Esse conjunto de dados contém a refletância da superfície corrigida por condições atmosféricas e a temperatura da superfície terrestre derivada dos dados produzidos pelos sensores OLI/TIRS do Landsat 8. Essas imagens contêm cinco bandas visíveis e de infravermelho próximo (VNIR, na sigla em inglês) e duas bandas de infravermelho de onda curta (SWIR, na sigla em inglês) processadas para refletância de superfície ortorretificada e uma banda de infravermelho térmico (TIR, na sigla em inglês) processada para …

Tập dữ liệu này chứa độ phản chiếu bề mặt và nhiệt độ bề mặt đất được hiệu chỉnh theo khí quyển, bắt nguồn từ dữ liệu do cảm biến OLI/TIRS của Landsat 8 tạo ra. Những hình ảnh này chứa 5 dải quang phổ nhìn thấy và hồng ngoại gần (VNIR) và 2 dải hồng ngoại sóng ngắn (SWIR) được xử lý để phản xạ bề mặt được chỉnh sửa theo phương pháp orthorectification và một dải hồng ngoại nhiệt (TIR) được xử lý để nhiệt độ bề mặt được chỉnh sửa theo phương pháp orthorectification. Các tệp này cũng chứa các dải trung gian dùng trong tính toán các sản phẩm ST, cũng như các dải QA. Các sản phẩm Landsat 8 SR được tạo bằng Mã phản xạ bề mặt đất (LaSRC). Tất cả sản phẩm ST trong Bộ sưu tập 2 đều được tạo bằng một thuật toán kênh đơn do Viện Công nghệ Rochester (RIT) và Phòng thí nghiệm phản lực của Cơ quan Hàng không và Vũ trụ Quốc gia (NASA) (JPL) hợp tác tạo ra. Các dải dữ liệu đã thu thập được đóng gói thành "cảnh" chồng chéo nhau, bao phủ khoảng 170 km x 183 km bằng cách sử dụng lưới tham chiếu được chuẩn hoá. Một số thành phần chỉ có dữ liệu SR, trong trường hợp này, các dải ST sẽ xuất hiện nhưng trống. Đối với các thành phần có cả dải ST và SR, "PROCESSING_LEVEL" được đặt thành "L2SP". Đối với những thành phần chỉ có dải SR, "PROCESSING_LEVEL" được đặt thành "L2SR". Tài liệu bổ sung và ví dụ về cách sử dụng. Ghi chú của nhà cung cấp dữ liệu: Các sản phẩm dữ liệu phải chứa cả dữ liệu quang học và dữ liệu nhiệt để được xử lý thành công thành nhiệt độ bề mặt, vì ASTER NDVI là bắt buộc để điều chỉnh tạm thời sản phẩm ASTER GED cho cảnh Landsat mục tiêu. Do đó, không thể xử lý dữ liệu thu thập được vào ban đêm để biết nhiệt độ bề mặt. Có một lỗi đã biết trong quá trình truy xuất nhiệt độ bề mặt liên quan đến đám mây và có thể là bóng của đám mây. Cook và cộng sự đã ghi nhận đặc điểm của các vấn đề này, (2014). ASTER GED chứa các khu vực thiếu dữ liệu độ phát xạ trung bình cần thiết để tạo sản phẩm ST thành công. Nếu thiếu thông tin về ASTER GED, thì sẽ thiếu dữ liệu ST ở những khu vực đó. Tập dữ liệu ASTER GED được tạo từ tất cả các pixel có bầu trời quang đãng của các cảnh ASTER được thu thập từ năm 2000 đến năm 2008. Mặc dù tập dữ liệu này có phạm vi không gian toàn cầu, nhưng có một số khu vực bị thiếu thông tin về độ phát xạ trung bình do sự cố ô nhiễm liên tục của đám mây trong các phép đo ASTER. USGS cũng sàng lọc thêm các giá trị không thực tế (độ phát xạ < 0,6) trong ASTER GED để loại bỏ mọi giá trị đánh giá thấp độ phát xạ do các đám mây không được phát hiện. Đối với bất kỳ pixel nào không có dữ liệu đầu vào ASTER GED hoặc giá trị độ phát xạ không thực tế, các sản phẩm Landsat ST thu được sẽ bị thiếu pixel. Các pixel ST Landsat bị thiếu sẽ nhất quán theo thời gian (1982 – nay) do bản chất tĩnh của dữ liệu khí tượng học trung bình ASTER GED. Để biết thêm thông tin, hãy tham khảo bài viết landsat-collection-2-surface-temperature-data-gaps-due-missing

