Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Extracting Land Surface Albedo from Landsat 9 Data in GEE Platform to Support Climate Change Analysis

Tytuł:
Extracting Land Surface Albedo from Landsat 9 Data in GEE Platform to Support Climate Change Analysis
Autorzy:
Barletta, Carlo
Capolupo, Alessandra
Tarantino, Eufemia
Powiązania:
https://bibliotekanauki.pl/articles/27314275.pdf
Data publikacji:
2023
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
open satellite data
cloud computing
climate change
Copernicus Urban Atlas
environmental monitoring
sustainable development
urban areas
Źródło:
Geomatics and Environmental Engineering; 2023, 17, 6; 35--75
1898-1135
Język:
angielski
Prawa:
CC BY: Creative Commons Uznanie autorstwa 4.0
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
Land surface albedo is a relevant variable in many climatic, environmental, and hydrological studies; its monitoring allows researchers to identify changes on the Earth’s surface. The open satellite data that is provided by the USGS/NASA Landsat mission is quite suitable for estimating this parameter through the remote sensing technique. The purpose of this paper is to evaluate the potentialities of the new Landsat 9 data for retrieving Earth’s albedo by applying da Silva et al.’s algorithm (developed in 2016 for the Landsat 8 data) using the Google Earth Engine cloud platform and R software. Two urban areas in Southern Italy with similar geomorphologic and climatic characteristics were chosen as study sites. After obtaining thematic maps of the albedos here, a statistical analysis and comparison among the Landsat 8 and Landsat 9 results was performed considering the entire study areas and each land use/land cover class that is provided by the Copernicus Urban Atlas 2018. This approach was also applied to the data after being filtered through Tukey’s test (used to detect and remove outliers). The analysis showed a very good correlation between the Landsat 8 and Landsat 9 estimations (ρ > 0.94 for both sites), with some exceptions that were related to some mis-corresponding values. Furthermore, the Landsat 8 and Landsat 9 outliers were generally overlapping. In conclusion, da Silva et al.’s approach appears to also be reasonably applicable to the Landsat 9 data despite some radiometric differences.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies