哨兵2号数据介绍

1、数据介绍

  哨兵2号是高分辨率多光谱成像卫星,携带一枚多光谱成像仪(MSI),用于陆地监测,可提供植被、土壤和水覆盖、内陆水路及海岸区域等图像,还可用于紧急救援服务。分为2A和2B两颗卫星。

  第一颗卫星哨兵2号A于2015年6月23日01:52 UTC以“织女星”运载火箭发射升空。

  6月29日,在轨运行4天的哨兵-2A卫星,传回了第一景数据,幅宽290km,卫星第一次扫描的范围是从瑞典开始,经过中欧和地中海,到阿尔及利亚结束。

  第二颗卫星哨兵2号B于2017年3月07日北京时间9时49分 UTC以“织女星”运载火箭发射升空。

  欧洲航天局介绍说,“哨兵-2B”卫星与2015年6月发射的“哨兵-2A”卫星为同一组,携带高分辨率多光谱成像装置,主要用于监测土地环境,可提供有关陆地植被生长、土壤覆盖状况、内河和沿海区域环境等信息,不仅对改善农林业种植、预测粮食产量、保证粮食安全具有重要意义,还可用于监测洪水、火山喷发、山体滑坡等自然灾害,为人道主义救援提供帮助。两者同时进入运行状态后,每5天可完成一次对地球赤道地区的完整成像,而对于纬度较高的欧洲地区,这一周期仅需3天。

  哨兵-2号卫星携带一枚多光谱成像仪(MSI),高度为786km,可覆盖13个光谱波段,幅宽达290千米。地面分辨率分别为10m、20m和60m、一颗卫星的重访周期为10天,两颗互补,重访周期为5天。从可见光和近红外到短波红外,具有不同的空间分辨率,在光学数据中,哨兵-2号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。

2、应用领域

  哨兵-2卫星是多光谱高分辨率成像任务,用于陆地监测,可提供植被、土壤和水覆盖、内陆水路及海岸区域等图像,还可用于紧急救援服务。下面是一些效果图:

在这里插入图片描述     利用哨兵2号数据湖北省水稻和再生稻空间分布图

在这里插入图片描述          基西拉岛火灾

3.下载渠道

3.1、欧空局哥白尼数据中心

哥白尼数据中心网址

open hub > 进入先注册,用户名要求:Username field accepts only lowercase alphanumeric characters plus “.”, “-” and “_”.

然后按步骤就可以下载了。

3.2、美国USGS下的EarthExplorer数据下载网站

(数据不是很全,建议从哥白尼数据中心下载,但是也可以两者结合使用)

USGS下载网站

ps:需科学上网

利用USGS EarthExplorer 批量下载sentinel-2、landsat 8 Level1、2等影像

  由于上面都是免费渠道,下载速度不能保证。商业应用方面需要保证数据下载速度的(比如智慧农业方面),请加我的wx:explorer101

参考文献:

1.哨兵2号(Sentinel-2)介绍、下载和预处理、批处理

2.新研究:利用哨兵2号时序数据和物候方法提取中国中部再生稻种植面积

3.哨兵-2卫星在火灾监测方面的应用

### 使用ENVI处理哨兵2(Sentinel-2)卫星遥感数据 #### 数据准备与导入 为了有效处理来自哨兵2数据,在ENVI环境中需先完成数据的准备工作。具体操作是在标题栏选择“文件”选项,点击“打开为”,随后选择“光学传感器”。因为哨兵2号数据由欧洲空间局提供,所以应将鼠标定位到“European Space Agency”,从中挑选“Sentinel-2”。进入相应的数据文件夹后,选取以“S2B—”开头的目标文件夹作为此次实验所需读取的对象,并最终选定其中名为“MTD_MSIL1C.xml”的配置文件来启动数据加载过程[^4]。 #### 波段组合加载 一旦成功导入了哨兵2图像,下一步便是依据研究需求设定特定波段组合以便于后续分析工作。这一步骤对于充分利用哨兵2所提供的多光谱特性至关重要,有助于增强目标特征的表现力以及提高分类精度等应用效果。通过自定义RGB通道映射或其他复合方式可以实现不同视觉表达形式下的地物识别与区分。 #### 进行大气校正 考虑到原始获取的哨兵2影像不可避免地受到了大气条件的影响,因此有必要实施大气校正措施以消除此类干扰因素带来的误差。此环节旨在恢复真实的地面反射率信息,从而保障数据分析结果的真实性和可靠性。通常情况下,这一过程可以通过调用专门设计的大气辐射传输模型算法来达成目的,如FLAASH模块就是一种常见且有效的解决方案之一[^1]。 ```python import envi def perform_atmospheric_correction(input_image, output_path): """ Perform atmospheric correction on the input sentinel-2 image using FLAASH model. Args: input_image (str): Path to the raw sentinel-2 data file. output_path (str): Directory where corrected images will be saved. Returns: str: Full path of atmospherically corrected result. """ # Initialize ENVI session and load necessary modules env = envi.start() flaa_module = env.get_task('FLAASH') # Set parameters for FLAASH task params = { 'input_raster': input_image, 'output_radiance_file': f"{output_path}/radiance.img", 'output_reflectance_file': f"{output_path}/reflectance.img" } # Execute atmospheric correction process result = flaa_module.run(params) return result['output_reflectance_file'] ```
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

clever101

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值