哨兵2介绍

哨兵2卫星更新解析

1、哨兵2产品介绍

哨兵2共两颗卫星:2A和2B
发射时间: 2A:2015年6月23日
2B:2017年3月7日
周期: 单星10天。两组卫星同时运行,周期为5天
产品级别:
Level-0: 原始数据。
Level-1A:包含元信息的几何粗校正产品。
Level-1B:辐射率产品,嵌入经GCP优化的几何模型但未进行相应的几何校正。
Level-1C:经正射校正和亚像元级几何精校正后的大气表观反射率产品。L1C级多光谱数据(MSI),Sentinel-2 L1C是经过几何精校正的大气表观反射率产品,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。
Level-2A:对Level-1C进行辐射定标和大气校正后的产品,提供地表的真实反射率。

2、哨兵2波段变化

2017年的哨兵

可以看到,如下图,在17年,哨兵2的14个波段是全部存储在一个文件夹下的(原始文件解压后)。具体波段参数如下

在这里插入图片描述
在这里插入图片描述

2019年的哨兵

在19年,10,20,60三个分辨率分为三个文件夹存储
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

波段介绍如下
在这里插入图片描述

3、比较

1、可以看出,在之前的哨兵2中,不同分辨率的波段都在同一文件夹下存储
2、对于分辨率为10m的波段没有什么改变
3、2019年的哨兵2,分辨率20m和分辨率60m波段有所增加,但是是在原有的10m的分辨率基础之上增加的。

<think>好的,用户想了解哨兵2卫星的波段信息及用途。首先我需要回忆一下哨兵2的基本情况。哨兵2是欧空局哥白尼计划中的一部分,主要用于陆地监测,包括植被、土壤、水域等。它有两颗卫星,2A2B,在轨道上互补,提高重访频率。 接下来,关于波段,哨兵2有13个光谱波段,覆盖可见光到短波红外。这些波段的分辨率不同,从10米到60米不等。每个波段都有特定的应用,比如高分辨率的波段用于地表分类,红边波段监测植被健康,短波红外用于土壤水分雪盖识别。 我需要按照用户的要求,将行内公式用$...$表示,独立公式用$$...$$,比如提到反射率的时候可能需要用公式。例如,植被指数NDVI的计算公式是$(NIR - Red)/(NIR + Red)$,这里需要确保用正确的LaTeX格式。 用户还要求生成相关问题,我需要考虑用户可能的后续问题,比如不同波段的具体应用案例,或者哨兵2与其他卫星的比较。同时,注意引用标识,比如提到红边波段的应用时,可能需要添加引用来源。 另外,用户提到用途在遥感中的应用,需要分点说明,比如植被监测、土地利用、灾害管理等。确保每个用途对应相关的波段,并解释清楚其科学依据,例如为什么某个波段适合监测植被。 最后,检查是否符合中文回答,LaTeX语法正确,结构清晰,分点明确。确保没有使用任何Markdown格式,段落之间用换行分隔。然后生成相关问题,如波段组合使用、与其他卫星数据的比较、数据获取处理方法等。</think>哨兵2号卫星(Sentinel-2)是欧洲航天局哥白尼计划的重要组成部分,搭载多光谱成像仪(MSI),提供13个光谱波段数据,覆盖可见光到短波红外范围。其波段设计服务于陆地、水体及大气监测,分辨率从10米到60米不等。以下是主要波段信息及用途: ### 1. 可见光与近红外波段 - **B1(气溶胶监测,443 nm)** 60米分辨率,用于校正大气气溶胶影响,提升图像质量[^1],公式表示为: $$ I_{\text{corrected}} = I_{\text{raw}} \times \frac{1}{\tau_{\text{aerosol}}} $$ - **B2(蓝,490 nm)、B3(绿,560 nm)、B4(红,665 nm)** 10米分辨率,用于水体浑浊度分析、基础土地覆盖分类,例如红波段$B4$对叶绿素吸收敏感。 - **B8(近红外,842 nm)** 10米分辨率,植被监测核心波段,计算NDVI指数: $$\text{NDVI} = \frac{B8 - B4}{B8 + B4}$$ ### 2. 红边波段(植被关键区) - **B5(704 nm)、B6(740 nm)、B7(783 nm)** 20米分辨率,捕捉植被光合作用细微变化。例如$B5$可检测早期胁迫,公式为: $$\Delta \text{REIP} = \frac{B6 - B5}{B7 - B5}$$ ### 3. 短波红外波段 - **B11(1610 nm)、B122190 nm)** 20米分辨率,用于土壤湿度、矿物识别及雪盖监测。短波红外对水分吸收敏感,反射率$R_{\text{SWIR}}$与含水量负相关。 ### 应用场景 1. **农业监测**:通过红边波段追踪作物生长阶段[^2] 2. **灾害评估**:短波红外识别洪涝范围(例如$B11$区分水体与阴影) 3. **森林管理**:近红外与红波段组合检测森林退化 ```python # 示例:计算NDVI指数 import numpy as np def calculate_ndvi(red_band, nir_band): return (nir_band.astype(float) - red_band.astype(float)) / (nir_band + red_band + 1e-9) ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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
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