Sentinel-2上的多光谱仪器（MSI）和Landsat 8上的操作性陆地成像仪（OLI）的近天底观测是在两次同时进行的天底过桥（SNO）期间收集的。 采集了撒哈拉沙漠中空间均匀区域分辨率为10、20和30 m的多光谱图像，用于直接比较MSI和OLI大气顶层（TOA）反射率。 本文介绍了Sentinel-2 MSI和Landsat 8 OLI传感器的8个对应光谱带的初始辐射交叉校准。 以经过良好校准的Landsat 8 OLI作为参考，比较表明，在频谱带调整因子Bi的3％之内，6个MSI谱带与OLI一致。 近红外（NIR）和卷云波段是例外。 它们产生的辐射差异分别约为8％和15％。 交叉校准结果表明，除了卷云带以外，这7个相应谱带的放射线差异与OLI一致，误差在1％或更高。 MSI和OLI对不同土地覆盖的观测结果之间的逐像素匹配表明。 这项初步研究表明，在进行植被监测时，MSI的红边带B8A可用来代替NIR带B08。

需要监测和了解红树林生态系统及其周围环境的变化，以确定红树林生态系统在受到人为和自然驱动因素影响的情况下如何不断变化。 高空间分辨率（30 m）卫星和高性能计算设备的一致性是该过程的限制因素，需要存储和分析。 借此，我们介绍了基于Google Earth Engine（GEE）的方法，用于对红树林及其周围环境进行长期测绘。 在这项研究中，我们使用了基于GEE的方法：1）从不同的Landsat卫星图像创建1987-2017年的无大气污染数据； 2）评估随机森林分类器和后分类变化检测方法。 确定的1987年和2017年的总体准确度分别为0.87和0.96，然后是Kappa系数0.80和0.94。 变化检测结果表明，农业面积显着减少，而红树林，虾/养鱼场和荒地面积有所增加。 结果表明，土地利用和土地覆盖的相互转化正在影响研究区域内的景观动态。

对于产量和质量而言，水都是农业生产中的重要组成部分。 尽管所有天气条件都是农业部门的驱动因素，但雨养农业中的降水是最局限的天气参数。 在作物的整个生长期或任何特定生长期中，水分亏缺可能持续发生。 光学遥感非常有用，但是在阴天时，它将变得毫无用处。 雷达穿透云层并通过反向散射数据收集信息。 从Landsat 8卫星数据中提取归一化植被指数（NDVI），并用于计算作物系数（Kc）。 FAO-Penman-Monteith方程用于计算参考蒸散量（ETo）。 NDVI和陆地表面温度（LST）是根据卫星数据计算得出的，并与气温测量值相结合，以估算作物水分胁迫指数（CWSI）。 然后，使用CWSI和潜在的作物蒸散量（ETc）来计算实际的蒸散量（ETa）。 使用SNAP软件校准了Sentinel-1雷达数据。 反向散射（dB）与CWSI之间的关系呈反比关系，R2高达0.82。

陆地移动卫星通信系统，系统模型，MATLAB代码实现 The Land Mobile Satellite Channel