下载文档原格式
Landsat-8卫星特点及应用Landsat-8卫星是美国陆地卫星系列卫星中的一个。
美国陆地卫星（LANDSAT）系列卫星由美国航空航天局（NASA）和美国地质调查局（USGS）共同管理。
自1972年起，LANDSAT系列卫星陆续发射，是美国用于探测地球资源与环境的系列地球观测卫星系统，曾称作地球资源技术卫星（ERTS）。
陆地卫星的主要任务是调查地下矿藏、海洋资源和地下水资源，监视和协助管理农、林、畜牧业和水利资源的合理使用，预报农作物的收成，研究自然植物的生长和地貌，考察和预报各种严重的自然灾害（如地震）和环境污染，拍摄各种目标的图像，以及绘制各种专题图（如地质图、地貌图、水文图）等。
中国科学院遥感与数字地球研究所接收、处理、存档和分发美国陆地卫星系列中的Landsat-5、Landsat-7和LANDSAT-8三颗卫星的数据。
其中Landsat-8卫星于2013年2月11日发射，是美国陆地探测卫星系列的后续卫星。
Landsat-8卫星装备有陆地成像仪（Operational Land Imager，简称“OLI”）和热红外传感器（Thermal Infrared Sensor，简称“TIRS”）。
OLI被动感应地表反射的太阳辐射和散发的热辐射，有9个波段的感应器，覆盖了从红外到可见光的不同波长范围。
与Landsat-7卫星的ETM+传感器相比，OLI增加了一个蓝色波段（0.433–0.453μm）和一个短波红外波段(band 9; 1.360–1.390 μm)，蓝色波段主要用于海岸带观测，短波红外波段包括水汽强吸收特征，可用于云检测。
TIRS是有史以来最先进，性能最好的热红外传感器。
TIRS将收集地球热量流失，目标是了解所观测地带水分消耗，特别是干旱地区水分消耗。
中国科学院遥感与数字地球研究所接收的LANDSAT-8卫星数据实现了数据共享。
陆地卫星7和8的轨道高度是705公里（438英里）。
landsat 8归一化水体指数实际应用计算1. 引言1.1 概述引言部分将对文章的主题进行概述和介绍。
本文旨在探讨landsat 8归一化水体指数的实际应用计算方法。
其中，归一化水体指数是一种用于测量和监测水体环境质量的指标，通过对Landsat 8卫星图像进行处理和分析，可以得出准确的水体指数值，并进而推断水体质量情况。
1.2 文章结构本文将按照以下结构进行论述。
首先，我们将介绍归一化水体指数的定义、计算方法和应用领域。
其次，我们会简要介绍Landsat 8卫星，并讨论数据获取与处理方法以及数据质量评估和校正方法。
然后，我们将详细阐述实际应用计算步骤，并通过案例分析展示计算结果。
最后，我们会总结研究结果并展望其意义和应用前景。
1.3 目的本文的目的是提供一种实际应用计算归一化水体指数的方法，并展示该方法在实践中的有效性和可靠性。
通过深入了解Landsat 8卫星数据处理流程和归一化水体指数的计算方法，读者将能够在自己的研究或实践中应用这一技术，并获得准确的水体环境质量信息。
此外，本文还将探讨研究成果的意义和未来发展方向，以推动该领域的进一步研究和应用。
2. 归一化水体指数介绍：2.1 归一化水体指数的定义归一化水体指数（Normalized Difference Water Index，NDWI）是一种用来评估陆地卫星影像中水体分布和含量的指标。
它基于不同波段的反射率差异，通过计算绿色波段和近红外波段之间的差值来准确识别和监测水体。
2.2 归一化水体指数的计算方法归一化水体指数（NDWI）的计算公式如下所示：NDWI = (G−NIR) / (G+NIR)其中，G表示绿色波段的反射率，NIR表示近红外波段的反射率。
在实际应用中，可以使用遥感图像处理软件来计算归一化水体指数。
首先，需要获取正确波段范围内的遥感数据，包括可见光、红外等不同波长的数据。
然后，通过对应波段上像元的反射率进行上述公式的计算即可得到每个像元点对应的归一化水体指数值。
landsat8用法
Landsat 8用法：
Landsat 8是一颗美国国家航空航天局（NASA）与美国地质调查局（USGS）联合操作的卫星，致力于收集和提供地球表面的高分辨率遥感图像。
这些图像具有多种用途，包括监测地球上的土地利用变化、辅助农业和林业管理、以及研究地质和环境变化等。