ชุดข้อมูลนี้มีค่าการสะท้อนแสงพื้นผิวและอุณหภูมิพื้นผิวดินที่ปรับบรรยากาศแล้ว ซึ่งมาจากข้อมูลที่ได้จากเซ็นเซอร์ OLI/TIRS ของ Landsat 8 รูปภาพเหล่านี้ประกอบด้วยแถบคลื่นที่มองเห็นได้และอินฟราเรดใกล้ (VNIR) 5 แถบ และแถบอินฟราเรดคลื่นสั้น (SWIR) 2 แถบที่ได้รับการประมวลผลเพื่อหาค่าการสะท้อนแสงของพื้นผิวที่ผ่านการออโตรเรคทิไฟ และแถบอินฟราเรดความร้อน (TIR) 1 แถบที่ได้รับการประมวลผลเพื่อหาอุณหภูมิของพื้นผิวที่ผ่านการออโตรเรคทิไฟ รวมถึงมีย่านความถี่กลางที่ใช้ในการคำนวณผลิตภัณฑ์ ST และย่านความถี่ QA ด้วย ผลิตภัณฑ์ Landsat 8 SR สร้างขึ้นด้วยรหัสการสะท้อนแสงของพื้นดิน (LaSRC) ผลิตภัณฑ์ ST ของคอลเล็กชัน 2 ทั้งหมดสร้างขึ้นด้วยอัลกอริทึมแบบช่องทางเดียวที่สถาบันเทคโนโลยีแห่งโรเชสเตอร์ (RIT) และห้องปฏิบัติการขับเคลื่อนด้วยไอพ่น (JPL) ขององค์การนาซาร่วมกันพัฒนาขึ้น แถบข้อมูลที่รวบรวมจะจัดแพ็กเกจเป็น "ฉาก" ที่ซ้อนทับกันครอบคลุมพื้นที่ประมาณ 170 x 183 กิโลเมตรโดยใช้ตารางอ้างอิงมาตรฐาน ชิ้นงานบางรายการมีเฉพาะข้อมูล SR ในกรณีนี้จะมีแถบ ST อยู่แต่ว่างเปล่า สำหรับชิ้นงานที่มีทั้งย่านความถี่ ST และ SR ระบบจะตั้งค่า "PROCESSING_LEVEL" เป็น "L2SP" สําหรับชิ้นงานที่มีเฉพาะย่านความถี่ SR ระบบจะตั้งค่า "PROCESSING_LEVEL" เป็น "L2SR" เอกสารประกอบและตัวอย่างการใช้งานเพิ่มเติม หมายเหตุของผู้ให้บริการข้อมูล ผลิตภัณฑ์ข้อมูลต้องมีทั้งข้อมูลเชิงแสงและข้อมูลความร้อนจึงจะประมวลผลเป็นอุณหภูมิพื้นผิวได้สําเร็จ เนื่องจากต้องใช้ ASTER NDVI เพื่อปรับผลิตภัณฑ์ ASTER GED ตามช่วงเวลาให้เข้ากับภาพ Landsat เป้าหมาย ดังนั้น ระบบจึงประมวลผลข้อมูลที่ได้รับในเวลากลางคืนเป็นอุณหภูมิพื้นผิวไม่ได้ มีข้อผิดพลาดที่ทราบในการดึงข้อมูลอุณหภูมิพื้นผิวที่เกี่ยวข้องกับเมฆและอาจรวมถึงเงาของเมฆ Cook และคณะได้บันทึกลักษณะของปัญหาเหล่านี้ไว้ (2014) ASTER GED มีบริเวณที่ไม่มีข้อมูลการแผ่รังสีความร้อนเฉลี่ยซึ่งจําเป็นสําหรับการสร้างผลิตภัณฑ์ ST ที่ประสบความสําเร็จ หากข้อมูล ASTER GED ขาดหายไป ก็จะไม่มีข้อมูล ST ในพื้นที่เหล่านั้น ชุดข้อมูล GED ของ ASTER สร้างขึ้นจากพิกเซลท้องฟ้าแจ่มใสทั้งหมดของภาพ ASTER ที่รวบรวมตั้งแต่ปี 2000 ถึง 2008 แม้ว่าชุดข้อมูลนี้จะมีขอบเขตเชิงพื้นที่ทั่วโลก แต่ก็มีบางพื้นที่ที่ไม่มีข้อมูลการแผ่รังสีความร้อนเฉลี่ยเนื่องจากมีเมฆปกคลุมอย่างต่อเนื่องในการวัดของ ASTER USGS จะกรองค่าที่ไม่สมจริงเพิ่มเติม (การแผ่รังสีความร้อน < 0.6) ใน ASTER GED เพื่อนำการแผ่รังสีความร้อนที่ประเมินต่ำไปออกเนื่องจากเมฆที่ตรวจไม่พบ สำหรับพิกเซลใดก็ตามที่ไม่มีอินพุต GED ของ ASTER หรือค่าการแผ่รังสีความร้อนที่ไม่สมจริง ผลิตภัณฑ์ Landsat ST ที่ออกมาจะมีพิกเซลที่ขาดหายไป พิกเซล Landsat ST ที่ขาดหายไปจะมีความสอดคล้องกันตลอดช่วงเวลา (1982-ปัจจุบัน) เนื่องจากลักษณะของข้อมูลภูมิอากาศเฉลี่ย GED ของ ASTER เป็นแบบคงที่ ดูข้อมูลเพิ่มเติมได้ที่ landsat-collection-2-surface-temperature-data-gaps-due-missing

