sentinel2波段特性

哨兵-2卫星携带一枚多光谱成像仪，可覆盖13个光谱波段，包括可见光和近红外到短波红外。它具有10米的空间分辨率和10天的重访周期。在光学数据中，哨兵-2A数据是唯一一个在红边范围含有三个波段的数据，这对监测植被健康信息非常有效。通过哨兵-2A和哨兵-2B组成双轨卫星，时间分辨率从10天降到了5天，大大提高了数据获取的效率。

相关问题

Sentinel-2影像的云概率波段

### 关于 Sentinel-2 影像中云概率波段的信息

Sentinel-2 卫星提供了多光谱图像，其数据集核心由多光谱成像仪(Multispectral Imager, MSI)获取，包括13个波段，覆盖从可见光到近红外范围的光谱[^2]。然而，对于云检测而言，专门设计用于识别云及其特性的波段并不属于这13个常规观测波段之一。

为了有效处理云层影响并提高遥感数据分析准确性，Sentinel-2 提供了一个额外的产品——SCL (Scene Classification Map)，该产品包含了多种分类信息，其中包括云的概率估计。具体来说：

- **场景分类图(SCL)**：这是一个辅助数据层，它利用多个输入参数来区分不同的地物类别，如植被、裸土、水面以及各种类型的云（薄云、厚云）。其中云掩码部分能够帮助用户识别哪些像素可能受到云的影响[^4]。

在实际应用过程中，当使用 Google Earth Engine 平台或其他工具时，可以通过访问 `COPERNICUS/S2_CLOUD_PROBABILITY` 集合获得更精确的云遮挡情况评估。此集合专门为每张 Sentinel-2 图像生成对应的云概率地图，使得开发者能够在后续分析前轻松移除受云干扰严重的区域[^1]。

// 加载 Sentinel-2 表面反射率影像集合
var s2 = ee.ImageCollection("COPERNICUS/S2_SR");

// 获取相应的云概率映射
var cloudProbability = ee.ImageCollection('COPERNICUS/S2_CLOUD_PROBABILITY');

sentinel2图像文件

### Sentinel-2 图像文件格式特性

Sentinel-2卫星提供多光谱成像数据，这些数据被封装在一个特定的文件结构中。每个产品通常由多个JPEG 2000 (JP2) 格式的图像文件组成，分别对应不同的波段[^2]。

#### 文件组织结构

每颗Sentinel-2卫星的产品按照统一的标准进行打包，形成一个目录树形结构。根目录下包含了若干子文件夹以及元数据文件：

- **GRANULE/**：此文件夹内含有L1C级别的各个颗粒(granule)，每一个颗粒代表一片地理区域。
- **AUX_DATA/**：辅助数据文件位置。
- **DATASTRIP/**：用于存储与整个数据条带有关的信息。
- **HTML/**：包含一些说明性的网页文档。
- **INSPIRE.xml, manifest.safe**：提供了产品的基本描述和其他重要信息。

#### 数据特征

Sentinel-2 Level-1C级产品具有如下特点：

- 提供了正射校正后的表面反射率值；
- 每个像素的空间分辨率为10米、20米或60米不等，具体取决于所使用的传感器通道；
- 时间分辨率大约为5天一次覆盖全球陆地区域；
- 覆盖范围广，单景影像可以达到约290公里宽幅扫描能力。

#### 常用处理方法

为了更好地利用Sentinel-2数据，在实际应用之前往往需要对其进行预处理操作，主要包括以下几个方面：

##### 创建重采样的金字塔文件

创建重采样的金字塔文件有助于加速大尺寸遥感图像的可视化过程。尽管这样做可能会占用更多的磁盘空间作为代价，但对于提高交互体验非常有帮助[^1]。

##### 使用专门工具进行重采样

存在专门为Sentinel-2设计的重采样工具，这类工具可以帮助用户更方便快捷地完成所需的任务，比如调整图像大小或者改变投影方式等。

##### 进行大气校正

采用专业的软件如ENVI来进行大气校正是十分必要的步骤之一。这一步骤旨在消除由于大气散射等因素造成的误差影响，使得最终得到的地表反射率更加接近实际情况[^3]。

import os
from sen2cor import L2A_Processor

processor = L2A_Processor()
input_dir = '/path/to/sentinel2/L1C_product'
output_dir = '/desired/output/path'

for root, dirs, files in os.walk(input_dir):
    for d in dirs:
        if 'SAFE' in d.upper():
            product_path = os.path.join(root, d)
            processor.run(product_path=product_path,
                          output_folder=output_dir)