在土地利用方面，Landsat 8的用法广泛。
它可以帮助农业部门监测农作物的生长和健康状况，包括土壤湿度、植被覆盖和植物健康指数等。
这些信息对于农民来说非常有价值，可以帮助他们做出更明智的农业管理决策，提高农作物产量和减少资源浪费。
此外，Landsat 8还可以用于监测森林覆盖度的变化，帮助林业部门进行可持续林业管理，保护和维护森林资源。
除了土地利用，Landsat 8还被广泛应用于地质和环境研究中。
例如，通过收集卫星图像，科学家可以研究火山活动、地震震源和其他地质现象。
它们还可以监测冰川和海洋的变化，以了解全球气候变化和海洋生态系统的情况。
这些研究为我们理解地球的动态变化提供了重要数据。
Landsat 8图像的高分辨率和多波段能力使其成为地球科学研究和应用的重要工具。
它为各个领域提供了有价值的数据，包括农业、林业、地质、环境科学等。
借助这些数据，我们能够更好地了解地球，支持可持续发展和环境保护。
总之，Landsat 8的用法多样而广泛。
它为我们提供了有关地球表面的高质量图像和数据，支持各种研究和应用。
这颗卫星为我们提供了更好地认识和保护我们的地球的机会。
Landset8卫星波段及常用组合介绍
Landsat8卫星包含OLI（Operational Land Imager 陆地成像仪）和TIRS （Thermal Infrared Sensor 热红外传感器）两种传感器。
OLI包括了ETM+的所有波段，为了避免大气吸收部分特征，OLI对波段进行了重新调整，比较大的调整：
1、OLI Band5(0.845–0.885 μm)，排除了0.825μm处水汽吸收特征；
2、OLI全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；
3、新增两个波段：海蓝波段(band 1; 0.433–0.453 μm) 主要应用海岸带观测；短波红外波段，又称卷云波段(band 9; 1.360–1.390 μm) 包含水汽强吸收特征，可用于云检测；
4、近红外band5和短波红外band9与MODIS对应的波段更加接近。
表1Landsat7 Landsat8卫星对比
表2：OLI波段合成
Landsat8波段组合图示：
432波段合成真彩色图像，接近地物真实色彩，图像平淡，色调灰暗
543波段合成标准假彩色图像，地物色彩鲜明，有利于植被（红色）分类，水
体识别
564波段合成非标准假彩色图像，红外波段与红色波段合成，水体边界清晰，利于海岸识别；植被有较好显示，但不便于区分具体植被类别
765对大气层穿透能力较强，例如图像中红色方框内云的影响明显减少
652植被类型丰富，便于植被分类
654便于植被分析。
landasat8水分校正系数（实用版）目录1.引言NDSAT 8 卫星及其传感器3.水分校正系数的作用和重要性NDSAT 8 水分校正系数的获取和计算方法NDSAT 8 水分校正系数的应用实例6.结论正文1.引言LANDSAT 8 是美国国家航空航天局（NASA）发射的一颗地球观测卫星，它携带了多个传感器，可以获取地表的反射率、辐射率、温度等信息。
其中，水分校正系数是其中一个关键参数，对于卫星遥感数据的准确性和可靠性具有重要意义。
NDSAT 8 卫星及其传感器LANDSAT 8 卫星于 2013 年 2 月 11 日发射，是 LANDSAT 系列卫星的最新一颗。
它搭载了一个名为 TIRS（Thermal Infrared Sensor）的热红外传感器，用于测量地表的温度。
此外，LANDSAT 8 还搭载了一个名为 OLI（Operational Land Imager）的光学传感器，可以获取地表的反射率信息。
3.水分校正系数的作用和重要性水分校正系数是用于纠正卫星遥感数据中水分含量的一个参数。
由于大气、土壤、植被等因素的影响，卫星遥感数据中的水分含量往往与实际水分含量存在偏差。
为了消除这种偏差，需要使用水分校正系数对遥感数据进行校正。
这样可以提高遥感数据的准确性和可靠性，为农业、水利、环境监测等领域的应用提供有力支持。
NDSAT 8 水分校正系数的获取和计算方法LANDSAT 8 水分校正系数的获取主要依赖于地面观测数据。
