3. 常见卫星数据源介绍：Landsat系列、Sentinel系列、MODIS、高分系列数据特点与获取方式
做遥感数据挖掘这些年，我接触最多的就是这四类数据源。说实话，刚入行那会儿我也挺懵的——这么多卫星，到底该用哪个？后来踩过几次坑，慢慢就摸出门道了。今天我把它们的特点和获取方式掰开揉碎了讲给你听。
3.1 Landsat系列：老牌劲旅，40年历史
Landsat是美国NASA和USGS联合搞的项目，从1972年到现在，一共发了9颗星。我个人习惯把它叫做「遥感界的常青树」。为什么？因为它的数据连续性好得离谱——你想想看，同一块地，从80年代到今天的变化，它都能给你串起来。
核心参数一览：
| 参数 | Landsat 8/9 OLI | Landsat 7 ETM+ |
|---|---|---|
| 空间分辨率 | 30m（多光谱）/ 15m（全色） | 30m（多光谱）/ 15m（全色） |
| 波段数 | 11个波段 | 8个波段 |
| 重访周期 | 16天 | 16天 |
| 幅宽 | 185km | 185km |
我在项目中遇到过最典型的一个场景：做城市扩张分析。用Landsat 5和Landsat 8的数据，把2000年和2020年的影像一对比，城市边界往外推了整整一圈。这种长时序分析，Landsat是唯一的选择。
获取方式：
- USGS EarthExplorer（最全，但需要注册）
- Google Earth Engine（我推荐这个，直接云端处理）
- 国内：地理空间数据云（速度更快）
避坑指南：我曾经用Landsat 7的数据做分析，结果发现影像上有条纹。后来才想起来——2003年之后Landsat 7的扫描线校正器坏了，数据有空洞。如果你要用，记得做「条带修复」处理。
3.2 Sentinel系列：欧洲新秀，免费又好用
Sentinel是欧盟哥白尼计划的核心，2014年才开始发星。但你别看它年轻，数据质量是真的能打。我个人最喜欢的是Sentinel-2，10米分辨率，5天重访一次——你想想看，这意味着什么？
说白了，就是你能看到更细的地物，而且更新频率高。做农业监测、植被变化分析，Sentinel-2是首选。
Sentinel-2 vs Landsat 8 对比：
| 指标 | Sentinel-2 | Landsat 8 |
|---|---|---|
| 空间分辨率 | 10m（可见光）/ 20m（红边） | 30m |
| 重访周期 | 5天（双星） | 16天 |
| 红边波段 | 有（3个） | 无 |
| 幅宽 | 290km | 185km |
我记得有一次做水稻识别项目，用Landsat 8的30米数据，稻田边界总是糊的。换成Sentinel-2的10米数据，边界清晰得像画出来的一样。嗯，这就是分辨率带来的差距。
获取方式：
- ESA Copernicus Open Access Hub（官方源）
- Google Earth Engine（同样推荐）
- 国内：中国资源卫星应用中心
3.3 MODIS：大尺度监测的利器
MODIS搭载在Terra和Aqua两颗卫星上，2000年就开始干活了。它的特点是——空间分辨率不高（250m-1000m），但时间分辨率极高（每天覆盖全球）。
为什么会这样？因为它幅宽2330公里，扫一遍地球只要1-2天。你想想看，做全球尺度的植被监测、火灾监测、海面温度监测，MODIS是唯一的选择。
MODIS核心产品：
- MOD13Q1：16天合成的NDVI数据，250m分辨率
- MOD11A2：8天合成的地表温度数据，1km分辨率
- MOD09GA：每日地表反射率数据，500m分辨率
- MCD64A1：月度燃烧面积产品，500m分辨率
我在项目中用过MOD13Q1做全国植被覆盖度变化分析。从2000年到2020年，20年的NDVI数据，在Google Earth Engine里几行代码就处理完了。这种大尺度、长时序的分析，MODIS无可替代。
注意：MODIS数据有多个版本（Collection 5、Collection 6、Collection 6.1）。我建议直接用最新的Collection 6.1，算法更稳定，去云效果更好。曾经我用旧版本数据做分析，结果发现NDVI值偏低，换了新版本就好了。
3.4 高分系列：国产之光，高空间分辨率
高分系列是中国高分辨率对地观测系统的核心。从高分一号到高分七号，覆盖了从亚米级到几十米的不同分辨率。说实话，做国内项目，高分数据是绕不开的。