Landsat 8 Collection 2 Tier 1 DN values, representing scaled, calibrated at-sensor radiance. Landsat scenes with the highest available data quality are placed into Tier 1 and are considered suitable for time-series processing analysis. Tier 1 includes Level-1 Precision Terrain (L1TP) processed data that have well-characterized radiometry and are inter-calibrated across the different Landsat sensors. The georegistration of Tier 1 scenes will be consistent and within prescribed tolerances [<=12 m root mean square error (RMSE)]. All Tier 1 Landsat data can be considered consistent and inter-calibrated (regardless of sensor) across the full collection. See more information in the USGS docs.

このデータセットには、Landsat 8 OLI/TIRS センサーによって生成されたデータから得られた、大気補正された地表反射率と地表温度が含まれています。これらの画像には、オルソ補正された地表反射率に処理された 5 つの可視近赤外線（VNIR）バンドと 2 つの短波赤外線（SWIR）バンド、オルソ補正された地表温度に処理された 1 つの熱赤外線（TIR）バンドが含まれています。また、ST 製品の計算に使用される中間バンドと QA バンドも含まれています。 Landsat 8 SR プロダクトは、Land Surface Reflectance Code（LaSRC）で作成されます。Collection 2 ST のすべての製品は、Rochester Institute of Technology（RIT）と National Aeronautics and Space Administration（NASA）Jet Propulsion Laboratory（JPL）が共同で開発した単一チャネル アルゴリズムを使用して作成されています。 収集されたデータのストライプは、標準化された参照グリッドを使用して、約 170 km x 183 km の重複する「シーン」にパッケージ化されます。 アセットによっては SR データのみが含まれる場合があり、その場合は ST 帯域は存在しますが空です。ST バンドと SR バンドの両方を持つアセットの場合、[PROCESSING_LEVEL] は [L2SP] に設定されます。SR バンドのみのアセットの場合、'PROCESSING_LEVEL' は 'L2SR' に設定されます。 その他のドキュメントと使用例 データ プロバイダのメモ: ASTER NDVI は、ASTER GED プロダクトを対象の Landsat シーンに時間的に調整するために必要であるため、データ プロダクトには、地表温度に正常に処理されるように、光学データと熱データの両方が含まれている必要があります。そのため、夜間の測定値をサーフェス温度に処理することはできません。 雲や雲の影に関連する地表温度の取得には既知のエラーがあります。これらの問題の特性については、Cook ら（2014 年）。 ASTER GED には、ST プロダクトの生成に必要な平均放射率データが欠落している領域が含まれています。ASTER GED 情報がない場合、その地域の ST データは欠落しています。 ASTER GED データセットは、2000 年から 2008 年に取得された ASTER シーンのすべての晴天ピクセルから作成されます。このデータセットは地球全体を対象としていますが、ASTER の測定で雲が常に混入しているため、平均放射率情報が欠落している地域があります。 USGS は、ASTER GED で物理的に不可能な値（放射率が 0.6 未満）をさらにスクリーニングし、検出されない雲による放射率の過小評価を排除します。ASTER GED 入力がないピクセルや物理的に不可能な放射率値を持つピクセルについては、生成される Landsat ST プロダクトにピクセルがありません。ASTER GED 平均気候データの静的な性質上、欠落している Landsat ST ピクセルは、1982 年から現在まで一定です。詳細については、landsat-collection-2-surface-temperature-data-gaps-due-missing をご覧ください。

Landsat 8 Collection 2 Tier 1 calibrated top-of-atmosphere (TOA) reflectance. Calibration coefficients are extracted from the image metadata. See Chander et al. (2009) for details on the TOA computation. Landsat scenes with the highest available data quality are placed into Tier 1 and are considered suitable for time-series processing analysis. Tier 1 includes Level-1 Precision Terrain (L1TP) processed data that have well-characterized radiometry and are inter-calibrated across the different Landsat sensors. The georegistration of Tier 1 scenes will be consistent and within prescribed tolerances [<=12 m root mean square error (RMSE)]. All Tier 1 Landsat data can be considered consistent and inter-calibrated (regardless of sensor) across the full collection. See more information in the USGS docs. The T1_RT collection contains both Tier 1 and Real-Time (RT) assets. Newly-acquired Landsat 7 ETM+ and Landsat 8 OLI/TIRS data are processed upon downlink but use predicted ephemeris, initial bumper mode parameters, or initial TIRS line of sight model parameters. The data is placed in the Real-Time tier and made available for immediate download. Once the data have been reprocessed with definitive ephemeris, updated bumper mode parameters and refined TIRS parameters, the products are transitioned to either Tier 1 or Tier 2 and removed from the Real-Time tier. The transition delay from Real-Time to Tier 1 or Tier 2 is between 14 and 26 days.

