Sentinel 2数据预处理

### Sentinel-2 L1C级别的数据能够更好地应用于各种分析场景，通常需要对其进行一系列预处理操作。这些操作不仅提高了数据的质量，还增强了其适用性和准确性[^1]。

#### 大气校正工具Sen2Cor的应用
Sen2Cor是一款由ESA开发的大气校正软件，专门针对Sentinel-2产品设计。通过该工具可以有效地去除大气效应的影响，从而获得更接近地面真实反射率的L2A级别图像。这一步骤对于提高后续定量分析的结果至关重要。

# 使用命令行运行Sen2Cor进行大气校正
L2A_Process.py --input_dir /path/to/L1C_data/ --output_dir /path/to/output/

#### 波段组合与重采样
完成大气校正之后，可以根据具体需求选择合适的波段并将其重新组合成新的RGB或其他类型的合成图；同时考虑到不同传感器之间的差异以及目标区域的空间特征，可能还需要执行重采样的过程来调整像素大小和投影方式等参数设置。

from osgeo import gdal, ogr, osr
import numpy as np

def resample_image(input_file, output_file, target_resolution):
    ds = gdal.Open(input_file)
    band = ds.GetRasterBand(1)

    geotransform = ds.GetGeoTransform()
    projection = ds.GetProjection()

    x_res = int(ds.RasterXSize * (geotransform[1]) / float(target_resolution))
    y_res = int(ds.RasterYSize * (-geotransform[5]) / float(target_resolution))

    dst_ds = gdal.GetDriverByName('GTiff').Create(output_file,
                                                  x_res,
                                                  y_res,
                                                  1,
                                                  gdal.GDT_Float32)
    
    dst_ds.SetGeoTransform((geotransform[0],
                            target_resolution,
                            geotransform[2],
                            geotransform[3],
                            geotransform[4],
                            -target_resolution))
    
    dst_ds.SetProjection(projection)
    data = band.ReadAsArray().astype(np.float32)
    scaled_data = zoom(data, (float(y_res)/ds.RasterYSize,float(x_res)/ds.RasterXSize), order=1).astype(gdal_array.numpy_to_c_type(band.DataType))
    dst_band = dst_ds.GetRasterBand(1)
    dst_band.WriteArray(scaled_data)
    del dst_ds
    
resample_image('/path/to/input.tif', '/path/to/resampled_output.tif', 10)  

#### 利用红边波段监测植被健康状况
由于Sentinel-2卫星携带了多个位于红边区域内的敏感通道，因此非常适合用来评估植物生长状态和发展趋势。通过对这三个特定频带的信息加以利用，研究人员可以获得更加精确可靠的叶绿素含量估计值以及其他生物物理参量测量结果[^2]。