Harmonized Sentinel-2 MSI: MultiSpectral Instrument, Level-1C (TOA)

COPERNICUS/S2_HARMONIZED
در دسترس بودن مجموعه داده
2015-06-27T00:00:00Z–2025-03-09T07:03:15Z
ارائه دهنده مجموعه داده
قطعه موتور زمین
ee.ImageCollection("COPERNICUS/S2_HARMONIZED")
بازبینی مجدد
5 روز
برچسب ها
کوپرنیک esa eu msi درخشندگی نگهبان

پس از 25-01-2022، در صحنه‌های Sentinel-2 با PROCESSING_BASELINE '04.00' یا بالاتر، محدوده DN (مقدار) آنها 1000 تغییر می‌کند. مجموعه HARMONIZED داده‌ها را در صحنه‌های جدیدتر به همان محدوده صحنه‌های قدیمی‌تر تغییر می‌دهد.

Sentinel-2 یک ماموریت تصویربرداری چند طیفی با وضوح بالا و پهن است که از مطالعات نظارت بر زمین کوپرنیک، از جمله نظارت بر پوشش گیاهی، خاک و پوشش آب، و همچنین مشاهده آبراه های داخلی و مناطق ساحلی پشتیبانی می کند.

داده‌های Sentinel-2 حاوی 13 باند طیفی UINT16 هستند که بازتاب TOA را با 10000 نشان می‌دهند. برای جزئیات به کتاب راهنمای کاربر Sentinel-2 مراجعه کنید. QA60 یک باند بیت ماسک است که تا فوریه 2022 حاوی چند ضلعی های ماسک ابری شطرنجی شده بود، زمانی که تولید این چند ضلعی ها متوقف شد. از فوریه 2024، باندهای QA60 سازگار قدیمی از باندهای طبقه بندی ابری MSK_CLASSI ساخته می شوند. برای جزئیات بیشتر، توضیح کامل نحوه محاسبه ماسک های ابری را ببینید. .

هر محصول Sentinel-2 (بایگانی فشرده) ممکن است حاوی چندین گرانول باشد. هر گرانول به یک دارایی جداگانه Earth Engine تبدیل می شود. شناسه‌های دارایی EE برای دارایی‌های Sentinel-2 دارای قالب زیر است: COPERNICUS/S2/20151128T002653_20151128T102149_T56MNN. در اینجا اولین قسمت عددی تاریخ و زمان سنجش را نشان می‌دهد، قسمت عددی دوم تاریخ و زمان تولید محصول را نشان می‌دهد، و رشته 6 کاراکتری نهایی یک شناسه گرانول منحصر به فرد است که مرجع شبکه UTM آن را نشان می‌دهد (به MGRS مراجعه کنید).

داده های سطح 2 تولید شده توسط ESA را می توان در مجموعه COPERNICUS/S2_SR یافت.

برای کمک به مجموعه داده‌ها در تشخیص سایه ابر و/یا ابر، COPERNICUS/S2_CLOUD_PROBABILITY و GOOGLE/CLOUD_SCORE_PLUS/V1/S2_HARMONIZED را ببینید.

برای جزئیات بیشتر در مورد وضوح رادیومتری Sentinel-2، به این صفحه مراجعه کنید .

باندها

نام مقیاس اندازه پیکسل طول موج توضیحات
B1 0.0001 60 متر 443.9 نانومتر (S2A) / 442.3 نانومتر (S2B)

آئروسل ها

B2 0.0001 10 متر 496.6 نانومتر (S2A) / 492.1 نانومتر (S2B)

آبی

B3 0.0001 10 متر 560 نانومتر (S2A) / 559 نانومتر (S2B)

سبز

B4 0.0001 10 متر 664.5 نانومتر (S2A) / 665 نانومتر (S2B)

قرمز

B5 0.0001 20 متر 703.9 نانومتر (S2A) / 703.8 نانومتر (S2B)

لبه قرمز 1

B6 0.0001 20 متر 740.2 نانومتر (S2A) / 739.1 نانومتر (S2B)

لبه قرمز 2

B7 0.0001 20 متر 782.5 نانومتر (S2A) / 779.7 نانومتر (S2B)

لبه قرمز 3

B8 0.0001 10 متر 835.1 نانومتر (S2A) / 833 نانومتر (S2B)

NIR

B8A 0.0001 20 متر 864.8 نانومتر (S2A) / 864 نانومتر (S2B)

لبه قرمز 4

B9 0.0001 60 متر 945 نانومتر (S2A) / 943.2 نانومتر (S2B)

بخار آب

B10 0.0001 60 متر 1373.5 نانومتر (S2A) / 1376.9 نانومتر (S2B)

سیروس

B11 0.0001 20 متر 1613.7 نانومتر (S2A) / 1610.4 نانومتر (S2B)

SWIR 1

B12 0.0001 20 متر 2202.4 نانومتر (S2A) / 2185.7 نانومتر (S2B)

SWIR 2

QA10 10 متر

همیشه خالی

QA20 20 متر

همیشه خالی

QA60 60 متر

ماسک ابر. ماسک بین فوریه 2022 و فوریه 2024.

