GEE数据集——Harmonized Landsat Sentinel-2 (HLS) 卫星sentinel-2哨兵-2（HLS）
简介
统一构建了大范围遥感观测平台——HLS项目采用了虚拟卫星传感器集群系统来实现对一致的地表反射率（SR）数据及大气层顶部亮度（TOA）数据的协调一致获取能力。其中部署于美国宇航局/美国地质调查局联合运营的第8号和第9号陆地卫星分别配备了 land成像仪（OLI），而欧洲哥白尼哨兵-2A号与2B号卫星上则部署了多光谱仪（MSI）。基于综合监测技术可每隔2至3天实现对全球地面区域每30米的空间分辨率进行观测。该系统整合了一套先进的算法系统以确保OLI与MSI输出的数据能够无缝对接这一体系包括但不限于大气校正处理云层遮挡与云影遮蔽消除以及空间基准统一等关键环节还涉及统一的空间划分策略光照均匀校正与视角优化等技术环节最后还包括了针对不同光谱通道的滤波优化工作以提升整体观测质量
HSL30 产品支持 30米垂直分辨率 Nadir 双向反射率分布函数 (BRDF) 和 调节反射率参数 (NBAR)，基于 Landsat 8/9 的光学图像（OLI）数据产品。
注：地球引擎的全面摄入预计将持续到 2023 年。
此数据集的构成
数据的处理过程，进行去云和控件重采样，然后利用BRDF归一化操作。
大气校正
该大气校正算法由埃里克·弗莫特（NASA/GSFC）及Vermote团队于2016年研发并应用于不同卫星平台的数据采集系统中。该算法沿用并发展了MODIS MCD09Retrived Products（Vermote与Kotchenova 2008）以及Enhanced Land At-Satellite Product（ELAPs）技术（Masek等人2006年）。关于该方法的具体实现细节，请参阅Vermote等研究者（2016年）在《CEOS ACIX-I》期刊中的相关论述；有关Landsat 8与Sentinel-2表面反射率验证结果，请参阅Doxani等人（2018年）的研究报告
基于MODIS大气成分观测数据中的臭氧和水汽浓度参数进行气体吸收效应调整的同时，在地形高程基础上进行分子瑞利散射效应调平处理；通过计算红光与蓝光光谱波段比值实现气溶胶相位函数厚度推导，在固定continental type的前提下,LaSRC则采用基于图像的数据处理方法；输出结果为定向表面反射系数；HSI系列则包含Landsat 8 TIRS传感器观测获取的两个热红外波段数据项,这些观测数据未经大气影响因素修正,但采用了表观亮度温度重新计算方法(此处假设无大气层存在,单位辐射率基准)
空间配准
我们主要目标是在HLS中维持Sentinel-2图像的大地测量精度要求（误差小于20米，置信水平95%）。同时优化Sentinel-2自身体内的多时相配准和与Landsat 8之间的配准（误差小于15米, 置信水平95%），这些改进将有助于生成30米分辨率的产品。本规范旨在支持对小型田地、人造特征和其他空间异质覆盖类型的动态变化进行精确跟踪
QA
HLS为每个像素提供了多级遮罩信息包括云层云影雪水和气溶胶光学厚度等数据层。在HLS早期版本中这些 cloud masks 是通过 Level-1 输入中的 cloud mask 大气校正代码 LaSRC 内部 cloud mask 以及 Zhu 等人 2015 年提出的 Fmask 的并集来构建的。进入 HLS v2.0 后 cloud masking 方法发生了变化 仅由 Fmask 4.2 单独生成这一方法基于 Qiu 等人 2019 年对 Fmask 4.0 的更新改进。同时在大气校正过程中生成的质量评估相关参数也被整合到每个像素的质量掩码中与 HLS v1.4 的处理方式一致。
校正
基于Landsat 30号（L30）和Sentinel-30号（S30）的数据生成的Nadir BRDF调整后的反射率（NBAR）产品代表了地表反射率。采用Roy团队于2016年提出的c-factor方法对观测角度及太阳角度的影响进行了标准化处理。对于每个像素而言，在垂直视点下实施了归一化处理。每个瓦片区域的角度设定基于以下方法：首先，在该区域中心纬度处利用Landsat-8和Sentinel-2平台记录太阳天顶角的时间序列数据计算其平均值；其次，这一平均值由Li团队开发并应用于相关计算中。
bandpass调整
MSI与OLI在等效光谱范围内呈现出微小的波纹通量差异，并且这些微小的差异性必须被HLS产品所消除。以OLI光谱为基准，在此框架下对MSI光谱进行精确调整以实现一致效果。通过线性拟合模型进行波段通量调整，在此过程中斜率和偏移系数均源自160个全球分布的标准Hyperion场景数据集，并用于构建完整的MSI与OLI光谱表征体系。值得注意的是，在应用过程中特别考虑到MSI在S2A平台与S2B平台上的不同表现特征，并特别指出：假定S2A平台中CA通道以及蓝色端子反射率RSR指标与其对应于S2B平台的表现无异。
Dataset Availability
2013-04-11T00:00:00 -
Dataset Provider
Collection Snippet
ee.ImageCollection("NASA/HLS/HLSL30/v002")
Resolution
30 meters
Bands Table
| Name | Description | Units |
|---|---|---|
| B1 | Coastal Aerosol | |
| B2 | Blue | |
| B3 | Green | |
| B4 | Red | |
| B5 | NIR | |
| B6 | SWIR1 | |
| B7 | SWIR2 | |
| B9 | Cirrus | |
| Band10 | TIRS1 | |
| Band11 | TIRS2 | |
| Fmask | Quality Bits | |
| Fmask Bitmask |
- 碱性分组：
- bit 0: 分布于云系
- bits 1-3: 水汽云滴