此数据集包含根据Landsat 8 OLI/TIRS 传感器生成的数据派生出的经过大气校正的地表反射率和地表温度。这些图像包含5 个可见光和近红外(VNIR) 波段、2 个短波红外(SWIR) 波段（已处理为正射校正的表面反射率），以及 1 个热红外(TIR) 波段（已处理为正射校正的表面温度）。它们还包含用于计算ST 产品的中间频段，以及质量检查频段。 Landsat 8 SR 产品是使用土地表面反射率代码(LaSRC) 创建的。所有 Collection 2 ST 产品均采用由罗切斯特理工学院(RIT) 和美国国家航空航天局(NASA) 喷气推进实验室(JPL) 联合开发的单声道算法制作而成。 收集的数据条会使用标准化参考网格打包成重叠的“场景”，每个场景大约覆盖170 公里 x 183 公里。 某些素材资源仅包含SR 数据，在这种情况下，ST 频段虽然存在，但为空。对于同时具有ST 和 SR 频段的素材资源，“PROCESSING_LEVEL”设为“L2SP”。对于仅包含SR 频段的素材资源，“PROCESSING_LEVEL”设为“L2SR”。 其他文档和使用示例。 数据提供方备注： 数据产品必须同时包含光学数据和热数据，才能成功处理为地表温度，因为 ASTER NDVI 需要将ASTER GED 产品暂时调整为目标Landsat 场景。因此，夜间获取的数据无法处理为地表温度。 与云和可能的云阴影相关的表面温度检索存在已知错误。Cook 等人(2014)。 ASTER GED 中缺少生成ST 产品所需的平均发射率数据。如果缺少ASTER GED 信息，则相应区域将缺少ST 数据。 ASTER GED 数据集是根据2000 年至2008 年获取的ASTER 场景的所有晴天像素创建的。虽然此数据集具有全球空间范围，但由于ASTER 测量中存在持续的云污染，因此有些区域缺少平均发射率信息。 USGS 进一步过滤ASTER GED 中的非物理值（发射率小于0.6），以消除因未检测到的云而导致的任何发射率低估。对于没有ASTER GED 输入或发射率值不合理的任何给定像素，生成的Landsat ST 产品中都会缺少像素。鉴于 ASTER GED 平均气候数据的静态特性，缺失的Landsat ST 像素将在时间（1982 年至今）上保持一致。如需了解详情，请参阅landsat-collection-2-surface-temperature-data-gaps-due-missing

這個資料集包含經大氣校正的表面反射率和地表溫度，這些資料是根據Landsat 8 OLI/TIRS 感應器產生的資料所得。這些圖像包含5 個可見光和近紅外線(VNIR) 波段和2 個短波紅外線(SWIR) 波段，經過處理後可轉換為正射表面反射率，以及經過處理的熱紅外線(TIR) 波段，可轉換為正射表面溫度。這些檔案也包含用於計算ST 產品的中繼頻帶，以及品質管理頻帶。 Landsat 8 SR 產品是使用Land Surface Reflectance Code (LaSRC) 建立。所有 Collection 2 ST 產品都是使用Rochester Institute of Technology (RIT) 和美國國家航空暨太空總署(NASA) 噴射推進實驗室(JPL) 共同開發的單一管道演算法建立。 收集的資料會以標準化參考格線分割成重疊的「影像」，涵蓋約170 公里 x 183 公里的範圍。 部分素材資源只有SR 資料，在這種情況下，ST 頻帶會顯示，但內容為空白。如果素材資源同時包含ST 和 SR 頻帶，則「PROCESSING_LEVEL」會設為「L2SP」。如果素材資源只有SR 頻帶，則「PROCESSING_LEVEL」會設為「L2SR」。 其他說明文件和使用範例。 資料提供者附註： 資料產品必須同時包含光學和熱像資料，才能成功將其處理為地表溫度，因為需要ASTER NDVI 才能將ASTER GED 產品與目標Landsat 影像進行時間調整。因此，夜間的資料擷取作業無法轉換為表面溫度。 在雲層和可能的雲影中，地表溫度擷取作業會發生已知錯誤。Cook 等人(2014)。 ASTER GED 包含缺少平均發射率資料的區域，而這項資料是產生成功的ST 產品所需。如果缺少ASTER GED 資訊，這些區域就會缺少ST 資料。 ASTER GED 資料集是根據2000 年至2008 年間取得的ASTER 場景中，所有無雲的天空像素建立而成。雖然這個資料集涵蓋全球空間範圍，但由於ASTER 測量資料中持續有雲層污染，因此部分區域缺少平均發射率資訊。 USGS 會進一步篩選ASTER GED 中的非物理值(發射率< 0.6)，以移除因未偵測到的雲層而導致的任何發射率低估值。對於任何沒有ASTER GED 輸入值或非物理發射率值的像素，產生的Landsat ST 產品都會缺少像素。由於 ASTER GED 平均氣候資料具有靜態性質，因此缺少的Landsat ST 像素會在1982 年至今的時間範圍內保持一致。詳情請參閱landsat-collection-2-surface-temperature-data-gaps-due-missing

इस डेटासेट में, वायुमंडल के असर को ठीक करने के बाद की गई सतह की रिफ़्लेक्टिविटी और ज़मीन की सतह का तापमान शामिल है. यह डेटा, Landsat 8 OLI/TIRS सेंसर से जनरेट किया गया है. इन इमेज में पांच वाइबल और नीयर-इंफ़्रारेड (वीएनआईआर) बैंड और दो शॉर्ट-वेव इन्फ़्रारेड (एसडब्ल्यूआईआर) बैंड शामिल हैं. इन्हें ऑर्थोरेकटफ़ाइड किए गए सतह के रिफ़्लेक्शन के लिए प्रोसेस किया गया है. साथ ही, एक थर्मल इन्फ़्रारेड (टीआईआर) बैंड को ऑर्थोरेकटफ़ाइड किए गए सतह के तापमान के लिए प्रोसेस किया गया है. इनमें इंटरमीडिएट बैंड भी शामिल होते हैं, जिनका इस्तेमाल एसटी प्रॉडक्ट की गिनती करने के साथ-साथ क्यूए बैंड के लिए किया जाता है. Landsat 8 SR प्रॉडक्ट, लैंड सरफ़ेस रिफ़्लेक्शन कोड (LaSRC) की मदद से बनाए जाते हैं. कलेक्शन 2 के सभी एसटी प्रॉडक्ट, सिंगल-चैनल एल्गोरिदम का