开始探索影像

首先,您将打开 Landsat Explorer 应用程序,熟悉多光谱影像和光谱波段的基本知识。

  1. 在 Web 浏览器中打开 Landsat Explorer 应用程序。

    加利福尼亚州雷德兰兹初见图

    注:

    要了解有关 Landsat Explorer 应用程序及其所含数据的更多信息,请单击应用程序左上角的关于此应用程序按钮。

    关于该应用程序按钮

    您还可以在计划的 web 页面上了解有关由美国地质勘探局 (USGS) 和 NASA 联合运营的 Landsat 计划的更多信息。

    在地图上,您可以看到美国加利福尼亚州雷德兰兹市。 景观不会以看起来自然的颜色出现,就像它们在人眼中的表现一样。 城区为淡紫色,部分植被覆盖区为亮绿色。 为何会这样?

    Landsat 计划制作多光谱影像,这意味着它能捕捉到多个波长范围的信息,包括一些人眼看不到的波长。 其中的每个范围叫一个光谱波段中,特别擅长突出一种景观要素或属性。 Landsat 8 Landsat 9 传感器自 2013 年以来收集的 Landsat 影像包含 11 个光谱波段;早期版本的传感器收集的波段略少。 下表介绍 Landsat 8 和 Landsat 9 的主要波段:

    波段编号波段名称该波段的最佳显示

    1

    沿海气溶胶

    浅水、粉尘颗粒

    2

    蓝色

    深水、大气

    3

    绿色

    植被

    4

    红色

    人造物体、土壤、植被

    5

    近红外 (NIR)

    海岸线、植被

    6

    短波红外 1 (SWIR 1)

    改善的云层穿透度、土壤和植被湿度

    7

    短波红外 2 (SWIR 2)

    改善的云层穿透度、土壤和植被湿度

    9

    表面温度

    测量陆地地表温度

    注:

    应用中使用的 Landsat 影像被处理成 Level-2 科学产品,这意味着对最初的频谱带进行了各种校正,以确保它们提供最可靠的信息,并可随时供分析人员使用。

    在处理多光谱图像时,不可能同时查看所有可用的光谱波段。 不过,也可以选择最多三个波段,并将它们合并成一张合成图像。 不同的波段组合可以极大地改变地面要素在图像中的显现方式,并可用于突出特定的要素或属性。 您可以在应用程序中比较两个这样的波段组合。

  2. 在应用程序底部工具栏的渲染器下,指向农业切片。

    随即显示更多详细信息。

    农业切片

    地图上的影像目前显示的是农业波段组合,由短波红外 1 波段、近红外波段和蓝光波段(或波段 6、5 和 2)组成。 这种组合以亮绿色突出了健康的植被,并将其与其他土地覆盖类型(如裸露地表或城市地区)明显区分开来。 您将切换到自然色波段组合进行比较。

  3. 渲染器下,单击自然色

    自然色彩切片

    借助这一新的自然色波段组合(波段红色、绿色和蓝色 - 或 4、3 和 2),您可以看到影像中地表色调占主导。 红色、绿色和蓝色波段共同组成了人眼可见光的波段。 组合这三个波段即可近似表示人眼看到的景观外观。

    红地自然色彩带组合

    自然色波段组合对某些应用程序很有用,但分析师通常会根据他们想要突出显示的特定要素选择其他波段组合。

  4. 自然色农业带组合之间切换几次,以便更好地观察它们之间的差异。

监视孙德尔本斯的红树林

您的下一个目的地为印度和孟加拉共和国边界处的孙德尔本斯 (Sundarbans) 红树林。 您将使用 Landsat 的影像,对某生态系统中的红树林健康状况进行监视,该生态系统极易受到变化的影响。 您还将了解到一种新的波段组合:彩色红外线。

  1. 点击 Landsat Explorer 链接进入孙德尔本斯地区。

    显示孙德尔本斯地区的图像

    由于卫星不能用一张照片拍下全世界,因此会把很多张照片拼凑成一张图像,称作镶嵌图。 因为您目前看到的是一个相当大的区域,所以您可以在地图上看到这种拼凑效果。 此外,显示的图像是在不同的日期和时间拍摄的,因此它们的颜色强度可能有所不同。

    注:

    这种拼接图像视图在 Landsat Explorer 应用程序中被命名为动态模式。这种动态马赛克会自动显示最新的无云图像。 在本教程的后面部分,您将学习如何选择和显示您所选择的特定图像。