  • بیت های 0-9: استفاده نشده
    • بیت 10: ابرهای مات
      • 0: بدون ابرهای مات
      • 1: وجود ابرهای مات
    • بیت 11: ابرهای سیروس
      • 0: بدون ابر سیروس
      • 1: وجود ابرهای سیروس
    MSK_CLASSI_OPAQUE 60 متر

    نوار طبقه بندی ابرهای مات (0=بدون ابر، 1=ابر). قبل از فوریه 2024 نقاب زده شده است.

    MSK_CLASSI_CIRRUS 60 متر

    نوار طبقه بندی ابرهای سیروس (0=بدون ابر، 1=ابر). قبل از فوریه 2024 نقاب زده شده است.

    MSK_CLASSI_SNOW_ICE 60 متر

    باند طبقه بندی برف/یخ (0=بدون برف/یخ، 1=برف/یخ). قبل از فوریه 2024 نقاب زده شده است.

    ویژگی های تصویر

    نام تایپ کنید توضیحات
    CLOUDY_PIXEL_PERCENTAGE دوبل

    درصد پیکسل ابری مخصوص گرانول که از فراداده اصلی گرفته شده است

    CLOUD_COVERAGE_ASSESSMENT دوبل

    درصد پیکسل ابری برای کل آرشیو حاوی این گرانول. برگرفته از ابرداده اصلی

    DATASTRIP_ID STRING

    شناسه منحصر به فرد نوار داده مورد داده محصول (PDI)

    DATATAKE_IDENTIFIER STRING

    منحصر به فرد یک Datatake داده شده را شناسایی می کند. شناسه شامل ماهواره Sentinel-2، تاریخ و زمان شروع، شماره مدار مطلق، و خط پایه پردازش است.

    DATATAKE_TYPE STRING

    حالت عملیات MSI

    DEGRADED_MSI_DATA_PERCENTAGE دوبل

    درصد MSI تخریب شده و داده های جانبی

    FORMAT_CORRECTNESS STRING

    ترکیب بررسی‌های کنترل کیفیت آنلاین (OLQC) که در سطوح گرانول (Product_Syntax) و نوار داده (Syntax محصول و DS_Consistency) انجام می‌شود.

    GENERAL_QUALITY STRING

    ترکیب بررسی های OLQC انجام شده در سطح نوار داده (Relative_Orbit_Number)

    GENERATION_TIME دوبل

    زمان تولید محصول

    GEOMETRIC_QUALITY STRING

    ترکیبی از بررسی های OLQC انجام شده در سطح نوار داده (Attitude_Quality_Indicator)

    GRANULE_ID STRING

    شناسه منحصر به فرد PDI گرانول (PDI_ID)

