Sentinel数据处理-基于snap软件

1.sentinel卫星数据介绍

1.1 sentinel1

哨兵一号（Sentinel-1）是由两颗极轨卫星组成的，通过C波段合成孔径雷达成像仪，不受天气影响情况下获取图像。它是欧空局为哥白尼计划开发的五个任务中的第一个卫星计划。

1.2 sentinel2

参考：https://blog.csdn.net/qq_31988139/article/details/121542402
哨兵二号（Sentinel-2）也是由两颗极轨卫星组成的星座，两颗卫星在同一太阳同步轨道上，主要任务是监控陆地地表变化。幅宽是290km²，两颗卫星在无云条件下重访中纬度地区需要2~3天时间。

两颗卫星Sentinel-2A和Sentinel-2B在相同视角条件下，每5天重访陆地地表的大部分区域。由于相邻轨道的不同条带会重叠，重访部分区域的周期在不同视角条件下会不相同，但最多不超过10天。

Sentinel 2是高分辨率多光谱成像卫星，搭载多光谱成像仪（MSI），由“双胞胎” Sentinel 2A 和Sentinel 2B 两颗卫星组成，它们的轨道彼此相差180º，覆盖13个工作波段，放置在地球的两端。图像采集时间分辨率是每颗卫星10 天，两颗就是5天。

sentinel2数据官网说明书：https://sentinel.esa.int/documents/247904/685211/Sentinel-2_User_Handbook
与其他卫星对比：见说明书

sentinel2波段信息：

sentinel2数据常见产品：

（1）Level-1C：是经过正射校正和几何精校正的大气表观反射率产品，并没有进行大气校正。

（2）Level-2A：主要包含经过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。

• sen2cor工具：可以将L1C数据进行辐射校正和大气校正。具体处理步骤：https://github.com/lvhengani/sentinel2_data_download
  sen2cor下载：http://step.esa.int/main/snap-supported-plugins/sen2cor/

安装sen2cor插件：
1）sen2cor解压，复制到C:\Users\目录下；
2）快捷方式win+R，输入cmd，打开代码编辑器，输入：cd C:\Users\文件名
3）输入：L2A_Process.bat –help

表示可以使用。
4）使用插件进行大气校正：https://zhuanlan.zhihu.com/p/399484626

1.3 sentinel3

哨兵三号（Sentinel-3）是有欧空局和欧洲气象组织联合运营，提供可操作的海洋和陆地观测服务，主要目标是以高精度和可靠性测量海面地形、海陆表面温度和海陆表面颜色，以支持海洋预报系统、环境监测和气候监测。在哨兵三号卫星上通过海洋和陆地彩色仪器（OLCI）、海洋和陆地表面温度辐射计（SLSTR）、合成孔径雷达高度计（SRAL）、微波辐射计（MWR）和精密定轨（POD）仪器获得图像。

2.sentinel卫星数据预处理

https://zhuanlan.zhihu.com/p/399484626

2.1 snap软件下载

下载链接：
http://step.esa.int/main/download/snap-download/
根据自己电脑进行选择：

snap软件下载参考：https://blog.csdn.net/lidahuilidahui/article/details/99679554?utm_source=app&app_version=5.0.1&code=app_1562916241&uLinkId=usr1mkqgl919blen

2.2 sentinel2 数据下载

（1）USGS下载：https://earthexplorer.usgs.gov/
1）打开网站，登陆账号；如何注册账号
2）设置日期、感兴趣区、云量等条件；
3）选择数据类型sentinel2；

4）下载。

（2）欧空局官网下载：https://scihub.copernicus.eu/dhus/#/home
下载教程：https://www.cnblogs.com/icydengyw/p/12404296.html

（3）利用GEE批量下载
https://blog.csdn.net/suntongxue100/article/details/113374742
1）导入兴趣区

var district = ee.FeatureCollection("users/Data/Serbug");

/*var dsize = district.size();
print(dsize);*/

var district_geometry = district.geometry();

Map.centerObject(district_geometry,7);
Map.addLayer(district);

2）查询sentinel2数据

function maskS2clouds(image) {
  var qa = image.select('QA60');

  // Bits 10 and 11 are clouds and cirrus, respectively.
  var cloudBitMask = 1 << 10;
  var cirrusBitMask = 1 << 11;

  // Both flags should be set to zero, indicating clear conditions.
  var mask = qa.bitwiseAnd(cloudBitMask).eq(0)
      .and(qa.bitwiseAnd(cirrusBitMask).eq(0));

  return image.updateMask(mask).divide(10000);
}


// Map the function over one year of data.
// Load Sentinel-2 TOA reflectance data.
var dataset = ee.ImageCollection('COPERNICUS/S2')
                  .filterBounds(district_geometry)
                  .filterDate('2017-01-01', '2021-01-01')
                  // Pre-filter to get less cloudy granules.
                  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20))
                  .map(maskS2clouds);
                  
                

var rgbVis = {
  min: 0.0,
  max: 0.3,
  bands: ['B4', 'B3', 'B2'],
};


Map.addLayer(dataset.median(), rgbVis, 'RGB');

显示结果：

3）导出影像

//export data
var exportdataset =  ee.ImageCollection('COPERNICUS/S2')
                  .filterBounds(district_geometry)
                  .filterDate('2017-01-01', '2021-01-01')
                  // Pre-filter to get less cloudy granules.
                  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20))
                  .map(maskS2clouds)
                  .select(['B4', 'B3', 'B2']);
                  
  var mosaic = exportdataset.mosaic();
  
  Export.image.toDrive({
      image:mosaic,
      description:'S2_lakes',
      scale:10,
      maxPixels: 1e13,
      region:district_geometry,
      fileFormat: 'GeoTIFF',
      formatOptions: {
        cloudOptimized: true
      }
    });

代码来源：https://blog.csdn.net/suntongxue100/article/details/113374742

下载数据代码：https://blog.csdn.net/qq_35591253/article/details/114670025

3.sentinel卫星数据应用-surface water

https://blog.csdn.net/lidahuilidahui/article/details/103705414
（1）提取水体
利用水体指数NDWI提取水体，即 Normalized Difference Water Index,（归一化水指数)，计算方法如下：NDWI =(p(Green)-p(NIR))/(p(Green)+p(NIR))
即：NDWI = (band3 - band8) / (band3 + band8)

GEE中sentinel2数据：

sentinel2计算NDWI:var ndwi = s2_nocloud.map(s2_ndwi).select("NDWI").reduce(ee.Reducer.mean());
具体代码可参考：https://zhuanlan.zhihu.com/p/29706090

（2）水体指数


sentinel2波段空间分辨率：

图片来源：https://www.tandfonline.com/doi/pdf/10.1080/22797254.2017.1297540
各遥感卫星计算NDWI，所需波段：

取值说明:大于0.5的指标值通常对应于水体。植被通常对应的值要小得多，建成区对应的值在0到0.2之间。

（3）Github上相关的项目
利用L2A Sentinel 2数据产品提取水体：https://github.com/cordmaur/WaterDetect

参考资料：
利用Sen2cor对哨兵2号L1C级多光谱数据进行辐射定标和大气校正：https://blog.sciencenet.cn/home.php?mod=space&uid=3367669&do=blog&id=1085133