    孙德尔本斯分布在孟加拉湾以北。 仅在当前的自然色波段组合下观察该区域,您即可分辨出森林覆盖率高的孙德尔本斯地区和位于西北部高度城市化的加尔各答市。 大部分原始的红树林已遭砍伐,但其余未遭砍伐的红树林已由印度和孟加拉共和国政府进行保护。

    带标签的孙德尔本斯地区景观

    为了更清晰地分辨红树林植被,您将使用彩色红外波段组合,它结合了近红外(NIR)、红和绿(或 5、4 和 3)波段。 近红外 (NIR) 波段非常清楚地区分植被和非植被要素。 在彩色红外波段组合中,健康植被呈现鲜红色。

  2. 渲染器下,单击色彩 IR(针对彩色红外)。

    色彩 IR 切片

    影像更新。 孙德尔班红树林现在显示为亮红色,表示植被茂密且整体健康。 流经缺乏植被的红树林但在沉积物位置水位较高的水体将显示为翠蓝色。 建成区(例如加尔各答市)将显示为灰色或米黄色。 农业区将显示为淡红色阴影,表示存在某些植被但是茂密度低于红树林中的植被。 最后,孟加拉湾的海水呈现出深蓝色调。

    用彩色红外波段组合观测孙德尔本斯地区

  3. 在应用程序的左上角,单击几次放大按钮以放大至红树林的中心。

    “放大”按钮

    提示:

    您还可以使用鼠标滚轮按钮放大或缩小。

  4. 如有必要,用鼠标平移地图,将地图居中对准红树林。

    孙德尔本斯红树林详图

    提示:

    由于 Landsat 的图像会定期更新,因此孙德尔本斯某些地区的最新图像可能是多云或朦胧的。 如果是这样,您也可以使用这张地图,它显示的是一张没有云层的 Landsat 图像。

    在广阔的三角洲地区,树林由几条河流和纵横交错的潮汐水道所分割。 许多小岛只有乘船才能到达,这导致实地观测的难度加大,加强了使用卫星影像监视树林的需求。 较健康的植被会显示为更亮的红色,而某些区域会显示为较淡的红色阴影或米黄色。 作为分析师,您可以将这些区域识别为可能包含不太健康的植被,并需要进一步调查。

  5. 放大、缩小和平移,探索红树林。
  6. 前往红树林的东侧,那里的颜色从主要是红色变为主要是米色。

    红树林保护区的终点位置

    红树林保护区的尽头形成了鲜明的对比。 未受保护区域的土地之前被红树林覆盖,但是现在已经完全被砍伐。 其中大部分显示为米黄色或浅粉色,表示缺少植被。 作为分析师,您可以使用这些颜色差异检测受保护区域中的非法树木采伐活动。

    红树林极易受到海平面和海水含盐量变化以及人口、非法树木采伐和其他因素的影响。 失去红树林不仅会毁坏当地多种动植物(包括许多濒危物种,如孟加拉虎)的栖息地,邻近地区还会失去应对季风的重要屏障。 维护森林的健康非常重要,影像在此方面可以起到帮助。

    注:

    彩色红外农业波段组合之间有什么区别? 二者都适用于突出显示健康的植被(对于彩色红外,为亮红色;对于农业,为亮绿色)。 彩色红外是一种更常见的波段组合,适用于许多类型的卫星和航空影像,因为它只需要近红外 (NIR) 波段,除了绿色和红色可见光波段。 农业波段组合较为少见,因为它不仅需要 NIR 波段,还需要短波红外 (SWIR) 波段。 近红外有利于突出植物的健康,因为健康的绿色植被能反射更多的近红外光。 SWIR 还有助于检测植被的实际含水量。 农业波段组合用途广泛,可清晰显示多种土地覆被类型。

显示绘制城市热岛效应

一些 Landsat 传感器能够捕捉地球表面的温度信息。 这些信息将与其他数据源一起用于生成地表温度带,并可在应用程序中通过其中一个渲染器选项进行可视化。

您将使用这一功能来直观显示美国华盛顿特区的城市热岛效应。 热岛是指与周围地区相比温度持续升高的地方。 它们通常出现在路面(如人行道、屋顶和建筑物)不平整、树木或其他植被覆盖较少的城市空间。 气候变化导致极端气温不断上升,城市热岛威胁着当地居民的健康和生活质量。