    MEAN_INCIDENCE_AZIMUTH_ANGLE_B1 دوبل

    مقدار میانگین حاوی میانگین زاویه دید تابش برای باند B1 و برای همه آشکارسازها

    MEAN_INCIDENCE_AZIMUTH_ANGLE_B2 دوبل

    مقدار میانگین حاوی میانگین زاویه دید در باند B2 و برای همه آشکارسازها

    MEAN_INCIDENCE_AZIMUTH_ANGLE_B3 دوبل

    مقدار میانگین حاوی میانگین زاویه دید تابش برای باند B3 و برای همه آشکارسازها

    MEAN_INCIDENCE_AZIMUTH_ANGLE_B4 دوبل

    مقدار میانگین حاوی میانگین زاویه دید ازیموت برای باند B4 و برای همه آشکارسازها

    MEAN_INCIDENCE_AZIMUTH_ANGLE_B5 دوبل

    مقدار میانگین حاوی میانگین زاویه دید در باند B5 و برای همه آشکارسازها

    MEAN_INCIDENCE_AZIMUTH_ANGLE_B6 دوبل

    مقدار میانگین حاوی میانگین زاویه دید تابش برای باند B6 و برای همه آشکارسازها

    MEAN_INCIDENCE_AZIMUTH_ANGLE_B7 دوبل

    مقدار میانگین حاوی میانگین زاویه دید تابش برای باند B7 و برای همه آشکارسازها

    MEAN_INCIDENCE_AZIMUTH_ANGLE_B8 دوبل

    مقدار میانگین حاوی میانگین زاویه دید تابش برای باند B8 و برای همه آشکارسازها

    MEAN_INCIDENCE_AZIMUTH_ANGLE_B8A دوبل

    مقدار میانگین حاوی میانگین زاویه دید تابش برای باند B8a و برای همه آشکارسازها

    MEAN_INCIDENCE_AZIMUTH_ANGLE_B9 دوبل

    مقدار میانگین حاوی میانگین زاویه دید تابش برای باند B9 و برای همه آشکارسازها

    MEAN_INCIDENCE_AZIMUTH_ANGLE_B10 دوبل

    مقدار میانگین حاوی میانگین زاویه دید تابش برای باند B10 و برای همه آشکارسازها

    MEAN_INCIDENCE_AZIMUTH_ANGLE_B11 دوبل

    مقدار میانگین حاوی میانگین زاویه دید تابش برای باند B11 و برای همه آشکارسازها

    MEAN_INCIDENCE_AZIMUTH_ANGLE_B12 دوبل

    مقدار میانگین حاوی میانگین زاویه دید تابش برای باند B12 و برای همه آشکارسازها

    MEAN_INCIDENCE_ZENITH_ANGLE_B1 دوبل

    مقدار میانگین حاوی میانگین زاویه دید در باند B1 و برای همه آشکارسازها

    MEAN_INCIDENCE_ZENITH_ANGLE_B2 دوبل

    مقدار میانگین حاوی میانگین زاویه دید در باند B2 و برای همه آشکارسازها

    MEAN_INCIDENCE_ZENITH_ANGLE_B3 دوبل

    مقدار میانگین حاوی میانگین زاویه دید در باند B3 و برای همه آشکارسازها

    MEAN_INCIDENCE_ZENITH_ANGLE_B4 دوبل

    مقدار میانگین حاوی میانگین زاویه دید در باند B4 و برای همه آشکارسازها

    MEAN_INCIDENCE_ZENITH_ANGLE_B5 دوبل

    مقدار میانگین حاوی میانگین زاویه دید در باند B5 و برای همه آشکارسازها

    MEAN_INCIDENCE_ZENITH_ANGLE_B6 دوبل

    مقدار میانگین حاوی میانگین زاویه دید تابش برای باند B6 و برای همه آشکارسازها

    MEAN_INCIDENCE_ZENITH_ANGLE_B7 دوبل

    مقدار میانگین حاوی میانگین زاویه دید مشاهده برای باند B7 و برای همه آشکارسازها

    MEAN_INCIDENCE_ZENITH_ANGLE_B8 دوبل

    مقدار میانگین حاوی میانگین زاویه دید در باند B8 و برای همه آشکارسازها

    MEAN_INCIDENCE_ZENITH_ANGLE_B8A دوبل

    مقدار میانگین حاوی میانگین زاویه دید در باند B8a و برای همه آشکارسازها

    MEAN_INCIDENCE_ZENITH_ANGLE_B9 دوبل

    مقدار میانگین حاوی میانگین زاویه دید در باند B9 و برای همه آشکارسازها

    MEAN_INCIDENCE_ZENITH_ANGLE_B10 دوبل

    مقدار میانگین حاوی میانگین زاویه دید در باند B10 و برای همه آشکارسازها

    MEAN_INCIDENCE_ZENITH_ANGLE_B11 دوبل

    مقدار میانگین حاوی میانگین زاویه دید در باند B11 و برای همه آشکارسازها

    MEAN_INCIDENCE_ZENITH_ANGLE_B12 دوبل

    مقدار میانگین حاوی میانگین زاویه دید تابش برای باند B12 و برای همه آشکارسازها

    MEAN_SOLAR_AZIMUTH_ANGLE دوبل

    مقدار میانگین حاوی میانگین زاویه آزیموت خورشید برای همه باندها و آشکارسازها

    MEAN_SOLAR_ZENITH_ANGLE دوبل

    مقدار میانگین حاوی میانگین زاویه اوج خورشید برای همه باندها و آشکارسازها

    MGRS_TILE STRING

    کاشی سیستم مرجع شبکه نظامی ایالات متحده (MGRS).