इस्तेमाल करके बनाए गए हैं. इसे रोचेस्टर इंस्टिट्यूट ऑफ़ टेक्नोलॉजी (आरआईटी) और नेशनल एरोनॉटिक्स ऐंड स्पेस एडमिनिस्ट्रेशन (नासा) के जेट प्रोपल्शन लैबोरेट्री (जेपीएल) ने मिलकर बनाया है. इकट्ठा किए गए डेटा की स्ट्रिप को ओवरलैप करने वाले "सीन" में पैकेज किया जाता है. ये सीन, स्टैंडर्ड रेफ़रंस ग्रिड का इस्तेमाल करके, करीब 170 कि॰मी॰ x 183 कि॰मी॰ के दायरे में होते हैं. कुछ ऐसेट में सिर्फ़ एसआर डेटा होता है. ऐसे में, एसटी बैंड मौजूद होते हैं, लेकिन वे खाली होते हैं. ST और SR, दोनों बैंड वाली एसेट के लिए, 'PROCESSING_LEVEL' को 'L2SP' पर सेट किया जाता है. सिर्फ़ एसआर बैंड वाली ऐसेट के लिए, 'PROCESSING_LEVEL' को 'L2SR' पर सेट किया जाता है. अतिरिक्त दस्तावेज़ और इस्तेमाल के उदाहरण. डेटा उपलब्ध कराने वाली कंपनी के नोट: डेटा प्रॉडक्ट में ऑप्टिकल और थर्मल, दोनों तरह का डेटा होना चाहिए, ताकि सतह के तापमान को सही तरीके से प्रोसेस किया जा सके. ऐसा इसलिए, क्योंकि ASTER NDVI को ASTER GED प्रॉडक्ट को टारगेट किए गए Landsat सीन के हिसाब से समय के साथ अडजस्ट करना होता है. इसलिए, रात में इकट्ठा किए गए डेटा को सतह के तापमान के तौर पर प्रोसेस नहीं किया जा सकता. बादलों और बादल की परछाई के हिसाब से, सतह के तापमान की जानकारी पाने में एक गड़बड़ी है. इन समस्याओं के बारे में Cook et al., (2014). ASTER GED में ऐसे इलाके शामिल हैं जहां औसत उत्सर्जन डेटा मौजूद नहीं है. यह डेटा, एसटी प्रॉडक्ट जनरेट करने के लिए ज़रूरी है. अगर ASTER GED के लिए जानकारी मौजूद नहीं है, तो उन इलाकों में ST का डेटा मौजूद नहीं होगा. ASTER GED डेटासेट, ASTER से 2000 से 2008 के बीच लिए गए सभी क्लियर-स्काई पिक्सल से बनाया गया है. इस डेटासेट में ग्लोबल स्पेसिएल दायरा है. हालांकि, ASTER के मेज़रमेंट में लगातार बादल की गड़बड़ी की वजह से, कुछ इलाकों में औसत उत्सर्जन की जानकारी मौजूद नहीं है. USGS, ASTER के जीईडी में मौजूद ऐसी वैल्यू को भी हटा देता है जो अस्वाभाविक हैं. जैसे, उत्सर्जन क्षमता < 0.6. ऐसा इसलिए किया जाता है, ताकि बादलों की वजह से उत्सर्जन क्षमता का अनुमान कम न हो. ऐसे किसी भी पिक्सल के लिए जिसमें ASTER GED इनपुट या अमान्य उत्सर्जन वैल्यू मौजूद न हो, Landsat ST प्रॉडक्ट में पिक्सल मौजूद नहीं होते. ASTER GED के क्लाइमैटोलॉजी से जुड़े डेटा की स्टैटिक प्रकृति को देखते हुए, Landsat ST पिक्सल की कमी 1982 से लेकर अब तक लगातार बनी रहेगी. ज़्यादा जानकारी के लिए, landsat-collection-2-surface-temperature-data-gaps-due-missing देखें

Ten zbiór danych zawiera skorygowane atmosferycznie wartości odbicia światła słonecznego i temperatury na powierzchni gruntu, wyprowadzone na podstawie danych z czujników OLI/TIRS satelity Landsat 8. Te obrazy zawierają 5 pasm widzialnego i podczerwieni bliskiej (VNIR) oraz 2 pasma podczerwieni dalekiej (SWIR) przetworzone na ortorektyfikowany współczynnik odbicia powierzchni oraz 1 pasmo podczerwieni dalekiej (TIR) przetworzone na ortorektyfikowaną temperaturę powierzchni. Zawierają one też pasma pośrednie używane do obliczania produktów ST oraz pasma kontroli jakości. Produkty Landsat 8 SR są tworzone za pomocą kodu odbicienia promieniowania powierzchni lądu (LaSRC). Wszystkie produkty ST z kolei 2 są tworzone za pomocą algorytmu jednokanałowego opracowanego wspólnie przez Rochester Institute of Technology (RIT) i Jet Propulsion Laboratory (JPL) przy Narodowej Agencji Aeronautyki i Badań Kosmicznych (NASA). Pasy zebranych