Sentinel-2数据下载及预处理

本文介绍了如何下载欧空局的Sentinel-2卫星数据,包括从Sobloo网站获取L1C级数据,并使用SNAP软件进行预处理。详细步骤涉及使用SNAP打开数据、生成RGB真彩色影像、转换为ENVI格式,为后续的波段融合和裁剪做准备。此外,还提供了下载Sentinel处理软件SNAP和Sen2cor的链接。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Sentinel-2数据下载及预处理
Sentinel-2简介:
欧空局(ESA)仅发布了哨兵2号(S2)的L1C级多光谱数据(MSI),L1C级数据是经过几何精校正的正射影像,并没有进行辐射定标和大气校正。同时,ESA还对S2 L2A级数据进行了定义,L2A级数据主要包含经过辐射定标和大气校正的大气底层反射率数据(Bottom-of-Atmosphere corrected reflectance),但这个L2A数据需要用户根据需求自行生产,为此,ESA发布了专门生产L2A级数据的插件Sen2cor。
在这里插入图片描述
S2A光谱信息

1、哨兵数据下载网站
Eesa:https://scihub.copernicus.eu/

欧空局:https://sentinel.esa.int/web/sentinel/sentinel-data-access

Sobloo:https://sobloo.eu/wui/?filter=%7B%7D&extend=118.43902345011804,35.250003931701315,123.7172209948252,37.07533421095984

我使用的是sobloo,这个网站下载的哨兵数据较全,但是注册很严格,只有30天试用期

2、哨兵处理软件下载
哨兵无法直接用ENVI5.3.1打开,据说ENVI5.4以上版本可以打开,5.4.1以上版本可以进行处理,但是以上版本都没有破解,所以只好通过欧空局提供的软件包先进行哨兵的预处理,然后再使用ENVI或其他遥感软件应用。

下载SNAP软件:
http://step.esa.int/main/download/

下载Sen2cor软件:
http://step.esa.int/main/third
在这里插入图片描述

哨兵数据打开:
打开SNAP:File-Import-Optical Sensors-Sentinel2-S2-MSIL1C
在这里插入图片描述

选择解压缩后的哨兵2数据中的MTD-MSIL1C.xml文件打开:
在这里插入图片描述

加载RGB真彩色影像:
在这里插入图片描述

转数据格式为ENVI
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

点击run,生成一个resampling文件
在这里插入图片描述

选中第二个数据导出ENVI格式
在这里插入图片描述

导出的数据是按波段存储
在这里插入图片描述

之后进行波段的融合,裁剪就很熟悉了

### 使用ENVI 5.6对Sentinel-2数据进行预处理的操作流程 #### 大气校正 在ENVI 5.6中,可以通过内置工具或外部插件完成Sentinel-2数据的大气校正。具体步骤如下: 1. **加载原始数据** 首先,在ENVI 5.6中加载经过初步解压的Sentinel-2 L1C级产品文件夹中的`.SAFE`格式影像[^3]。 2. **启动FLAASH模块** FLAASH是一种常用的大气辐射传输模型,适用于高光谱和多光谱遥感数据的大气校正。进入菜单 `Basic Tools -> Radiometric Correction -> Atmospheric Correction (FLAASH)` 启动该功能[^2]。 3. **设置参数** 在FLAASH对话框中输入必要的地理坐标信息(经纬度)、传感器高度、太阳天顶角和方位角等参数。这些参数通常可以从Sentinel-2数据文件(`MTD_MSIL1C.xml`)中提取[^4]。 4. **执行大气校正** 完成上述配置后运行计算过程,生成表面反射率图像作为后续分析的基础。 #### 波段组合 为了便于可视化或者进一步分类识别等工作需求,可能还需要创建特定RGB合成图或其他指数映射结果。 1. **选择波段** 打开已校准好的各波段单独存储成果,依据实际应用场景挑选合适的三个波段用于构建假彩色显示效果,比如近红外(NIR)-红(Red)-绿(Green)[^1]。 2. **定义输出顺序** 将选定的三组数值按照指定次序排列好之后保存新形成的单个多层GeoTIFF文档形式提交给其他GIS平台继续深入挖掘价值所在。 ```python import envi # 加载大气校正后的数据 data = envi.open('path_to_atmospherically_corrected_data.hdr') # 提取所需波段索引 nir_band_index = data.metadata['wavelength'].index(800) # 假设NIR中心波长约为800nm red_band_index = data.metadata['wavelength'].index(670) # 假设Red中心波长约为670nm green_band_index = data.metadata['wavelength'].index(550) # 假设Green中心波长约为550nm # 创建新的波段组合 rgb_image = np.dstack((data.read_band(nir_band_index), data.read_band(red_band_index), data.read_band(green_band_index))) ```
评论
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

全糖去冰_q

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