在热浪袭人的炎炎夏日,您将感受到城市热岛效应。 您将创建一张卷帘地图,比较以两种不同方式渲染的 Landsat 图像,一边突出显示土地覆盖类型,另一边突出显示地表温度。 首先,将地图聚焦在您感兴趣的区域。

  1. 查找地址或地点搜索框中键入 Washington, DC.,然后按 Enter 键。

    搜索框中的 Washington, DC

    地图更新显示华盛顿特区。

  2. 在底部工具栏上,单击轻扫。 确认按钮已选中。

    轻扫和左按钮

    地图更新为轻扫模式,分为两个部分。 您可以选择一张特定的图片(或场景)显示在地图左侧。 在底部工具栏中,会显示一个日历,用于选择在特定日期拍摄的场景。

  3. 场景选择下,在年份下拉菜单中选择 2024

    日历会更新,列出 2024 年当前地图范围内可用的图像,并以浅灰色小方框显示。

  4. 在日历中,点击 2024 年 7 月 16 日的方框。

    场景选择日历

    注:

    有些 Landsat 图像包含遮挡地面的云层。 云量滑块用于选择图像应包含的最大云层百分比。

    云量滑块

    在日历中,浅灰色实框表示符合云层标准的图像。 浅灰色的方框表示云层较高的图像。

    您可能会看到比示例图像更多的可用场景,因为 Landsat 数据集会不断添加新的图像。

    刷卡地图左侧更新的是 2024 年 7 月 16 日拍摄的 Landsat 场景。 您可以将其与农业效果图一起显示,以突出显示该区域的不同土地覆被类型。

  5. 渲染器下,单击农业

    农业切片

    卷帘地图的左侧会更新,以亮绿色显示植被区,以紫色和粉色显示城市建筑区,以深蓝色显示河流等水体。

    使用农业带组合渲染的卷帘地图左侧

    提示:

    在此视图中,道路作为地图标注图层的一部分被描画在图像之上。 地图标注复选框用于打开或关闭该图层。

    “地图标注”复选框

    您将选取相同的图片显示在地图右侧,并将其渲染为显示地表温度。

  6. 单击键。

    右键

  7. 场景选择下,在年份下拉菜单中选择 2024。 在日历中,点击 2024 年 7 月 16 日
  8. 渲染器下,单击 Surface Temp(表面温度)。

    Surface Temp 切片

    地表温度渲染器显示地面温度。 不同的价值用不同的颜色来表示。

  9. 指向表面温度切片,查看图例。

    Surface Temp 图例

    从白色到蓝色象征低温,从橙色到深红色象征高温,从绿色到黄色象征中温。 您的卷帘地图现在已完成。 左侧为农业渲染图,右侧为地表温度渲染图。

    右侧显示地表温度渲染图的卷帘地图

  10. 从左到右拖动轻扫光标,比较效果图。

    卷帘光标

    虽然整个地区的气温都很高,但建筑密集区的气温更为极端(深红色),而植被覆盖区和水体的气温则相对较低(浅红色或橙色)。

  11. 点击地图上的不同点,即可在弹出窗口中看到其表面温度值。

    信息性弹出窗口

    您绘制的卷帘地图说明了城市热岛效应。 多光谱图像是帮助您了解和解决这一现象的有力工具。 市中心的平均温度可能比周围乡村区域的温度高出 10 度。 在确定热源后,就必须规划冷却策略,如种植更多树木、改用冷却铺装材料和创建绿色屋顶。

    提示:

    您可以复制您的卷帘地图或者您使用 Landsat Explorer 应用程序制作的任何其他地图的 URL,与您所在社区的人们共享该地图。 以下是您创建的最终卷帘地图,以供参考。

使用光谱图查看绿洲

为了进一步了解多光谱图,您将前往埃及的 El Fayoum 绿洲,了解光谱剖面、光谱特征和光谱指数。

  1. 使用此 Landsat Explorer 链接前往 El Fayoum 绿洲地区。

    显示 El Fayoum 绿洲地区的图像

    使用农业波段组合渲染的 Landsat 图像显示。 El Fayoum 是一个自古埃及时代就存在的大型心形绿洲。 它是撒哈拉沙漠中的植被和水的宝库。 在东侧,尼罗河谷斜跨地图。 通过人造运河将水从尼罗河引入绿洲。