danych są grupowane w nachodzące na siebie „sceny” o wymiarach około 170 × 183 km za pomocą ujednoliconej siatki odniesienia. Niektóre zasoby mają tylko dane SR, w których przypadku pasma ST są obecne, ale puste. W przypadku zasobów z pasmami ST i SR wartość parametru „PROCESSING_LEVEL” to „L2SP”. W przypadku komponentów z jednym pasmem SR parametr „PROCESSING_LEVEL” ma wartość „L2SR”. Dodatkowa dokumentacja i przykłady użycia Uwagi dostawcy danych: Aby dane mogły zostać przetworzone na temperaturę powierzchni, muszą zawierać zarówno dane optyczne, jak i termiczne, ponieważ indeks NDVI ASTER jest potrzebny do tymczasowego dostosowania danych GED ASTER do docelowego obrazu Landsat. Dlatego dane z nocy nie mogą być przetwarzane w celu określenia temperatury powierzchni. Wystąpił znany błąd w pobieraniu temperatury powierzchni w związku z chmurami i prawdopodobnie cieniami chmur. Charakterystykę tych problemów opisał Cook i in., (2014). Dane GED ASTER zawierają obszary, w których brakuje danych dotyczących średniej emisyjności, niezbędnych do prawidłowego wygenerowania produktu ST. Jeśli brakuje informacji z ASTER GEDR, w tych obszarach zabraknie też danych ST. Zbiór danych ASTER GED jest tworzony ze wszystkich pikseli ASTER GED, które nie zawierają chmur i zostały uzyskane w latach 2000–2008. Chociaż ten zbiór danych ma globalny zasięg przestrzenny, w niektórych obszarach brakuje informacji o średniej emisyjności z powodu ciągłego zaciemnienia chmur w pomiarach ASTER. USGS dodatkowo sprawdza niefizyczne wartości (emisyjność < 0,6) w ASTERGED, aby wyeliminować niedoszacowanie emisyjności spowodowane niewykrytymi chmurami. W przypadku dowolnego piksela bez danych wejściowych GED ASTER lub niefizycznej wartości emisyjności wynikowe produkty Landsat ST mają brakujące piksele. Brakujące piksele Landsat ST będą spójne w czasie (1982–2019) ze względu na statyczny charakter danych klimatologicznych średniej GED ASTER. Więcej informacji znajdziesz w artykule landsat-collection-2-surface-temperature-data-gaps-due-missing.

This raster file represents land within the Mountain Home study boundary classified as either “irrigated” with a cell value of 1 or “non-irrigated” with a cell value of 0 at a 10-meter spatial resolution. These classifications were determined at the pixel level by use of Random Forest, a supervised machine learning algorithm. Classification models often employ Random Forest due to its accuracy and efficiency at labeling large spatial datasets. To build a Random Forest model and supervise the learning process, IDWR staff create pre-labeled data, or training points, which are used by the algorithm to construct decision trees that will be later used on unseen data. Model accuracy is determined using a subset of the training points, otherwise known as a validation dataset. Several satellite-based input datasets are made available to the Random Forest model, which aid in distinguishing characteristics of irrigated lands. These characteristics allow patterns to be established by the model, e.g., high NDVI during summer months for cultivated crops, or consistently low ET for dryland