遥感数据基础：遥感影像的获取方式、常见传感器与数据格式

遥感数据是遥感科学与技术应用的“原材料”，其获取方式、传感器类型、数据级别与存储格式直接决定了后续可视化分析的方法选择和效果上限。对于制作专题图而言，理解数据从“卫星传感器”到“硬盘上的文件”这一完整链路，是避免“数据用错、投影错乱、数值失真”等常见问题的前提。本章将系统梳理遥感影像的获取渠道、三大主流中分辨率传感器（Landsat、Sentinel、MODIS）的核心参数差异、数据级别体系（L0/L1/L2）以及GeoTIFF与HDF等关键格式的适用场景，帮助学习者建立一套“拿到数据先判断、再处理、后出图”的专业工作流。

2.1 遥感影像的获取方式与平台选择

遥感影像的获取本质上是“传感器搭载在平台上，对地物目标进行非接触式探测并记录电磁波信息”的过程。根据平台高度和运行方式的不同，获取方式可分为三大类：卫星遥感、航空遥感和近地遥感。在专题图制作中，卫星遥感是最主要的数据来源，其优势在于覆盖范围大、重访周期固定、数据免费开放（如Landsat和Sentinel系列）。航空遥感（尤其是无人机）则适合小范围、高时效、高空间分辨率的应用场景，例如灾后评估或精准农业地块级监测。近地遥感（如地面光谱仪）多用于地面验证和定标，不直接用于大范围专题图。

选择获取方式时，需要权衡四个核心指标：空间分辨率（像元大小）、时间分辨率（重访周期）、光谱分辨率（波段数量和宽度）以及辐射分辨率（量化位数）。例如，制作城市绿地分布图，Sentinel-2的10米分辨率通常优于Landsat的30米；而监测大范围植被物候变化，MODIS的每日重访能力则更具优势。此外，还需考虑云覆盖、数据获取成本和处理复杂度。对于初学者，建议优先从USGS EarthExplorer、ESA Copernicus Open Access Hub、NASA Earthdata等官方平台下载Landsat和Sentinel数据，这些平台提供可视化检索和批量下载功能，且数据质量有保障。

2.2 三大主流中分辨率传感器：Landsat、Sentinel、MODIS

Landsat、Sentinel和MODIS是当前免费开放、应用最广泛的中分辨率光学/热红外传感器。三者在设计定位、波段设置、时空分辨率上各有侧重，理解其差异是选择数据的基础。

Landsat系列（美国NASA/USGS）：自1972年起持续观测，目前常用Landsat 8（OLI/TIRS）和Landsat 9（OLI-2/TIRS-2）。Landsat 8/9的多光谱波段空间分辨率为30米（全色波段15米），热红外波段100米（重采样为30米发布），重访周期16天（两颗卫星联合为8天）。其优势在于长达50年的连续历史存档，非常适合长时序变化检测（如城市扩张、森林砍伐）。波段设置上，OLI传感器新增了深蓝波段（海岸带/气溶胶）和卷云波段，对水体遥感和云检测有特殊价值。

Sentinel-2系列（欧洲ESA）：搭载MSI多光谱成像仪，包含13个波段，空间分辨率分为10米（可见光/近红外）、20米（红边/短波红外）和60米（大气校正波段）。重访周期在赤道处为5天（双星），中纬度地区可达2-3天。Sentinel-2的红边波段（705nm、740nm、783nm）对植被健康监测和叶绿素含量反演非常敏感，是Landsat所不具备的。其10米分辨率在农业精细制图、城市绿地评估中优势明显。

MODIS（美国NASA）：搭载于Terra和Aqua卫星上，是宽视场、多波段被动成像光谱辐射计。MODIS有36个波段，空间分辨率分为250米（波段1-2）、500米（波段3-7）和1000米（其余波段），每日重访（双星组合）。MODIS的优势在于极高的时间分辨率，适合大范围、高频次的动态监测（如全球植被指数、火点监测、海表温度）。但其250米-1公里的空间分辨率限制了其在精细尺度专题图中的应用。

2.3 数据级别体系：从L0到L2

遥感数据级别是描述数据“处理程度”的标准体系。不同机构对级别的定义略有差异，但总体遵循从原始信号到地表产品的递进逻辑。理解数据级别，直接关系到你是否需要做辐射定标、大气校正等预处理步骤。

L0级（原始数据）：是卫星下行链路接收的原始压缩数据，包含未处理的探测器响应值、辅助工程参数和轨道信息。L0数据不能直接用于可视化，需要经过解压、格式化、质量校验等步骤。一般用户很少接触L0数据。

L1级（辐射定标与几何粗校正）：L1数据已完成辐射定标（将DN值转换为传感器处的辐射亮度值或反射率），并进行了系统几何校正（利用卫星轨道和姿态参数消除系统性畸变）。Landsat的L1TP产品、Sentinel-2的L1C产品均属于此级别。L1数据是大多数专题图制作的起点，但L1数据尚未进行大气校正，地物反射率受大气散射和吸收影响，直接用于多时相对比会产生误差。