高分系列主要卫星：
| 卫星 | 分辨率 | 主要用途 |
|---|---|---|
| 高分一号 | 2m（全色）/ 8m（多光谱） | 国土资源调查 |
| 高分二号 | 0.8m（全色）/ 3.2m（多光谱） | 城市规划、精细识别 |
| 高分六号 | 2m（全色）/ 8m（多光谱） | 农业监测（有红边波段） |
| 高分七号 | 0.8m（立体测绘） | 三维建模、地形图 |
我记得有一次做城市违章建筑识别，用Landsat的30米数据根本看不清楚。换成高分二号的0.8米数据，连屋顶上的太阳能板都能数出来。这就是高分辨率数据的威力。
获取方式：
- 中国资源卫星应用中心（官方渠道，需要申请）
- 遥感集市（商业平台，部分数据免费）
- 各省市地理信息中心（地方项目常用）
避坑指南：高分数据获取门槛比Landsat和Sentinel高。我曾经申请高分二号的数据，审批流程走了两周。如果你做研究，建议提前规划好时间。另外，高分数据有使用限制，不能随意分发。
3.5 数据选择策略：到底该用哪个？
很多新手会问：这么多数据源，我该选哪个？我的建议是——看你的需求来定。
我个人的经验是：
- 做全球或大区域分析（比如全国植被覆盖）：首选MODIS，数据量大、时间序列长
- 做城市或区域分析（比如城市扩张、农田监测）：首选Sentinel-2，10米分辨率够用，5天重访
- 做长时序变化（比如30年土地利用变化）：Landsat是唯一选择
- 做精细识别（比如违章建筑、道路提取）：上高分系列，分辨率越高越好
一个小技巧：很多项目其实可以混合使用多种数据源。比如用MODIS做粗筛，发现异常区域后用Sentinel-2做精细分析，最后用高分数据做验证。我在一个农业项目中就是这么干的，效率高了不少。
3.6 数据获取实战：用Python下载Sentinel-2数据
光说不练假把式。我写了个简单的Python脚本，帮你快速上手下载Sentinel-2数据。这里用的是sentinelhub库，需要先注册一个账号（免费的）。
# 安装：pip install sentinelhub
from sentinelhub import SHConfig, BBox, CRS, DataCollection, SentinelHubDownloadClient
# 配置你的账号信息
config = SHConfig()
config.sh_client_id = '你的client_id'
config.sh_client_secret = '你的client_secret'
# 定义区域（北京天安门附近）
bbox = BBox([116.39, 39.90, 116.41, 39.92], crs=CRS.WGS84)
# 下载Sentinel-2 L2A数据（已经做过大气校正）
evalscript = """
//VERSION=3
function setup() {
return {
input: ["B04", "B03", "B02"],
output: { bands: 3 }
};
}
function evaluatePixel(sample) {
return [sample.B04, sample.B03, sample.B02];
}
"""
request = SentinelHubDownloadClient(
bbox=bbox,
time_interval=('2023-06-01', '2023-06-30'),
data_collection=DataCollection.SENTINEL2_L2A,
evalscript=evalscript,
config=config
)
# 下载数据
image = request.get_data()[0]
print(f'下载完成，影像尺寸：{image.shape}')
这段代码会下载2023年6月北京天安门附近的Sentinel-2影像，返回的是RGB三个波段的数据。你想想看，以前下载卫星数据要登录网站、选区域、等邮件，现在几行代码就搞定了。
注意：sentinelhub有每日请求次数限制，免费账号每天大概能下载几百MB的数据。如果你需要大量下载，建议用Google Earth Engine，那个没有限制。
好了，这四种数据源的特点和获取方式就讲到这里。每种数据都有自己的脾气，用多了自然就熟了。下一节我们会讲数据预处理，到时候再聊怎么处理这些原始数据。
公众号:蓝海资料掘金营，微信deep3321