    PROCESSING_BASELINE STRING

    خط پایه پیکربندی مورد استفاده در زمان تولید محصول از نظر نسخه نرم افزار پردازنده و نسخه اصلی پارامترهای پردازش تصویر زمینی (GIPP)

    PRODUCT_ID STRING

    شناسه کامل محصول Sentinel-2 اصلی

    RADIOMETRIC_QUALITY STRING

    بر اساس گزارش های OLQC موجود در Datastrips/QI_DATA با نام چک لیست RADIOMETRIC_QUALITY

    REFLECTANCE_CONVERSION_CORRECTION دوبل

    ضریب تصحیح فاصله زمین و خورشید

    SENSING_ORBIT_DIRECTION STRING

    تصویربرداری جهت مدار

    SENSING_ORBIT_NUMBER دوبل

    شماره مدار تصویربرداری

    SENSOR_QUALITY STRING

    ترکیب بررسی‌های OLQC در سطوح گرانول (Missing_Lines، Corrupted_ISP و Sensing_Time) و نوار داده (Degraded_SAD و Datation_Model)

    SOLAR_IRRADIANCE_B1 دوبل

    میانگین تابش اتمسفر خارجی خورشیدی برای باند B1

    SOLAR_IRRADIANCE_B2 دوبل

    میانگین تابش اتمسفر خارجی خورشیدی برای باند B2

    SOLAR_IRRADIANCE_B3 دوبل

    میانگین تابش اتمسفر خارجی خورشیدی برای باند B3

    SOLAR_IRRADIANCE_B4 دوبل

    میانگین تابش اتمسفر خارجی خورشیدی برای باند B4

    SOLAR_IRRADIANCE_B5 دوبل

    میانگین تابش اتمسفر خارجی خورشیدی برای باند B5

    SOLAR_IRRADIANCE_B6 دوبل

    میانگین تابش اتمسفر خارجی خورشیدی برای باند B6

    SOLAR_IRRADIANCE_B7 دوبل

    میانگین تابش اتمسفر خارجی خورشیدی برای باند B7

    SOLAR_IRRADIANCE_B8 دوبل

    میانگین تابش اتمسفر خارجی خورشیدی برای باند B8

    SOLAR_IRRADIANCE_B8A دوبل

    میانگین تابش اتمسفریک خورشیدی برای باند B8a

    SOLAR_IRRADIANCE_B9 دوبل

    میانگین تابش اتمسفریک خورشیدی برای باند B9

    SOLAR_IRRADIANCE_B10 دوبل

    میانگین تابش اتمسفر خارجی خورشیدی برای باند B10

    SOLAR_IRRADIANCE_B11 دوبل

    میانگین تابش اتمسفر خارجی خورشیدی برای باند B11

    SOLAR_IRRADIANCE_B12 دوبل

    میانگین تابش اتمسفر خارجی خورشیدی برای باند B12

    SPACECRAFT_NAME STRING

    نام فضاپیمای Sentinel-2: Sentinel-2A, Sentinel-2B

    شرایط استفاده

    استفاده از داده های Sentinel تحت شرایط و ضوابط داده های Copernicus Sentinel است.

    با Earth Engine کاوش کنید

    /**
     * Function to mask clouds using the Sentinel-2 QA band
     * @param {ee.Image} image Sentinel-2 image
     * @return {ee.Image} cloud masked Sentinel-2 image
     */
    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 a month of data and take the median.
    // Load Sentinel-2 TOA reflectance data (adjusted for processing changes
    // that occurred after 2022-01-25).
    var dataset = ee.ImageCollection('COPERNICUS/S2_HARMONIZED')
                      .filterDate('2022-01-01', '2022-01-31')
                      // 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.setCenter(-9.1695, 38.6917, 12);
    Map.addLayer(dataset.median(), rgbVis, 'RGB');

    برای اطلاعات در مورد API پایتون و استفاده از geemap برای توسعه تعاملی به صفحه محیط پایتون مراجعه کنید.

    import ee
    import geemap.core as geemap
    def mask_s2_clouds(image):
      """Masks clouds in a Sentinel-2 image using the QA band.
    
      Args:
          image (ee.Image): A Sentinel-2 image.
    
      Returns:
          ee.Image: A cloud-masked Sentinel-2 image.
      """
      qa = image.select('QA60')
    
      # Bits 10 and 11 are clouds and cirrus, respectively.
      cloud_bit_mask = 1 << 10
      cirrus_bit_mask = 1 << 11
    
      # Both flags should be set to zero, indicating clear conditions.
      mask = (
          qa.bitwiseAnd(cloud_bit_mask)
          .eq(0)
          .And(qa.bitwiseAnd(cirrus_bit_mask).eq(0))
      )
    
      return image.updateMask(mask).divide(10000)
    
    
    dataset = (
        ee.ImageCollection('COPERNICUS/S2_HARMONIZED')
        .filterDate('2022-01-01', '2022-01-31')
        # Pre-filter to get less cloudy granules.
        .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20))
        .map(mask_s2_clouds)
    )
    
    rgb_vis = {
        'min': 0.0,
        'max': 0.3,
        'bands': ['B4', 'B3', 'B2'],
    }
    
    m = geemap.Map()
    m.set_center(-9.1695, 38.6917, 12)
    m.add_layer(dataset.median(), rgb_vis, 'RGB')
    m
    در ویرایشگر کد باز کنید