Landsat-8在空间分辨率和光谱特性等方面与Landsat 1-7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 LandSat8 元数据英文说明

为了分析研究不同地表发射率反演算法的精度和适用性,文中选取西安市的遥感影像Landsat 8为基础数据,运用ENVI,ArcGIS等软件,首先对Landsat 8数据进行预处理,提取西安市的NDVI影像;然后,建立决策树模型得到西安市地表分类影像,并基于像元二分模型反演得到植被覆盖度,基于NDVI得到4种不同算法的地表发射率;最后,以精度0. 01的MODIS LSE产品为标准数据,从像元尺度上对比分析了4种算法的精度,并依据回归决策树方法的分类结果,对比分析了不同算法在各类地表覆盖类型上的发射

以Landsat8 OLI卫星遥感影像为数据源，以大伙房水库为研究区，采用Brovery融合法、NNDiffuse Pan Sharpening融合法和Gram-Schmidt融合法对比研究了多光谱和全色数据的融合问题。经过定性和定量分析发现，Gram-Schmidt融合法和NN融合法拥有更丰富的光谱信息，且光谱保真度最优的是Gram-Schmidt融合法。针对Gram-Schmidt融合法，选取了水体边界线处的影像像元进行光谱分析，研究结果发现，融合后的水体边界线呈现得更为清晰，有助于细化水体

RGB彩色图像中云没有明显的颜色分布与纹理模式,导致云检测易产生误检且细节丢失严重。针对这一问题,提出一种改进的M型卷积网络(RM-Net)模型,实现端到端的像素级语义分割。对原始数据集进行增强,并标注对应的像素级标签。利用空洞空间金字塔池化,在不丢失信息的前提下提取图像多尺度特征,并结合残差单元使网络不易出现退化。利用编码器模块与左路径提取图像全局上下文信息,利用解码器模块与右路径恢复图像空间分辨率,根据融合后的特征判别每个像元的类别概率,将其输入分类器进行像素级的云和非云分割。对Landsa