在我们知道遥感技术关键组成要素和应用场景之后，接下来想到的第一个问题就是目前太空中有哪些遥感卫星正帮人类监测了地球的变化，能提供哪些类型的遥感数据，这些数据具备哪些特征，是否符合当前场景的要求，本章就做一个简单介绍。欢迎大家一起讨论研究。
中国很早就开始筹备建设自有的遥感卫星，20世纪80年代至90年代，就发射了自主研制遥感卫星----“风云”系列，2010年后，中国的遥感技术进入了一个快速发展的新阶段，2013年，中国发射了“高分一号”卫星，这标志着中国遥感技术进入了亚米级高分辨率时代。
随后，中国陆续发射了“高分二号”至“高分七号”等多颗高分辨率遥感卫星，形成了较为完善的对地观测体系。
随着高分辨率的遥感卫星发射，一个更精准、更高效的“国家农情遥感监测系统”完成全面升级，国家农情遥感监测系统以定量遥感对地观测技术为基本手段，以我国主要农作物为监测对象，以农业管理部门对农情信息的需求为驱动，解决了主要农作物面积、长势、墒情和产量遥感监测业务运行中的关键技术问题，实现了省级及全国主要农作物实时遥感动态监测。截止到2018年，中国农情遥感监测已经为147个国家和地区提供服务。“十四五”也启动了国家重点研发计划“农情信息空天地高精度高时效智能监测系统研发与应用”项目，这些高科技的技术肯定能普惠到更多的地球村名。除了中国的高分遥感卫星系统，还有哪些国家提供了遥感卫星服务，让我们一起来了解下。
遥感卫星
Landsat系列
Landsat计划由NASA于1972年启动，旨在提供长期、连续的全球地球观测数据。Landsat 1号卫星最早发射，标志着人类进入了高分辨率地球遥感的新纪元。到目前为止，Landsat已发射了9颗卫星，其中Landsat 8和Landsat 9是最新的在轨运行卫星。Landsat系列的主要目标包括土地覆盖变化、森林健康、湿地监测和作物生长等。
数据特点：
- 光谱分辨率：包括可见光、近红外、短波红外和热红外波段，适合监测植被、土地利用变化等。
- 空间分辨率：一般为30米（部分波段更高），覆盖大面积地表特征。
- 重访周期：16天，适合长期监测。
- 数据平台：USGS Earth Explorer (https://earthexplorer.usgs.gov/) 或者 Google Earth Engine。
Sentinel系列
Sentinel卫星由欧洲航天局发射，是欧盟哥白尼计划的重要组成部分。哥白尼计划是目前全球最大的地球观测计划，旨在提供可持续的地球观测服务。Sentinel系列中，Sentinel-2专门设计用于陆地观测，提供了极高分辨率的多光谱影像。Sentinel-1和Sentinel-3也提供相关的遥感数据。
Sentinel-2数据特点：
- 光谱分辨率：13个波段，包括可见光、红边和短波红外波段，特别适合植被监测和农业应用。
- 空间分辨率：最高可达10米，适用于更精细的作物监测。
- 重访周期：5天，覆盖频率较高。
- 数据平台：Copernicus Open Access Hub (https://scihub.copernicus.eu/) 或者 Google Earth Engine。
高分系列
“高分”系列是中国的高分辨率对地观测卫星系统，是“国家高分辨率对地观测系统重大专项”下的关键组成部分。该系列卫星自2013年发射以来，已部署多颗卫星，如高分一号至高分九号，主要用于高分辨率图像的获取。
- 高分1号（Gaofen-1）：分辨率为2米的全色影像和8米的多光谱影像，主要应用于农业、森林监测和灾害评估。
- 高分6号（Gaofen-6）：具有较高的多光谱成像能力，分辨率与高分1号类似，专注于农业、环境监测。
- 高分9号（Gaofen-9）：亚米级光学遥感卫星，分辨率高于1米，主要用于国土资源调查、城市规划、土地使用等。
与Landsat和Sentinel的对比，高分系统卫星具备如下优势：
- 高分辨率：相比Landsat（30米分辨率）和Sentinel-2（10米分辨率），中国的高分系列卫星具备更高的空间分辨率（例如高分9号分辨率可低至1米以下），能够提供更精细的地表细节。这对于小规模作物监控以及城市规划非常有利。
- 多光谱和立体成像：例如资源三号卫星具备多光谱和立体成像能力，可以获取3D地形数据，这是Landsat和Sentinel系列所不具备的。
- 灾害与环境监测：环境与灾害监测小卫星星座（HJ-1）专门为环境和农业监测设计，具有全天候和大范围监测能力，适合大规模作物健康监测与灾害评估。
从遥感数据维度，Landsat和Sentinel系列的数据是全球公开，任何人都可以免费下载并使用。高分系统数据获取需要经过授权，流程相对复杂一些。
光谱波段
遥感卫星通过发射或接受不同的光谱波段，来感知地球地表的情况。
参考Landsat系统具有11个波段，每个波段覆盖不同的电磁波谱范围，用于监测地球表面的不同特征。不同波段电磁波简单应用场景介绍如下：
对于人类而言，红、绿、蓝波段（B2、B3、B4）是可见光范围内的光谱波段，这些波段代表人眼可以看到的颜色，分别用于显示蓝色、绿色和红色的物体反射。它们广泛用于创建自然色影像，帮助用户可视化地表的自然景观。
近红外（B5）波段超出人眼可见的范围，但它对植被监控至关重要，尤其是健康植被的反射率在近红外波段很高。
短波红外（B6、B7）则是可见光和热红外之间的波段，主要用于水分监测和矿物识别。
作物长势分析的波段组合
用于检测植被健康度的最佳方式并非直接使用可见光的红、绿、蓝（RGB）波段，而是通过将近红外波段（NIR）与红光波段组合来计算植被指数，如归一化植被指数（NDVI）。但如果需要使用红、绿、蓝光谱波段来制作影像并对植被健康进行可视化，设置假彩色（False Color Composite）往往能够提供更清晰的植被信息。
- 假彩色组合（False Color Composite）
为了更直观地展示植被健康度，常用的设置是使用假彩色组合。这意味着将近红外波段替换为红色通道，将红光波段替换为绿色通道，将绿光波段替换为蓝色通道。具体设置如下：
- R（红色通道）：近红外波段（B5）
- G（绿色通道）：红光波段（B4）
- B（蓝色通道）：绿光波段（B3）
这种组合方式可以突出植被的健康状况，健康植被在图像中会显示为红色，因为它强烈反射近红外光，而不健康或稀疏植被反射的红外光较少，因此显示为暗红色或褐色。这种假彩色组合可以让人眼非常清楚地区分出健康植被和非健康植被。
- 使用RGB波段组合的限制
虽然红、绿、蓝（B4、B3、B2）波段组合可以生成类似自然色的影像，但它们对于植被健康度的检测能力有限，因为健康植被在近红外波段的反射率远高于可见光波段，而这种反射信息对植被的分析极为重要。因此：
- 自然色组合（R：B4, G：B3, B：B2）：主要用于可视化地表情况，帮助我们查看植被覆盖区域，但无法准确反映植被的健康度。
- 近红外和红光组合（假彩色组合）：更适合检测植被健康，通过区分近红外和红光反射率，可以直观地反映植被状况。