通常，需要在地面设置观测站点，通过实地测量获取土壤、植被等参数，然后与卫星遥感数据进行对比，从而计算出水分校正系数。
计算方法通常采用回归分析、神经网络等技术，将地面观测数据与遥感数据进行拟合，得到水分校正系数。
NDSAT 8 水分校正系数的应用实例LANDSAT 8 水分校正系数在农业、水利、环境监测等领域具有广泛应用。
例如，在农业领域，通过使用水分校正系数，可以更准确地获取农田的实际水分含量，从而指导农业生产和灌溉。
Landsat 8 DVI的值域引言L a nd sa t8是一颗在轨遥感卫星，由美国国家航空航天局（NA S A）和美国地质调查局（US G S）联合运营。
L an d sa t8有很多影像产品，其中包括D VI（差值植被指数）图像。
本文旨在讨论La nd sa t8DV I的值域，以帮助读者更好地理解和应用该指数。
什么是差值植被指数（D V I）差值植被指数（D VI）是一种使用遥感数据来评估植被覆盖度的指标。
它基于红光波段（R）和近红外波段（NI R）之间的差异，计算公式如下：D V I=NI R-R其中，N IR表示近红外波段的反射值，R表示红光波段的反射值。
DV I的意义和应用D V I可以提供关于植被覆盖度和植被生长情况的信息。
通过分析D VI图像，我们可以了解植被在农业、森林、环境和城市规划等领域的分布和变化情况。
以下是DV I在不同领域的主要应用：农业D V I可以用于农作物的监测和评估。
通过分析DV I图像，可以确定农田中的植被覆盖度、生长状况和植物营养状况，帮助农民进行农作物生产管理和精确施肥。
此外，DV I还可以用于检测病虫害、干旱和水分胁迫等问题。
森林学D V I在森林学研究中也发挥着重要作用。
通过DV I图像可以估计森林的生长状况、植被类型和植被覆盖度。
这对于森林资源管理和保护具有重要意义。
此外，D VI还可以用于检测森林火灾、病虫害和人为破坏等问题。
环境监测D V I对于环境监测和土地利用规划也有很大帮助。
通过分析D VI图像，我们可以评估城市绿化程度、湿地面积和土地退化情况。
这些信息能够指导城市规划和环境保护工作，为改善城市生活质量和可持续发展提供参考。
地质勘探D V I还可用于地质勘探。
通过分析DV I图像，可以探测地下水资源、矿产资源和地质构造等信息，为资源开发和地质灾害预警提供支持。
L a n d s at 8 DV I的值域范围L a nd sa t8DVI的值域范围是由遥感数据的反射值决定的。
landsat8的evi计算公式中的参数全文共四篇示例，供读者参考第一篇示例：Landsat 8是美国地球观测卫星计划（USGS）的一部分，于2013年发射，是一颗用于提供高质量遥感图像的卫星。
在遥感领域，Landsat 8的数据在全球范围内得到了广泛应用，其中包括植被指数计算。
植被指数是一种用于评估植被覆盖和状况的指标，其中的正片时间增加植被指数（EVI）是一种广泛使用的指标。
EVI包含了植被指数（NDVI）中的遗漏的信息，并通过减除大气影响来进行修正，因此更适用于植被覆盖度较高的区域。
在Landsat 8数据的处理中，EVI的计算是非常重要的一步。
以下是关于Landsat 8的EVI计算公式中的参数的详细介绍：EVI = G x (ρnir - ρred) / (ρnir + C1 x ρred - C2 x ρblue + L)EVI为最终计算出的植被指数值；ρnir、ρred、ρblue分别代表红外、红光和蓝光波段反射率；G为增益因子，通常为2.5；C1和C2是修正参数，分别为6和7.5；L为光学蓝图的偏移量，通常为1。
这些参数在EVI计算过程中起到了重要的作用。
增益因子G用于调整结果值的范围，通常设定为2.5，确保最终计算结果能够处于合理的范围内。
修正参数C1和C2用于进行修正，将EVI的数值调整到正确的范围内，避免了潜在的数值偏差。
光学蓝图的偏移量L则用于修正由于大气影响而造成的数据误差。
在实际的EVI计算过程中，这些参数的选择和调整是非常关键的。
合适的参数选择能够确保计算结果的准确性和稳定性。
而且，在不同的地区和时间段内，由于气候和植被状况的变化，这些参数的选择也可能需要进行调整。