    在处理多光谱图像时,绘制特定兴趣点的光谱图可能非常有用。 光谱图是一种图表,可针对特定影像像素显示不同的光谱波段值。 您将生成 El Fayoum 地区多个点的光谱图。

  2. 在底部工具栏中单击分析,然后选择光谱图

    “分析”和“光谱图”按钮

    要使用该选项,需要选择特定的 Landsat 图像。

  3. 场景选择下,在年份下拉菜单中选择 2023。 在日历中,点击 2023 年 2 月 19 日

    场景选择日历

    图像随即出现在地图中。 El Fayoum 绿洲位于图片的东北角。

    2023 年 2 月 19 日拍摄的 El Fayoum 绿洲图像

    您将通过检查表示植被的像素开始。 El Fayoum 绿洲中的典型植被主要由棉花、三叶草和谷物等作物的耕地组成,景观中点缀着一些棕榈和水果树。

  4. 在地图上,使用十字准星指针单击绿洲中似乎被植被覆盖的位置(亮绿色)。

    十字准星指针

    在底部工具栏的光谱图下,会出现该特定像素的光谱图。 图表标题为健康植被

    被识别为健康植被的像素的光谱图

    提示:

    如果您的像素未被识别为健康植被,您选择的混合像素可能包含一些建筑物、裸露土地或其他要素。 在这种情况下,再点击一两个有植被的地点,直到获得健康植被标识。

    在图表中,X 轴(水平)代表不同的光谱波段:沿海蓝色绿色红色近红外SWIR 1SWIR 2。 Y 轴(垂直)显示了所选像素的每个波段的值。 更准确地说,它显示了反射率值,即该位置处的材料(在本例中为健康植被)在不同波段下反射的光线量。 连接波段值形成的曲线显示为浅灰色。

    图表上有一条绿色虚线。 其图例标注为健康植被的光谱图。 每种类型的土地覆被,如健康的植被、水域或沙地,往往都有一个典型的、可识别的光谱图,称为光谱要素。 通过将来自任何影像像素的光谱图与典型光谱特征进行比较,可以自动识别该像素的土地覆被类型。 在该图表中,像素的光谱图与健康植被光谱特征最为相似,尤其容易识别其较高的 NIR 反射率值和较低的红色波段反射率值。

  5. 在地图上,单击看起来代表以下内容的位置:
    • 一个湖泊(深蓝色)
    • 沙漠(米黄色)

    光谱图将这些点分别标识为清水

    被识别为清水和沙的像素的光谱图

    可以观察到不同材料(清水、沙和健康植被)之间光谱特征的差异。 材料的物理和化学特性导致其反射波长的方式不同。 大多数图像分析技术都利用这些光谱图变化来自动检测图像中的土地覆被类型信息。

    其中一种技术就是计算光谱指数。 光谱指数会应用数学公式,以计算影像中每个像素不同波段之间的比例,旨在突出显示某种特定现象。 您现在可以试试其中两个。

  6. 渲染器下,单击 MNDWI

    MNDWI 切片

    MNDWI 代表修正的归一化差值水体指数。 它通过计算短波红外线 1 波段和绿色波段之间的比率来突出显示水。 使用该指数后,水体显示为蓝色。 在目前的地图上,这些湖泊主要是 El Fayoum 绿洲的一部分。

    使用 MNDWI 指数显示的 El Fayoum 绿洲

  7. 渲染器下,单击彩色 NDVI

    “彩色 NDVI”切片

    NDVI 代表归一化差值植被指数。 它通过计算近红外线和红色波段之间的比率来突出显示植被。 健康茂密的植被用深绿色标出,稀疏的植被用棕色标出。

    使用 NDVI 指数显示的 El Fayoum 绿洲

    您现在已经熟悉了光谱面、光谱特征和光谱指数。 您已经了解图像分析技术都利用光谱图变化来自动检测图像中的土地覆被类型信息。 作为 El Fayoum 地区的分析师,您可以使用这些技术来监测作物健康状况、干旱情况、野火的影响以及其他现象。 有了多光谱图,就有可能对大片区域、整个国家甚至全世界进行这种监测。

用动画直观展示城市发展

在此之前,您一直在探索代表单一时间点的图像,并将重点放在过去几年拍摄的 Landsat 图像上。 如果想要追踪一段时间内的趋势应怎么做? 如果您想比较孙德尔本斯红树林现在和十年前的健康状况,或者想了解 El Fayoum 绿洲的湖泊在过去几十年中是如何扩大或缩小的? 自 1972 年发射第一颗 Landsat 卫星以来,已有 50 多年的 Landsat 图像可供比较。

