいと思います。

27 imagery  landsat-8  download  amazon-ec2 

Landsat 8表面反射率製品とその各帯域のパンバンドを融合/パンすることが科学的に有効かどうかを知る必要がありますか？Landsat反射率製品の詳細については、こちらをご覧ください。この製品を入手するには、表面反射率製品を個別に注文する必要があることに注意する必要があります。この製品には、IRおよびパンバンドではなく、7バンド（30m）しか含まれていません。それで、私の質問は、表面反射率積の7バンド（30m）を通常の（表面反射率ではない）パンバンド（15m）と融合することは妥当です。私はこのパンシャープン画像をセグメンテーションと土地被覆マッピングに使用したいので、学界でこのタイプのパンシャープニングの実践が確立されていることを参照する必要があります。

11 remote-sensing  digital-image-processing  landsat-8  pansharpening 

2013年のランドサット8衛星画像を使用して、モンゴル北部の一部のエリアを分類しようとしています。記録は冬に行われたため、取得時の太陽は非常に低くなっています。したがって、山からの非常に長く暗い影があります。 この質問で説明されているように、DEMを使用してこの影を識別することができます：Landsat画像から影のような地形効果を削除する方法 クリップされたシャドウ領域の監視付き分類を実行するにはどうすればよいですか？この領域を強化することは可能ですか？いくつかのバンド比を試してみましたが、どちらが自分の仕事に最適かわかりません。 この画像では、暗い影にいくつかの植生領域があることがわかりますが、それらを分類することはできません。

10 dem  remote-sensing  classification  landsat-8  shadow 

かなり長い間QGISをマッピングに使用していたため、パンシャープンはQGISで直接実行できないため、GRASSを掘り下げることを強制されました。構造をある程度理解した後、私はi.fusion.broveyでいくつかの試行を行いました。15mの解像度でラスターを生成することはできましたが、QGISにロードするときに、元の30mラスターに存在するような良好な色のコントラストを実現/回復できません。 で以前の記事誰かことを確認し、LANDSATのために別の関数を使用することが提案されている：「i.his.rgb」（i.landsat.toarを使用した後、私は使用しません）。彼はi.his.rgbを使用する前に最小/最大を1〜255に変換し始めます...私の元のラスターの範囲は0〜65535です。うまくいかなかった... Pansharpを実行するのに苦労して数日後に終了すると、行き詰まってしまいます...他の人が提案しているように、Landsatでi.pansharpを適用するだけではうまくいかないのはなぜですか？誰かがLandsat 8画像のパンシャープンを実行するより簡単なワークフローを提案できますか？いくつかのアドバイスを楽しみにして、事前に感謝します...

9 grass  landsat  color  pansharpening  landsat-8 

Ubuntu 16.04にlandsat-utilをインストールしようとしています。UbuntuをWindows内の仮想マシンとして実行しています。依存関係の競合を回避するために、クリーンインストール（パッケージをインストールしない）を使用しています。 このページの指示に従いましたが、このコマンドを実行しようとすると毎回エラーが発生します。 $: pip install landsat-util これは出力からの抜粋です： Running setup.py bdist_wheel for pycurl ... error Complete output from command /usr/bin/python -u -c "import setuptools, tokenize;__file__='/tmp/pip-build-oH9kCk/pycurl/setup.py';exec(compile(getattr(tokenize, 'open', open)(__file__).read().replace('\r\n', '\n'), __file__, 'exec'))" bdist_wheel -d /tmp/tmpgxvEEBpip-wheel- --python-tag cp27: Using curl-config (libcurl 7.47.0) running bdist_wheel running build running build_py creating build creating build/lib.linux-x86_64-2.7 creating …

8 python  landsat  landsat-8 

大気補正を手動で行う方法を学んでいるため、ENVIで利用可能な自動化された方法を使用していません Landsat 8シーンのメタデータ（バンド1）は次のとおりです。 RADIANCE_MULT_BAND_1 = 1.2344E-02 RADIANCE_ADD_BAND_1 = -61.72016 REFLECTANCE_MULT_BAND_1 = 2.0000E-05 REFLECTANCE_ADD_BAND_1 = -0.100000 SUN_ELEVATION = 48.12237303 したがって、バンド数学を使用してTOA放射輝度を計算する場合、次のように入力します。 （0.012344 * B1）-61.72016 そして、それは一種の正しいように見えるスペクトル統計をもたらします 次のバンドの数式を使用すると、 TOA反射率（太陽高度調整を除く） （B1 * 0.00002）-0.1 TOA反射率（太陽高度調整を含む） （（B1 * 0.00002）-0.1）/0.74457226676389733207607359928648 または、生のDNからTOA反射率（太陽高度調整を含む）まで直接計算します。 （（（（0.012344 * B1）-61.72016）* 0.00002）-0.1）/0.74457226676389733207607359928648 私はこのようなものになってしまいます： 正しくないように見えます。 私はググっていて、私の検索語がごみであるか、手動バンドの計算を使ってこれをしている人はいません。 [編集] 以下のMikkelの解答と修正されたバンド数学計算（中間ステップを省略）を使用すると、次の統計が得られました。 ややリアルに見えます。 各バンドに13.4305を追加する必要があるか、または負の最小値を無視する必要があるかどうか疑問に思いますか？ [編集を終了] [編集＃2] Mikkelは再び注目され、-13.4305の値は画像の「データがない」領域に分離されたことを示唆しています。 ご覧のとおり、シーンの北端のみに孤立しています。 [編集＃2を終了]

8 remote-sensing  envi  landsat-8  toa-calibration  atmospheric-correction