在使用Landsat 8数据进行EVI计算时，首先需要获取到经过预处理的反射率数据。
然后根据上述公式和相应的参数进行计算，得到最终的EVI值。
这个过程虽然看似简单，但是其中的每一个参数都承载着重要的信息和调整项，影响着最终计算结果的准确性和可靠性。
利用Landsat 8遥感影像数据进行土地覆盖分类研究近年来，土地覆盖变化是全球环境变化的重要表征之一。
如何准确、高效地获取土地覆盖信息成为土地利用与管理领域亟需解决的问题。
而遥感技术可以有效地解决这一问题。
其中，Landsat 8遥感影像数据是一种重要的土地覆盖分类研究工具。
Landsat 8是美国国家航空航天局和美国地质勘探局在2013年联合发射的一颗卫星，它能够提供全球覆盖的高分辨率、多光谱、免费的遥感影像数据。
作为一种重要的土地覆盖分类研究工具，Landsat 8遥感影像数据具有以下几个优点：一、高空间分辨率。
Landsat 8卫星的成像仪器能够提供30米分辨率的遥感影像数据，可以有效地表现出土地面积单位内的细微特征。
二、多光谱数据。
Landsat 8遥感影像数据同时具有蓝、绿、红、近红外和两个短波红外波段，可以获得土地覆盖变化的丰富信息。
三、数据免费。
Landsat 8遥感影像数据是免费的，并且可供全球范围内的研究者获取和应用。
基于以上的优点，Landsat 8遥感影像数据成为了进行土地覆盖分类研究的有力工具。
接下来，我们将从研究方法和研究案例两个方面来展开讨论。
一、研究方法1、数据获取。
Landsat 8遥感影像数据可以从全球范围内的美国地质调查局（USGS）网站上获取。
研究者可以根据自己的研究需求，选择目标地区和时间段的影像数据进行下载。
2、数据预处理。
获取到的遥感影像数据需要进行预处理，包括大气、气溶胶校正以及辐射定标等步骤。
这些步骤可以消除遥感影像数据中的噪声和干扰，保证后续分类分析的准确性。
3、分类算法。
土地覆盖分类研究需要运用一些分类算法对遥感影像数据进行处理，提取出地物信息。
主要的分类算法包括最大似然分类、支持向量机（SVM）分类、逻辑回归分类等。
在选择分类算法时需要考虑实际研究需求、数据类型和特征等因素，以确定最为适宜的分类算法。
4、精度评价。
精度评价是衡量土地覆盖分类研究效果的一个重要指标。
一、landsat8介绍2013年2月11号，NASA成功发射了Landsat8卫星，为走过了四十年辉煌岁月的Landsat计划重新注入新鲜血液。
LandSat-8上携带有两个主要载荷：OLI和TIRS。
其中OLI（全称：OperationalLandImager，陆地成像仪）由卡罗拉多州的鲍尔航天技术公司研制；TIRS（全称：ThermalInfraredSensor，热红外传感器），由NASA的戈达德太空飞行中心研制。
设计使用寿命为至少5年。
二、技术指标及主要波段Landsat8卫星包含OLI（Operational Land Imager 陆地成像仪）和TIRS（Thermal Infrared Sensor 热红外传感器）两种传感器。
OLI包括了ETM+的所有波段，为了避免大气吸收部分特征，OLI对波段进行了重新调整，比较大的调整：OLI包括了ETM+传感器所有的波段，为了避免大气吸收特征，OLI对波段进行了重新调整，比较大的调整是OLI Band5(0.845–0.885 μm)，排除了0.825μm处水汽吸收特征；OLI全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；此外，还有两个新增的波段：蓝色波段(band 1; 0.433–0.453 μm) 主要应用海岸带观测，短波红外波段(band 9; 1.360–1.390 μm) 包括水汽强吸收特征可用于云检测；近红外band5和短波红外band9与MODIS对应的波段接近。
三、波段的不同组合Landsat TM （ETM+）7个波段可以组合很多RGB方案用于不同地物的解译，Landsat8的OLI陆地成像仪包括9个波段，可以组合更多的RGB方案。
