第1章：卫星数据获取——主流数据源与下载策略

做遥感数据分析，第一步就是搞到数据。很多人一上来就问我：“老师，哪个卫星数据最好？”

说实话，没有“最好”的数据，只有“最合适”的数据。我做了十几年遥感项目，踩过不少坑，今天就把这些经验分享给你。

1.1 三大主流卫星数据源

目前全球用得最多的开源卫星数据，主要来自三个系列：Landsat、Sentinel 和 MODIS。它们各有各的脾气，我一个个说。

1. Landsat（陆地卫星）——老牌劲旅

Landsat 是美国 NASA 和 USGS 联合搞的项目，从 1972 年到现在，已经跑了 50 多年。我个人最常用的是 Landsat 8 和 Landsat 9。

• 空间分辨率：30米（多光谱），15米（全色）
• 时间分辨率：16天重访
• 波段数量：11个波段（Landsat 8/9）
• 适用场景：土地利用分类、植被监测、城市扩展分析

2. Sentinel（哨兵卫星）——欧洲新秀

Sentinel 是欧盟哥白尼计划的核心，我特别喜欢 Sentinel-2。它比 Landsat 年轻，但性能更强。

• 空间分辨率：10米（可见光/近红外），20米（红边/短波红外），60米（大气校正波段）
• 时间分辨率：5天（双星组网）
• 波段数量：13个波段
• 适用场景：精细农业、森林监测、水体提取

3. MODIS（中分辨率成像光谱仪）——大尺度利器

MODIS 搭载在 Terra 和 Aqua 卫星上，每天能覆盖全球。说白了，它适合看“大面儿”，不适合看“细节”。

• 空间分辨率：250米（波段1-2），500米（波段3-7），1000米（其余波段）
• 时间分辨率：1-2天
• 波段数量：36个波段
• 适用场景：全球植被指数（NDVI）、海面温度、火灾监测

嗯，这里要注意：MODIS 的 250 米分辨率，在城市分析里基本就是一团糊。我一般用它做区域尺度的趋势分析，比如整个华北平原的植被变化。

1.2 数据下载平台

数据源知道了，上哪儿下载？我整理了几个最常用的平台，按推荐程度排个序。

平台名称	数据源	特点	我的评价
USGS EarthExplorer	Landsat, MODIS	老牌、稳定、功能全	★★★★★ 首选
Copernicus Open Access Hub	Sentinel 全系列	官方、免费、速度快	★★★★☆ 下载 Sentinel 必用
NASA LAADS DAAC	MODIS, VIIRS	专门处理 MODIS 产品	★★★★☆ 做 MODIS 项目时用
Google Earth Engine	全系列	云端处理，无需下载	★★★★★ 我现在的首选

1.3 数据检索策略

数据源和平台都知道了，但怎么快速找到你要的数据？我总结了一套“三步检索法”。

第一步：明确需求

先问自己三个问题：

1. 研究区域：经纬度范围？行政边界？
2. 时间范围：需要哪几年的数据？季节有要求吗？
3. 云量要求：一般我设云量小于 20%，做精细分析时设小于 5%

第二步：选择数据源

根据需求选卫星：

• 做历史长序列分析 → Landsat
• 做高精度分类 → Sentinel-2
• 做全球尺度监测 → MODIS

第三步：批量检索与下载

我习惯用 Python 脚本批量处理。给你看个例子：

# 使用 earthengine-api 批量检索 Landsat 8 数据
import ee

ee.Initialize()

# 定义区域（北京市中心）
roi = ee.Geometry.Point([116.4, 39.9])

# 检索 2023 年夏季云量小于 10% 的 Landsat 8 影像
collection = (ee.ImageCollection('LANDSAT/LC08/C02/T1_L2')
    .filterBounds(roi)
    .filterDate('2023-06-01', '2023-08-31')
    .filter(ee.Filter.lt('CLOUD_COVER', 10)))

print(f"找到 {collection.size().getInfo()} 景影像")

1.4 知识体系总览

下面这张图，是我自己总结的卫星数据获取全流程。你把它存下来，以后做项目时对照着看。

这张图把整个数据获取流程串起来了。你想想看，从数据源选择到平台使用，再到检索策略，每一步都有讲究。

---

公众号:蓝海数据掘金营，微信deep3321