2. 数据源与获取平台：USGS EarthExplorer、ESA Copernicus Open Access Hub、NASA Earthdata Search、中国资源卫星应用中心
做遥感研究，第一步就是找数据。很多人一上来就扎进论文堆里，其实我个人觉得，先把数据源摸清楚，后面能省一半的力气。今天咱们就聊聊四个最主流的遥感数据获取平台。嗯，我这些年跟它们打交道不少，踩过的坑也愿意跟大家分享。
核心观点：没有最好的平台，只有最适合你研究需求的平台。选对数据源，项目就成功了一半。
2.1 USGS EarthExplorer — 老牌劲旅，Landsat 的大本营
USGS EarthExplorer，说白了就是美国地质调查局的地球探索者。这是我最常用的平台之一。为什么？因为 Landsat 系列数据全在这儿，而且免费。
我记得刚入行那会儿，导师让我下载某地区的 Landsat 8 影像。我折腾了半天，最后发现 EarthExplorer 的筛选功能特别强大。你可以按云量、按日期、按传感器类型来过滤。嗯，这里要注意：云量过滤一定要设得严格一些，我一般设到 10% 以下。
我的小技巧：在 EarthExplorer 里，你可以用「Add Coordinate」功能直接输入研究区的经纬度范围。别手动拖拽地图选区域，那样精度不够，而且容易漏掉边缘数据。
这个平台的数据集分类很清晰。你打开 Data Sets 选项卡，能看到 Landsat、MODIS、SRTM 等等。我个人习惯把常用的数据集收藏起来，下次直接点收藏夹就能找到。
曾经有一次，我需要 2000 年到 2020 年的 Landsat 时序数据。在 EarthExplorer 里用批量下载功能，一次性搞定了。不过要注意，批量下载前一定要检查每景影像的云量，不然下载回来一堆废片。
2.2 ESA Copernicus Open Access Hub — Sentinel 系列的主场
欧洲空间局的哥白尼开放访问中心，这是 Sentinel 卫星数据的官方下载渠道。如果你做高分辨率遥感，尤其是 10 米分辨率的 Sentinel-2 数据，这里就是你的首选。
这个平台有个特点：数据更新快。Sentinel-2 的重访周期是 5 天，比 Landsat 的 16 天短很多。所以做时间序列分析的时候，我经常优先考虑 Sentinel 数据。
不过，这个平台的下载速度有时候不太稳定。我建议你注册一个账号，用 API 方式下载。用 Python 写个脚本，设置好研究区的边界框和日期范围，让程序自动下载。这样比在网页上一个一个点要高效得多。
# 一个简单的 Sentinel 数据下载脚本示例
import sentinelsat
from sentinelsat import SentinelAPI
api = SentinelAPI('your_username', 'your_password', 'https://scihub.copernicus.eu/dhus')
# 定义研究区范围
footprint = "POLYGON((116.0 39.5, 117.0 39.5, 117.0 40.5, 116.0 40.5, 116.0 39.5))"
# 搜索数据
products = api.query(footprint,
date=('20230101', '20231231'),
platformname='Sentinel-2',
cloudcoverpercentage=(0, 20))
# 下载数据
api.download_all(products)
避坑指南：我曾经一次性提交了 50 景影像的下载任务，结果服务器把我的 IP 给封了。后来才知道，这个平台对并发下载有限制。建议每次最多提交 10 个任务，分批次下载。
2.3 NASA Earthdata Search — 多源数据的聚合平台
NASA 的地球数据搜索平台，其实是一个数据聚合门户。它整合了 NASA 旗下所有地球观测数据，包括 MODIS、VIIRS、ASTER 等等。你想想看，一个平台就能搜到几十种卫星数据，是不是很方便？
这个平台的搜索界面设计得挺人性化。你可以用关键词搜索，比如输入「NDVI」或者「Sea Surface Temperature」，系统会自动匹配相关的数据集。我个人习惯先在这里搜索，找到合适的数据集后，再跳转到具体的数据下载页面。
不过要注意，NASA Earthdata Search 只是一个搜索和发现工具，真正的数据下载往往需要跳转到其他子平台。比如 MODIS 数据会跳转到 LAADS DAAC，ASTER 数据会跳转到 LP DAAC。嗯，这一点刚开始用的时候可能会有点懵。
| 平台名称 | 主要数据源 | 空间分辨率 | 适用场景 |
|---|---|---|---|
| USGS EarthExplorer | Landsat 系列 | 15-30 m | 土地利用/覆盖变化 |
| ESA Copernicus Hub | Sentinel 系列 | 10-60 m | 植被监测、水体提取 |
| NASA Earthdata Search | MODIS、VIIRS 等 | 250 m - 1 km | 全球尺度、气候研究 |
| 中国资源卫星应用中心 | 高分系列、资源系列 | 0.5-16 m | 国产卫星数据需求 |
2.4 中国资源卫星应用中心 — 国产卫星数据的主渠道
做国内研究，很多时候需要用到国产卫星数据。中国资源卫星应用中心就是官方渠道。这里可以下载高分系列（GF-1、GF-2、GF-6 等）和资源系列（ZY-3 等）的数据。
说实话，这个平台的界面设计比较传统，搜索功能也没有国外平台那么智能。但数据质量是没问题的。高分二号的空间分辨率达到 0.8 米，做精细地物识别完全够用。
我建议你注册账号后，先熟悉一下数据查询的流程。这个平台的数据是按景来组织的，你需要输入轨道号或者经纬度来搜索。另外，下载前要仔细阅读数据使用协议，有些数据是有使用限制的。
我的经验：国产卫星数据的存档时间相对较短，早期的数据可能不太好找。如果你需要长时间序列的数据，建议优先考虑 Landsat 或 Sentinel。但如果是做高分辨率应用，高分系列是很好的选择。
2.5 四个平台的对比与选择策略
说了这么多，到底该选哪个平台？我给大家总结一下：
- 做长时序分析（20年以上）：首选 USGS EarthExplorer 的 Landsat 数据。Landsat 从 1972 年就开始存档了，这是其他平台比不了的。
- 做高时间分辨率分析：选 ESA Copernicus Hub 的 Sentinel-2。5 天重访周期，加上 10 米分辨率，性价比很高。
- 做全球尺度或气候研究：用 NASA Earthdata Search 找 MODIS 数据。虽然分辨率低，但覆盖范围广，产品种类多。
- 需要国产高分辨率数据：去中国资源卫星应用中心。高分二号、高分六号的数据质量都不错。
你想想看，这四个平台各有侧重，没有哪个是万能的。我一般会根据研究需求，同时从两三个平台获取数据，互相补充验证。
最后说一句，数据下载只是第一步。拿到数据后，还要做预处理、几何校正、大气校正等一系列工作。这些内容咱们后面会详细讲。今天先把数据源搞清楚，后面的事情就好办了。