第二章：遥感数据源解析——主流卫星介绍与数据获取实战
各位同学，欢迎来到第二章。上一章我们聊了遥感在农业金融里能干什么，这一章咱们得落地了——聊聊数据从哪来。
说实话，我刚入行那会儿，最头疼的就是选数据源。Landsat、Sentinel、MODIS，名字都听过，但到底用哪个？免费还是付费？分辨率够不够？今天我就把这些年踩过的坑、总结的经验，一次性给你讲透。
2.1 三大主流卫星：各自的本事与脾气
农业遥感领域，绕不开的就是这三兄弟：Landsat（美国）、Sentinel（欧洲）、MODIS（美国）。它们各有各的强项，也各有各的短板。我个人的习惯是：先看任务需求，再选卫星，而不是反过来。
2.1.1 Landsat：四十年的老牌劲旅
Landsat 系列从1972年就开始飞了，到现在已经到 Landsat 9。你想想看，这意味着什么？——连续40多年的历史数据！做农业金融里的产量回溯、灾害历史分析，Landsat 是首选。
核心参数：
- 空间分辨率：30米（多光谱），15米（全色波段）
- 时间分辨率：16天重访周期
- 光谱波段：11个波段（Landsat 8/9），覆盖可见光到热红外
- 幅宽：185公里
我的实战经验： 做玉米种植面积提取时，Landsat 的30米分辨率刚好够用。但要注意——16天重访周期意味着如果遇到连续阴雨，你可能一个月都拿不到一景好影像。我在黑龙江做过一个项目，7月份雨季，整整等了28天才拿到一景云量低于10%的图。
2.1.2 Sentinel：欧洲的后起之秀
Sentinel-2 是 ESA（欧洲空间局）的宝贝，2015年才发射第一颗。但它的表现，说实话，让我这个老用户都惊艳。
核心参数：
- 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）
- 光谱波段：13个波段，包含3个红边波段
- 幅宽：290公里
为什么我偏爱 Sentinel？ 它的红边波段对植被监测特别敏感。做水稻长势分析时，红边波段能比传统 NDVI 提前5-7天发现异常。这在农业金融里意味着什么？——更早的风险预警，更及时的信贷决策。
2.1.3 MODIS：大尺度监测的利器
MODIS 搭载在 Terra 和 Aqua 两颗卫星上，每天能覆盖全球一次。分辨率虽然只有250米到1公里，但胜在时间分辨率极高。
核心参数：
- 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：每天1-2次
- 光谱波段：36个波段
- 幅宽：2330公里
注意避坑： 我曾经用 MODIS 做县级尺度的作物估产，结果误差大到离谱。为什么？因为250米的分辨率下，一个像元里可能混着玉米、大豆、甚至树林。MODIS 只适合省级、国家级的大尺度分析，千万别拿它做地块级别的精细活儿。
2.2 数据获取渠道：免费与付费的博弈
数据获取这块，我建议你记住一个原则：能用免费的，绝不花钱；但免费的搞不定时，该花就得花。
2.2.1 免费数据源
| 平台 | 数据源 | 特点 | 我的评价 |
|---|---|---|---|
| USGS EarthExplorer | Landsat、MODIS | 老牌平台，数据全，但界面老旧 | ⭐⭐⭐⭐ 稳定可靠 |
| ESA Copernicus Open Access Hub | Sentinel-1/2/3 | 下载速度快，支持批量 | ⭐⭐⭐⭐⭐ 我的首选 |
| NASA LAADS DAAC | MODIS、VIIRS | 专门处理MODIS产品 | ⭐⭐⭐ 适合批量下载 |
| Google Earth Engine | 全系列 | 云端处理，无需下载 | ⭐⭐⭐⭐⭐ 强烈推荐 |
我的建议： 如果你只是做研究或小范围分析，USGS 和 ESA 的下载平台够用了。但如果你要处理全省甚至全国的数据，直接上 Google Earth Engine。我在做河南省冬小麦面积提取时，用 GEE 处理了3000多景 Sentinel-2 影像，只用了2小时。要是下载到本地，硬盘都得买好几块。
2.2.2 付费数据源
有些场景，免费数据确实不够用。比如你需要0.5米分辨率的商业卫星影像来做地块边界勾画，或者需要雷达数据（Sentinel-1 免费，但精度有限）。这时候就得考虑付费了。
- Planet Labs： 3-5米分辨率，每天覆盖，适合高频监测
- Maxar（原 DigitalGlobe）： 0.3-0.5米分辨率，适合精细地块分析
- 中国高分系列： 高分1号到7号，部分数据免费，高精度数据需申请
省钱技巧： 别一上来就买全分辨率数据。先拿免费数据做预分析，确定感兴趣的区域和时间窗口，再针对性地购买少量高分辨率影像。我帮一家农业保险公司做过方案，这样操作至少省了60%的数据采购成本。
2.3 数据特性对比：一张表说清楚
嗯，这里我直接给你一张对比表，以后选数据源时拿出来对照就行。
| 特性 | Landsat 8/9 | Sentinel-2 | MODIS |
|---|---|---|---|
| 空间分辨率 | 30m（多光谱） | 10m（可见光） | 250m-1km |
| 时间分辨率 | 16天 | 5天 | 1天 |
| 光谱波段数 | 11 | 13 | 36 |
| 红边波段 | 无 | 有（3个） | 无 |
| 热红外波段 | 有（100m） | 无 | 有（1km） |
| 数据历史 | 1972年至今 | 2015年至今 | 2000年至今 |
| 适用场景 | 历史分析、中等尺度 | 精细监测、地块级别 | 大尺度、实时监测 |
| 数据获取难度 | 容易 | 容易 | 容易 |
一句话总结： 做精细地块分析用 Sentinel-2，做历史回溯用 Landsat，做大尺度实时监测用 MODIS。三者结合使用效果最佳。
2.4 知识体系总览
下面这张图，是我自己梳理的本章知识结构。你把它存下来，以后做数据选型时，照着这个逻辑走，基本不会出错。
2.5 实战建议：如何快速上手
最后，给你几个我自己的实操建议：
- 先从 Sentinel-2 入手。 它的10米分辨率、5天重访周期，对大多数农业场景都够用。而且 ESA 的下载平台很友好，支持按区域、按时间、按云量筛选。
- 学会用 Google Earth Engine。 别把时间浪费在下载、存储、预处理上。GEE 里直接加载影像、计算指数、导出结果，效率提升10倍不止。
- 建立自己的数据档案。 我每做一个项目，都会把用到的影像ID、时间、云量、处理流程记录下来。下次做类似项目时，直接复用，省时省力。
- 别迷信高分辨率。 0.5米的影像看着爽，但处理成本高、覆盖范围小。先问自己：30米的分辨率真的不够用吗？
最后提醒一句： 数据源选型没有标准答案。同一个项目，用 Landsat 和 Sentinel 做出来的结果可能差异很大。我的习惯是——至少用两种数据源交叉验证，确保结论可靠。毕竟在农业金融里，一个错误的判断可能意味着几百万的坏账。
公众号:蓝海资料掘金营，微信deep3321