注:

虽然旧卫星未装有最新卫星所有的功能(例如侦察特定光谱波段的功能),它们的影像对于查看世界的演变过程仍然具有很大的价值。

为了说明如何使用 Landsat 图像,您将制作一个动画,直观展示中国发展最快的城市之一合肥从 1995 年到现在的演变过程。

  1. 点击 Landsat Explorer 链接进入中国合肥。

    显示设置为动态视图的 Landsat 图像。 它显示了最近的图像,并使用彩色红外波段组合进行渲染。 城市区域呈现棕色,城市周围的植被呈现鲜红色,水体呈现深蓝色。

    中国合肥,彩色红外渲染

    注:

    彩色红外并不总是显示城市区域的最佳渲染图,但在这个特定的使用案例中,通过试验和错误,我们发现它可以清晰地勾勒出城市的长期轮廓。

  2. 在底部工具栏上,单击动画,然后选择添加场景

    “动画”和“添加场景”按钮

    为第一幅图像添加一个插槽。

    第一幅图像的插槽

    您将在动画中添加 1995 年的一个场景。

  3. 场景选择下,在年份下拉菜单中选择 1995 年。 在日历中,点击 1995 年 9 月 02 日

    场景选择日历

    地图上显示的是 1995 年 9 月 2 日拍摄的图像。 合肥作为一个小镇出现在画面中心。

    1995 年 9 月 2 日于合肥

    接下来,你将添加一个 2000 年的场景。

  4. 单击添加场景,添加第二个图像插槽。

    添加场景按钮

  5. 场景选择下,在年份下拉菜单中选择 2000 年。 在日历中,点击 2000 年 9 月 15 日

    图像随即出现在地图中。 您希望制作一部总共包含八个场景的动画,大约每三到五年选择一个场景。 下面是一份完整的清单:

    • 1995 年 9 月 02 日(已添加)
    • 2000 年 9 月 15 日(已添加)
    • 2005 年 8 月 12 日
    • 2009 年 5 月 03 日
    • 2013 年 8 月 02 日
    • 2016 年 7 月 25 日
    • 2020 年 5 月 17 日
    • 2023 年 4 月 16 日

    为了加快工作流程,您将打开一个新地图,其中的八个场景已经为您添加好了。

  6. 点击 Landsat Explorer 链接,加载所有八个场景。

    接下来,您将播放动画。

  7. 添加场景旁边,单击播放动画按钮。

    播放动画按钮

    图像开始按时间顺序一个接一个地显示,形成一个动画。 动画的速度很快,所以你要放慢速度。

  8. 速度滑块移至最小值。

    速度滑块

    随着动画播放速度的放慢,您可以看到合肥市自 1995 年以来有了很大的发展。

    注:

    您还可以选择单击复制动画链接按钮以共享动画。 您还可以单击下载动画按钮,将其导出为 MP4 视频。

    复制动画链接和下载动画按钮

  9. 观看完动画后,再次单击停止动画按钮。

    停止动画按钮

描绘淹没区

利用在不同时间点拍摄的 Landsat 图像的另一种方法是利用它们进行变化检测。 变化检测涉及到比较在单一区域中在不同时间采集的影像,以确定变化的类型、幅度和位置。 发生变化的原因包括人为活动、突然的自然干扰或长期的气候或环境趋势。

您将对淹没事件进行自己的变化检测分析。 由于 2022 年 7 月的暴雨,乍得莱雷和盖古地区的一些地区遭受了严重的洪灾。 作为分析师,您需要确定受影响最大的领域。

  1. 点击 Landsat Explorer 链接进入 Léré 地区。

    显示设置为动态视图的 Landsat 图像。 它显示了最近的图像,并使用农业波段组合进行渲染。 地图标注图层已打开,其中包括主要道路的描述。 这里有两个湖泊以及湖泊周围的几个城镇和村庄,例如莱雷(Léré)、劳(Lao)和凯比(Kebi)。