OLI包括了ETM+传感器所有的波段，为了避免大气吸收特征，OLI对波段进行了重新调整，比较大的调整是OLI Band5(0.845–0.885 μm)，排除了0.825μm处水汽吸收特征；OLI全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；此外，还有两个新增的波段：蓝色波段(band 1; 0.433–0.453 μm) 主要应用海岸带观测，短波红外波段(band 9; 1.360–1.390 μm) 包括水汽强吸收特征可用于云检测；近红外band5和短波红外band9与MODIS对应的波段接近。
基于Landsat 8卫星遥感影像的城市扩张动态监测随着城市化的迅猛发展，城市的规模不断扩大，城市的交通、环境等问题也逐渐凸显，如何对城市的扩张进行有效的监测和管理成为了当今城市规划中的重要问题。
而基于Landsat 8卫星遥感影像的城市扩张动态监测，成为了对城市进行全面、精细化管理的重要手段。
一、Landsat 8卫星遥感影像概况Landsat 8卫星是美国航空航天局（NASA）和美国地质勘探局（USGS）于2013年发射的一颗遥感卫星，它搭载有两台卓越的遥感仪器，包括操作性陆地成像仪（OLI）和热红外成像仪（TIRS）。
操作性陆地成像仪是针对地球表面观测而设计的多光谱仪器，可以提供高分辨率、高动态范围、广泛的光谱信息，能够检测从紫外线到近红外线的光谱信号，同时具有狭窄波段、高空间分辨率的优势，可用于进行城市扩张动态监测。
二、城市扩张动态监测城市化进程中，城市的规模不断扩大，城市周围的土地逐渐被充分利用，进而引发对周围区域的侵蚀，这些进程的影响范围难以用单一数据描述，遥感技术成为了城市扩张动态监测的有效手段。
Landsat 8卫星遥感影像可提供城市的大范围、全面性信息以及高分辨率、光谱等动态监测信息，从而可为城市扩张动态监测提供数据来源和信息保障。
城市扩张动态监测的过程中，遥感技术可以包括地物分类和变化检测两个主要方面。
地物分类是指对城市及周边地区的卫星影像进行分析和解释，将影像中的像元分成不同的类别，以得到图像分类信息并确定地物的分布情况。
变化检测则是根据两个或多个不同时间的遥感影像，通过对行政区划变化、建筑物、公路、水体等特征变化的定量分析，得到城市扩张动态变化信息。
三、基于Landsat 8卫星遥感影像的城市扩张动态监测应用在城市扩张动态监测中，传统的遥感技术主要依靠高分辨率遥感影像指导及控制，Landsat 8卫星遥感影像的优势在于可提供连续的时间序列数据以及广阔的监测范围。
调查表明，基于Landsat 8卫星遥感影像的城市扩张动态监测技术可以适用于改善城市规划、街道规划和城市环境等方面，取得了比较显著的成果。
landsat8波谱提取Landsat 8是美国国家航空航天局（NASA）和美国地质调查局（USGS）联合开发和操作的一颗遥感卫星，于2013年2月11日发射升空。
作为Landsat卫星系列的最新一代，Landsat 8可以提供高质量的遥感影像数据，非常适合用于地表特征的监测和分析。
其中，波谱提取是利用Landsat 8数据进行遥感应用的重要工具之一。
波谱是指电磁波的频率和能量分布的图像，通过波谱分析可以获得物体的物理和化学特性。
Landsat 8的传感器具有多个波段，在不同波长范围内可以捕捉到地球表面的不同信息，从而实现对地表特征的准确识别和定量分析。
在Landsat 8中，主要包括了可见光、近红外和短波红外波段。
Landsat 8共有11个波段，其波长范围如下：-波段1（蓝色）：0.43-0.45微米-波段2（绿色）：0.53-0.59微米-波段3（红色）：0.64-0.68微米-波段4（近红外1）：0.85-0.88微米-波段5（近红外2）：1.57-1.65微米-波段6（短波红外）：10.60-11.19微米-波段7（短波红外）：2.11-2.29微米-波段8（短波红外）：0.50-0.68微米-波段9（短波红外）：1.36-1.38微米-波段10（短波红外）：1.55-1.75微米-波段11（短波红外热带气候指数）：1.93-2.35微米通过波谱提取，我们可以利用不同波段之间的反射率差异来推断地表上的不同物质或特征。
举例来说，植被在可见光（绿色）的反射率会相对较高，而裸地则相对较低。
因此，我们可以用绿光波段和红光波段之间的比值，来进行植被覆盖的估计。
此外，近红外波段对于植被生理状况的评估也非常重要。