L2级（地表反射率/地表温度）：L2数据在L1基础上进行了大气校正，将传感器处辐射亮度转换为地表真实反射率（或地表温度）。例如，Landsat Collection 2的L2SP产品、Sentinel-2的L2A产品。L2数据是制作定量专题图（如NDVI、叶面积指数、地表温度反演）的首选，因为消除了大气路径辐射和吸收的影响，不同时相、不同传感器的数据具有可比性。

此外，还有更高级别的L3/L4产品（如MODIS的植被指数产品MOD13Q1），这些是经过时间合成和进一步反演的科学数据集，适合直接用于特定应用，但灵活性较低。

2.4 数据存储格式：GeoTIFF与HDF的对比与选择

遥感影像的存储格式不仅影响文件大小和读写速度，还决定了元数据（投影、地理坐标、波段信息）的保存方式。目前最常用的两种格式是GeoTIFF和HDF。

GeoTIFF：是基于TIFF格式扩展的地理空间数据格式，将地理参考信息（坐标系、仿射变换参数、投影信息）嵌入TIFF文件中。GeoTIFF支持单波段和多波段存储，兼容几乎所有GIS和遥感软件（QGIS、ArcGIS、ENVI、GDAL），是专题图制作中最通用的格式。其优点是结构简单、读写快速、易于进行波段运算和裁剪。缺点是单个文件大小有限制（通常不超过4GB，但使用BigTIFF扩展可突破），且不适合存储复杂的多维科学数据集。

HDF（Hierarchical Data Format）：是一种面向科学数据的高效存储格式，目前常用HDF4和HDF5。MODIS的L1/L2/L3产品均采用HDF格式。HDF支持多维数组、复杂数据结构和丰富的元数据，可以在一个文件中存储多个科学数据集（SDS）以及属性信息。例如，一个MODIS HDF文件可能同时包含250米和500米分辨率的数据集、质量评估图层、比例因子和填充值说明。HDF的优势在于数据组织灵活、自描述性强，适合存储大型科学数据。缺点是文件结构复杂，直接读取需要专门的库（如HDFView、h5py），且部分GIS软件对HDF的支持不如GeoTIFF友好。

在实际工作中，通常需要将HDF格式的MODIS数据转换为GeoTIFF格式，以便在GIS软件中进行专题图制作和波段运算。转换工具包括：NASA的HEG（HDF-EOS To GeoTIFF Converter）、GDAL命令行工具（gdal_translate）、以及Python的rasterio库。

# 使用GDAL将MODIS HDF文件中的250米反射率波段转换为GeoTIFF
# 假设文件名为 MOD09GQ.A2024001.h25v05.006.2024002033517.hdf
# 其中波段1（红）和波段2（近红外）为250米分辨率

gdal_translate -of GTiff \
  HDF4_EOS:EOS_GRID:"MOD09GQ.A2024001.h25v05.006.2024002033517.hdf":MODIS_Grid_250m_2D:sur_refl_b01 \
  modis_red_250m.tif

gdal_translate -of GTiff \
  HDF4_EOS:EOS_GRID:"MOD09GQ.A2024001.h25v05.006.2024002033517.hdf":MODIS_Grid_250m_2D:sur_refl_b02 \
  modis_nir_250m.tif

除了GeoTIFF和HDF，还有NetCDF（常用于气候数据）、JPEG2000（支持有损压缩）、云优化GeoTIFF（COG，支持HTTP范围请求，适合云端流式读取）等格式。对于专题图制作，建议优先使用GeoTIFF（或COG）作为工作格式，HDF作为原始存档格式。

2.5 常见误区与总结复盘

在遥感数据基础环节，学习者常犯的错误集中在以下几个方面，需要特别警惕：

• 误区一：混淆“辐射分辨率”与“空间分辨率”。辐射分辨率指传感器量化位数（如16位），决定灰度级数；空间分辨率指像元大小。两者独立，但共同影响图像质量。
• 误区二：忽视投影坐标系的一致性。不同来源的数据可能采用不同的投影（如WGS84地理坐标 vs UTM投影坐标），直接叠加会导致错位。务必在制作专题图前将所有数据统一到同一坐标系。
• 误区三：直接使用L1数据做定量分析。如前所述，大气校正是定量反演的前提，跳过此步骤会引入系统性误差。
• 误区四：忽略HDF文件中的比例因子和填充值。MODIS等HDF产品通常将反射率存储为整数（如乘以10000），并设置填充值（如-28672）。不读取Scale Factor和Fill Value属性，直接计算NDVI会得到完全错误的结果。
• 误区五：认为“分辨率越高越好”。高分辨率数据文件大、处理慢，且对于大范围监测可能造成数据冗余。应根据应用目标选择合适分辨率。

总结复盘：本章的核心知识链路为“获取方式→传感器→数据级别→存储格式→预处理”。在实际项目中，建议建立一份“数据清单”文档，记录每景影像的传感器、获取时间、级别、投影、云量、波段数等信息，便于后续处理和质量追溯。同时，掌握GDAL、rasterio等工具的基本用法，能够大幅提升批量处理HDF和GeoTIFF文件的效率。下一阶段的学习将聚焦于遥感影像的预处理流程，包括几何精校正、大气校正和影像融合，这些步骤将直接决定专题图的空间精度和光谱真实性。