    显示乍得莱雷地区的图像

  2. 在底部工具栏中,单击分析,然后选择变化检测。 确认选择场景 A 已被选中。

    “分析”、“变化检测”和“选择场景 A”按钮

    您需要选择两张图片,一张在洪水之前,一张在洪水之后。

  3. 场景选择下,在年份下拉菜单中选择 2022 年。 在日历中,点击 2022 年 5 月 8 日

    场景选择日历

    影像将更新以显示在 2022 年 5 月 8 日的暴雨之前采集的 Landsat 场景。 显示的是之前选择的农业波段组合。 已清晰地定义 Léré 湖和 Tréné 湖的轮廓。 与 Mayo Kébbi 和 Bénoué 河流对应的蓝色细线。

    2022 年 5 月 8 日拍摄的乍得莱雷地区图片

  4. 单击选择场景 B

    选择场景 B 按钮

  5. 场景选择下,在年份下拉菜单中选择 2022 年。 在日历中,点击 2022 年 7 月 11 日
  6. 渲染器下,单击农业将相同的波段组合应用到第二个场景。

    农业切片

    图像更新后显示的是 2022 年 7 月 11 日拍摄的 Landsat 场景,显示的是洪水发生时的情况。 在先前场景中是旱地的大片区域现在都覆盖着洪水,使湖泊看起来过分扩张,无法与河流区分开来。

    2022 年 7 月 11 日拍摄的乍得莱雷地区图片

    接下来,您将看到场景 A 和场景 B 之间的变化。

  7. 单击查看更改按钮。

    查看更改按钮

  8. 变化旁边,选择水体指数

    水体指数选项

    这种变化检测分析将您在教程前面学到的水体指数 (MNDWI) 应用到前后图像中,目的是确定水体像素在每幅图像中的位置。 然后比较水体指数值,以确定每个像素是否有:

    • MNDWI 值增加(从无水变为有水)
    • MNDWI 值下降(从有水变为无水)
    • MNDWI 值无变化(从有水变为有水,或从无水变为无水)

    在地图上,大部分陆地区域显示为黄色,表示这些区域没有变化。 不过,湖泊周围的区域呈现出明亮的碧蓝色,表明它们被水覆盖。 洪水就是在这里发生的。

    显示前后图像变化的地图

    注:

    浅米色或浅蓝色的像素表示水指数值略有变化。 这并不一定很重要,因为由于天气条件和拍摄时间的不同,拍摄前和拍摄后的图像的数值强度可能略有不同。

    为了使地图更容易解读,您将只显示最明显的从无水变为有水的像素。

  9. 水体指数下,滑动下限手柄,直到所有黄色、米色和浅蓝色像素消失。

    当水指数值约为 0.65 时,像素就会消失。

    滑动条中的下限手柄设置为 0.65

    现在,地图上的淹没区显示为明亮的碧蓝色。

    地图以绿松石蓝色显示洪水泛滥地区

    水体指数下,估计变化面积值表明地图上显示的水淹区域面积约为 10.79 平方公里(您获得的数字可能略有不同)。

    估计变化面积为 10.79 平方公里

    在本分析中,您进行了变化检测,以确定受洪水事件影响的区域。 由此绘制的地图可以与当地的救援队共享,以帮助他们更好地集中力量。

    注:

    影像越来越普遍用于帮助进行自然灾害管理。 不过,您应该知道,Landsat 图像每周最多只能捕捉特定地点一次,而且其空间分辨率仅为 30 米(每像素),因此在灾难性事件中,它不一定总能提供最及时、最详细的图像。 还有其他卫星图像类型可提供频率更高、分辨率更高的图像,可能是灾害管理的首选,但这不在本教程的范围之内。

探索更广阔的区域

Landsat Explorer 应用程序包含世界各地的许多书签地点。 这些地点通过特定的波段组合显示突出的或独一无二的景观,这些波段组合会高亮显示出其最值得关注的要素。 您将回顾其中一些地点。

  1. 在底部工具栏中,单击探索,然后选择动态

    探索和动态按钮

  2. 有趣的地方下,点击一些缩略图查看不同的地点。

    有趣的地方

    当您发现这些位置时,您可以应用不同的光谱带组合和光谱指数,并使用您在教程中学到的功能。 此外,您可以使用搜索框查找自己的感兴趣区域。

    注:

    要继续了解 Landsat Explorer 的功能,请参阅学习使用 Landsat Explorer 探索 Landsat 图像一文。

在本教程中,您在使用 Landsat Explorer 应用程序环游世界时探索了 Landsat 图像。您学到了多光谱图像的基本概念,并熟悉了它的许多应用。 现在,您已准备好通过图像继续探索世界。

您可以在影像和遥感简介教程集中找到更多有关影像的教程。