areas. Mountain Home Irrigated Lands 2023 employed the following input datasets: US Geological Survey (USGS) products, including Landsat 8/9 and 10-meter 3DEP DEM, and European Space Agency (ESA) Copernicus products, including Harmonized Sentinel-2 and Global 30m Height Above Nearest Drainage (HAND). For the creation of manually labeled training points, IDWR staff accessed the following datasets: NDVI derived from Landsat 8/9, Sentinel-2 CIR imagery, US Department of Agriculture National Agricultural Statistics Service (USDA NASS) Cropland Data Layer, Active Water Rights Place of Use data from IDWR, and USDA’s National Agriculture Imagery Program (NAIP) imagery. All datasets were available for the current year of interest (2023). The published Mountain Home Irrigated Lands 2023 land classification raster was generated after four model runs, where at each iteration, IDWR staff added or removed training points to help improve results. Early model runs showed poor results in riparian areas near the Snake River, concentrated animal feeding operations (CAFOs), and non-irrigated areas at higher elevations. These issues were resolved after several model runs in combination with post-processing masks. Masks used include Fish and Wildlife Service’s National Wetlands Inventory (FWS NWI) data. These data were amended to exclude polygons overlying irrigated areas, and to expand riparian area in specific locations. A manually created mask was primarily used to fill in areas around the Snake River that the model did not uniformly designate as irrigated. Ground-truthing and a thorough review of IDWR’s water rights database provided further insight for class assignments near the town of Mayfield. Lastly, the Majority Filter tool in ArcGIS was applied using a kernel of 8 nearest neighbors to smooth out “speckling” within irrigated fields. The masking datasets and the final iteration of training points are available on request. Information regarding Sentinel and Landsat imagery:All satellite data products used within the Random Forest model were accessed via the Google Earth Engine API. To find more information on Sentinel data used, query the Earth Engine Data Catalog https://developers.google.com/earth-engine/datasets) using “COPERNICUS/S2_SR_HARMONIZED.” Information on Landsat datasets used can be found by querying “LANDSAT/LC08/C02/T1_L2” (for Landsat 8) and “LANDSAT/LC09/C02/T1_L2” (for Landsat 9).Each satellite product has several bands of available data. For our purposes, shortwave infrared 2 (SWIR2), blue, Normalized Difference Vegetation Index (NDVI), and near infrared (NIR) were extracted from both Sentinel and Landsat images. These images were later interpolated to the following dates: 2023-04-15, 2023-05-15, 2023-06-14, 2023-07-14, 2023-08-13, 2023-09-12. Interpolated values were taken from up to 45 days before and after each interpolated date. April-June interpolated Landsat images, as well as the April interpolated Sentinel image, were not used in the model given the extent of cloud cover overlying irrigated area. For more information on the pre-processing of satellite data used in the Random Forest model, please reach out to IDWR at gisinfo@idwr.idaho.gov.