在波谱提取中，最常用的方法之一是计算归一化差异植被指数（NDVI），以衡量植被的状况。
NDVI的计算公式如下：NDVI = (近红外波段反射率-红光波段反射率) / (近红外波段反射率+红光波段反射率)NDVI的取值范围在-1到+1之间，数值越高表示植被的状况越好。
landsat8合成年地表温度Landsat 8是一颗由美国国家航空航天局（NASA）和美国地质调查局（USGS）联合发射的卫星，它搭载了先进的传感器，能够提供高分辨率的遥感影像数据。
其中，通过Landsat 8卫星获取的地表温度数据在环境监测、气候研究、城市规划等领域具有广泛的应用。
地表温度是指地球表面的温度，它反映了地表物体对太阳辐射的吸收和散射能力。
利用Landsat 8卫星获取的地表温度数据，可以帮助我们深入了解地球表面的热分布情况，从而更好地了解地球气候变化、城市热岛效应等现象。
Landsat 8卫星携带的热红外传感器（TIRS）可以测量地表的辐射温度。
该传感器有两个波段，分别为10.8 - 11.3微米和11.5 - 12.5微米。
这两个波段对应的是地表的热辐射能力较强的区域，因此可以准确地测量地表温度。
利用Landsat 8卫星获取的地表温度数据，可以进行地表热分析。
通过对不同地区的地表温度进行比较，可以研究地表的热分布情况，进而分析热岛效应的影响。
热岛效应是指城市地区由于人类活动所导致的高温区域，它对城市的气候、生态环境等产生重要影响。
利用Landsat 8卫星获取的地表温度数据，可以帮助我们更好地了解城市热岛效应的形成机制，并为城市规划和生态环境改善提供科学依据。
地表温度数据还可以用于监测环境变化。
通过对时间序列的地表温度数据进行分析，可以研究气候变化、极端气候事件等现象。
利用Landsat 8卫星获取的地表温度数据，可以帮助我们更好地了解全球气候变化的趋势和规律，为环境保护和应对气候变化提供科学依据。
地表温度数据还可以用于农业生产。
不同作物对温度的适应能力不同，通过对地表温度数据的分析，可以了解不同地区的作物生长状况，进而进行合理的农业生产规划。
利用Landsat 8卫星获取的地表温度数据，可以帮助农民更好地掌握农作物的生长情况，提高农业生产效益。
利用Landsat 8卫星获取的地表温度数据，可以在环境监测、气候研究、城市规划和农业生产等领域发挥重要作用。
Landsat8数据不同波段组合的用途2013年2月11日发射的Landsat系列最新卫星Landsat8，携带有OLI陆地成像仪和TIRS热红外传感器，Landsat8的OLI陆地成像仪包括9个波段，OLI包括了ETM+传感器所有的波段，为了避免大气吸收特征，OLI对波段进行了重新调整，比较大的调整是OLI Band5(0.845–0.885 μm)，排除了0.825μm处水汽吸收特征；OLI 全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；此外，还有两个新增的波段：蓝色波段 (band 1;0.433–0.453 μm) 主要应用海岸带观测，短波红外波段(band 9;1.360–1.390 μm) 包括水汽强吸收特征可用于云检测；近红外band5和短波红外band9与MODIS对应的波段接近，TIRS包括2个单独的热红外波段。
下表是Landsat8中OLI和TIRS两个传感器波段说明：表： Landsat8数据波段参数标准的数字相机拍摄得到的图像是真彩色的，效果和人眼看到的一样，红、绿、篮三个波段分别用红、绿、篮三个通道显示，当传感器有更多的波段，我们就可以得到更多的信息，以Landsat8为例，某些特殊的光谱波段可以帮助我们看到一些特殊的地物特征，或者可以透过"现象看到本质"。
比如，近红外波段（NIR）是多光谱传感器常用的一个通道，因为在该通道，植被的反射率非常高，所以这个波段对于监测植被很有效；短波红外波段（SWIR）对监测裸土非常有效，它可以反应出裸土表面的湿度情况。
类似的例子还有很多。
下面以Landsat8数据为例，介绍多波段在不同的RGB组合下显示的效果及其应用。
（一）4,3,2,——真彩色合成，美国加利福尼亚州夫勒斯诺市用OLI数据，可以得到真彩色合成的图像，这种图像的缺点是易受到大气的影响，有时图像不够清晰。
