历史遥感影像大全_如何免费下载

新网编辑 2025年11月21日 05:15 22 0

是的，目前可通过 *** 开放数据平台、学术共享库、商业公司试用计划三条渠道免费获取历史遥感影像，无需付费即可下载完整分辨率文件。

（图片来源 *** ，侵删）

什么是历史遥感影像？为什么它如此重要？

历史遥感影像指的是1950年代至今由卫星、飞机、无人机等平台拍摄的地球表面光学或雷达图像。它们记录了城市扩张、森林砍伐、河流改道、灾害痕迹等关键变化，是环境研究、城市规划和法律取证不可替代的时空证据。

五大权威免费数据源横向对比

1. USGS EarthExplorer

覆盖范围：全球，最早至1960年Corona解密影像
分辨率：更高0.6米（Declassified系列）
下载限制：需注册账号，每日配额10GB
亮点：支持按坐标框选、按传感器筛选，批量下载

2. 欧空局Copernicus Open Access Hub

覆盖范围：全球，2014年后Sentinel系列
分辨率：10米多光谱
下载限制：需账号，单任务更大2万景
亮点：提供Level-2大气校正产品，即拿即用

3. 中国科学院空天信息创新研究院

覆盖范围：中国及周边，1970年代起
分辨率：2.5米（高分一号）至30米（Landsat）
下载限制：实名认证，教育科研免费
亮点：提供中文检索界面，支持行政区快速定位

4. Google Earth Engine Catalog

覆盖范围：全球，整合Landsat、MODIS、Sentinel
分辨率：30米至250米
下载限制：需脚本权限，导出需配额
亮点：可在线时序分析，一键生成变化动图

5. 日本JAXA ALOS World 3D

覆盖范围：全球，2006–2011
分辨率：5米DEM+正射影像
下载限制：需同意使用协议
亮点：唯一免费开放30米精度DEM与同期影像配对

如何快速锁定所需年份与区域？

自问：我只想找1998年长江流域洪水的影像，该去哪？

自答：

进入USGS EarthExplorer，在Data Sets勾选“Declassified Satellite Imagery – 1”
时间范围设1998-06-01至1998-09-30
在“Additional Criteria”里输入WRS Path/Row 123/38（武汉附近）
点击Results，勾选云量低于20%的景，加入购物车直接下载

下载后如何验证影像真实性？

三步校验法：

元数据核对：查看XML文件中的拍摄时间、传感器、太阳高度角是否与需求一致
地面控制点：在Google Earth Pro中导入影像，选取3个以上永久性地物进行几何校正，误差应小于1个像素
光谱一致性：使用QGIS的Raster Layer Statistics工具，检查波段均值是否落在该传感器官方公布的合理区间

常见坑与解决方案

坑1：下载链接失效

原因：USGS服务器维护或账号过期。解决：先清空浏览器缓存，再重新登录；若仍失败，改用wget命令行断点续传。

（图片来源 *** ，侵删）

坑2：影像条带噪声

原因：早期Landsat 7 ETM+扫描线校正器故障。解决：使用USGS提供的Gapfill插件或Google Earth Engine的ee.Algorithms.Landsat.simpleComposite()自动填补。

坑3：坐标系不匹配

原因：不同数据源采用不同投影。解决：在QGIS中批量重投影至WGS84/UTM，勾选重采样 *** 为“最近邻”以保持原始像素值。

进阶玩法：用历史遥感影像做时间序列分析

自问：我想看北京五环内2000–2020年绿地变化，如何自动化？

自答：

在Google Earth Engine代码编辑器输入以下脚本，自动调用Landsat 5/7/8 Surface Reflectance：


var roi = ee.FeatureCollection("FAO/GAUL/0").filter(ee.Filter.eq('ADM1_NAME', 'Beijing'));
var landsat = ee.ImageCollection('LANDSAT/LT05/C02/T1_L2')
              .merge(ee.ImageCollection('LANDSAT/LE07/C02/T1_L2'))
              .merge(ee.ImageCollection('LANDSAT/LC08/C02/T1_L2'))
              .filterBounds(roi)
              .filterDate('2000-01-01', '2020-12-31')
              .map(function(img){
                var ndvi = img.normalizedDifference(['SR_B4', 'SR_B3']).rename('NDVI');
                return ndvi.clip(roi);
              });
var chart = ui.Chart.image.series(landsat, roi, ee.Reducer.mean(), 30);
print(chart);