- bit4: 雪冰存在与否
- bit5: 水体覆盖情况
- bits6-7: 气溶胶水平
- bit6: 起雾临界值
- bit7: 中层气溶胶水平
| SAA | Sun Azimuth Angle | deg |
| VZA | View Zenith Angle | deg |
| VAA | View Azimuth Angle | deg |
影像属性：
| Name | Type | Description |
|---|---|---|
| ACCODE | String | LaSRC version, e.g. LaSRCS2AV3.5.5 or LaSRCL8V3.5.5 |
| CLOUD_COVERAGE | Double | The percentage of cloud and cloud shadow in observation based on Fmask. |
| HLS_PROCESSING_TIME | String | HLS Processing date and time for HLS L30 |
| LANDSAT_PRODUCT_ID | String | The Landsat-8 input L1 scene product ID for processing backtracing. |
| MEAN_SUN_AZIMUTH_ANGLE | Double | Mean Sun Azimuth Angle in degree of the input data for HLS L30. |
| MEAN_SUN_ZENITH_ANGLE | Double | Mean Sun Zenith Angle in degree of the input data for HLS L30 |
| MEAN_VIEW_AZIMUTH_ANGLE | Double | Mean View Azimuth Angle in degree of the input data. |
| MEAN_VIEW_ZENITH_ANGLE | Double | Mean View Zenith Angle in degree of the input data. |
| NBAR_SOLAR_ZENITH | Double | Mean Sun Zenith Angle in degree of the HLS product after BRDFadjustment |
| SPATIAL_COVERAGE | Double | The percentage of the tile with data |
| TIRS_SSM_MODEL | String | TIRS SSM encoder position model (Preliminary, Final or Actual). |
| TIRS_SSM_POSITION_STATUS | String | L30 |
| USGS_SOFTWARE | String | LPGS_2.6.2 |
代码
function cloudmask(image){
var cirrus = 1<<0;
var cloud = 1<<1;
var cloudadj= 1<<2;
var cloudshd= 1<<3;
var qa=image.select('Fmask')
var mask = qa.bitwiseAnd(cirrus).eq(0)
.and(qa.bitwiseAnd(cloud).eq(0))
.and(qa.bitwiseAnd(cloudadj).eq(0))
.and(qa.bitwiseAnd(cloudshd).eq(0));
return (image.updateMask(mask))
}
var collection = ee.ImageCollection("NASA/HLS/HLSL30/v002")
.filter(ee.Filter.date('2013-04-25', '2013-04-28'))
.filter(ee.Filter.lt('CLOUD_COVERAGE', 30)).map(cloudmask);
var visParams = {
bands: ['B4', 'B3', 'B2'],
min:0.01,
max:0.18,
};
var visualizeImage = function(image) {
var imageRGB = image.visualize(visParams);
return imageRGB;
};
var rgbCollection = collection.map(visualizeImage);
Map.setCenter(-60.1765, -22.5318, 11)
Map.addLayer(rgbCollection, {}, 'HLS RGB bands');
代码解读
使用说明
NASA is known for encouraging open, comprehensive sharing of every piece of data with research institutions, commercial entities, applied sectors, and the public at large.
引用
Masek et al., (2021). "HLS Operational Land Imager Surface Reflectance and TOA Brightness Daily Global 3 km Resolution V2" [Data set]. NASA EOSDIS Land Processes Distributed Active Archive Center accessed on September 14th, 2023 from https://doi.org/10.5067/HLS/HLSL3kmV4