（二）5,4,3——标准假彩色合成（CIR），用于植被相关的监测，美国科罗拉多在这种波段组合下，植被显示为红色，植被越健康红色越亮，而且还可以区分出植被的种类，这种波段组合方式非常常用，用来监测植被、农作物和湿地。
Landsat8
卫星数据及其应用介绍
1.简介
1.1数据简介
2013年2月11日，美国航空航天局(NASA)成功发射Landsat-8卫星。
Landsat-8卫星上携带两个传感器，分别是OLI陆地成像仪(Operational Land Imager)和TIRS热红外传感器(Thermal Infrared Sensor)。
Landsat-8在空间分辨率和光谱特性等方面与Landsat1-7保持了基本一致，卫星一共有11个波段，波段1-7，9-11的空间分辨率为30米，波段8为15米分辨率的全色波段，卫星每16天可以实现一次全球覆盖。
OLI陆地成像仪有9个波段，成像宽幅为185x185km。
与Landsat-7上的ETM传感器相比，OLI陆地成像仪做了以下调整：1.Band5的波段范围调整为0.845–0.885μm，排除了0.825μm处水汽吸收的影响;2.Band8全色波段范围较窄，从而可以更好区分植被和非植被区域;3.新增两个波段。
Band1蓝色波段(0.433–0.453μm)主要应用于海岸带观测，Band9短波红外波段(1.360–1.390μm)应用于云检测。
LandSat-8上携带的TIRS热红外传感器主要用于收集地球两个热区地带的热量流失，目标是了解所观测地带水分消耗。
1.2传感器参数
传感器波段波长范围/μm信噪比空间分辨率/m用途说明
1.3产品参数
产品类型Level1T地形矫正影像
分辨率1-7,9-OLI多光谱波段（30米）；8–OLI全色
波段（15米）；10,11-TIRS波段（30米）
输出格式GeoTIFF
取样方法三次卷积算法（Cubic Convolution Resampling）
地图投影UTM-WGS84投影坐标系
地形矫正L1数据产品已经经过系统辐射校正和几何校正
数据大小约1GB（解压后约2GB）
数据获取互联网下载，对于已经有数据实体的影像可以立即通过网上下载，对于未获得数据实体的影像，需要
提交数据预订后获取。
最快重返
周期>72小时
倾角98.2度
运行周期98.9分钟
轨道类型近极地太阳同步轨道
轨道高度705km
2.数据更新量
Landsat8每天至少可以获得400幅图像。
Landsat8覆盖中国区域大约需要9天的时间。
此前这个系列的卫星每天只能获得250幅图像。
这是因为该卫星可以监测区域有更大的灵活性，过去的陆地卫星在轨道上只能收集卫星直接下面航迹线两边一定宽度的地带，而Landsat8上的遥感器具有指向偏离航迹一个角度获取信息的能力，可以收集到本来要后面的轨道圈才处于卫星下面的地面信息。
这有助于及时获取需多时相(如灾害)对比研究的图像。
3.应用领域
数据的应用范围很广，包括诸如：研究全球变化、农业、林业、地质、资源管理、地理学、制图、水质、海岸研究
等领域。
3.1常见波段组合形式
自然色（Natural Color）432假彩色（False Color(urban))764红外彩色（Color Infrared(vegetation)）543农业（Agriculture）652大气渗透（Atmospheric Penetration）765健康植被（Healthy Vegetation）562陆地/水体（Land/Water）564大气去除（Natural With Atmospheric Removal）753短波红外（Shortwave Infrared）754植被分析（Vegetation Analysis）654
3.2Landsat8波段组合图示
432波段合成真彩色图像，接近地物真实色彩，图像平淡，色调灰暗
543波段合成标准假彩色图像，地物色彩鲜明，有利于植被(红色)分类，水体识别
564波段合成非标准假彩色图像，红外波段与红色波段合成，水体边界清晰，利于海岸识别;植被有较好显示，但不便于区分具体植被类别
765对大气层穿透能力较强，例如图像中红色方框内云的影响明显减少
652植被类型丰富，便于植被分类
654便于植被分析。