This dataset contains atmospherically corrected surface reflectance and land surface temperature derived from the data produced by the Landsat 7 ETM+ sensor. These images contain 4 visible and near-infrared (VNIR) bands and 2 short-wave infrared (SWIR) bands processed to orthorectified surface reflectance, and one thermal infrared (TIR) band processed to orthorectified surface temperature. They also contain intermediate bands used in calculation of the ST products, as well as QA bands. Landsat 7 SR products are created with the Landsat Ecosystem Disturbance Adaptive Processing System (LEDAPS) algorithm (version 3.4.0). All Collection 2 ST products are created with a single-channel algorithm jointly created by the Rochester Institute of Technology (RIT) and National Aeronautics and Space Administration (NASA) Jet Propulsion Laboratory (JPL). Strips of collected data are packaged into overlapping "scenes" covering approximately 170km x 183km using a standardized reference grid. Some assets have only SR data, in which case ST bands are present but empty. For assets with both ST and SR bands, 'PROCESSING_LEVEL' is set to 'L2SP'. For assets with only SR bands, 'PROCESSING_LEVEL' is set to 'L2SR'. Additional documentation and usage examples. Data provider notes: Data products must contain both optical and thermal data to be successfully processed to surface temperature, as ASTER NDVI is required to temporally adjust the ASTER GED product to the target Landsat scene. Therefore, night time acquisitions cannot be processed to surface temperature. A known error exists in the surface temperature retrievals relative to clouds and possibly cloud shadows. The characterization of these issues has been documented by Cook et al., (2014). ASTER GED contains areas of missing mean emissivity data required for successful ST product generation. If there is missing ASTER GED information, there will be missing ST data in those areas. The ASTER GED dataset is created from all clear-sky pixels of ASTER scenes acquired from 2000 through 2008. While this dataset has a global spatial extent, there are areas missing mean emissivity information due to persistent cloud contamination in the ASTER measurements. The USGS further screens unphysical values (emissivity < 0.6) in ASTER GED to remove any emissivity underestimation due to undetected clouds. For any given pixel with no ASTER GED input or unphysical emissivity value, the resulting Landsat ST products have missing pixels. The missing Landsat ST pixels will be consistent through time (1982-present) given the static nature of ASTER GED mean climatology data. For more information refer to landsat-collection-2-surface-temperature-data-gaps-due-missing Note that Landsat 7's orbit has been drifting to an earlier acquisition time since 2017.

These Landsat Collection 2 Tier 1 Level 2 composites are made from Tier 1 Level 2 orthorectified scenes. The Normalized Difference Vegetation Index is generated from the Near-IR and Red bands of each scene as (NIR - Red) / (NIR + Red), and ranges in value from -1.0 to 1.0. …