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

COPERNICUS/S2_HARMONIZED
دردسترس بودن مجموعه داده
2015-06-27T00:00:00Z–2026-10-15T02:24:12.306000Z
تولیدکننده مجموعه داده
تکه‌کد Earth Engine
ee.ImageCollection("COPERNICUS/S2_HARMONIZED")
فاصله زمانی بازنگری
‫۵ روز
برچسب‌ها
copernicus esa eu msi radiance satellite-imagery sentinel

شرح

پس‌از ۲۰۲۲-۰۱-۲۵، صحنه‌های Sentinel-2 با PROCESSING_BASELINE «۰۴.۰۰» یا بالاتر محدوده DN (مقدار) آن‌ها ۱۰۰۰ واحد تغییر می‌کند. مجموعه HARMONIZED داده‌ها را در صحنه‌های جدیدتر تغییر می‌دهد تا در همان محدوده صحنه‌های قدیمی‌تر قرار گیرند.

‫Sentinel-2 مأموریت تصویربرداری چندطیفی با وضوح بالا و پهنای وسیع است که از مطالعات «پایش زمین کوپرنیک» پشتیبانی می‌کند، ازجمله پایش پوشش گیاهی، خاک، و آب، و همچنین مشاهده آبراه‌های داخلی و مناطق ساحلی.

داده‌های Sentinel-2 شامل ۱۳ باند طیفی UINT16 است که نشان‌دهنده بازتاب TOA با مقیاس ۱۰۰۰۰ است. برای جزئیات، به دفترچه راهنمای کاربر Sentinel-2 مراجعه کنید. ‫QA60 یک باند ماسک بیتی است که تا فوریه ۲۰۲۲ حاوی چندضلعی‌های ماسک ابر شطرنجی‌شده بود، اما از آن زمان تولید این چندضلعی‌ها متوقف شد. از فوریه ۲۰۲۴، باندهای QA60 سازگار با نسخه‌های قدیمی از باندهای طبقه‌بندی ابری MSK_CLASSI ساخته می‌شوند. برای جزئیات بیشتر، توضیحات کامل نحوه محاسبه پوشش‌های ابری را ببینید..

هر محصول Sentinel-2 (بایگانی zip) ممکن است شامل چندین دانه باشد. هر دانه به یک دارایی جداگانه Earth Engine تبدیل می‌شود. شناسه‌های دارایی EE برای دارایی‌های Sentinel-2 قالب زیر را دارند: COPERNICUS/S2/20151128T002653_20151128T102149_T56MNN. در اینجا، بخش عددی اول نشان‌دهنده تاریخ و زمان سنجش، بخش عددی دوم نشان‌دهنده تاریخ و زمان تولید محصول، و رشته ۶ کاراکتری نهایی نشان‌دهنده شناسه یکتای دانه است که مرجع شبکه UTM آن را نشان می‌دهد (به MGRS مراجعه کنید).

داده‌های سطح ۲ تولیدشده توسط ESA را می‌توانید در مجموعه COPERNICUS/S2_SR پیدا کنید.

برای مجموعه‌داده‌هایی که به تشخیص ابر و/یا سایه ابر کمک می‌کنند، به COPERNICUS/S2_CLOUD_PROBABILITY و GOOGLE/CLOUD_SCORE_PLUS/V1/S2_HARMONIZED مراجعه کنید.

برای جزئیات بیشتر درباره وضوح رادیومتری Sentinel-2، این صفحه را ببینید.

باند

باند

اندازه پیکسل: متفاوت است

نام مقیاس اندازه پیکسل طول موج شرح
B1 ۰٫۰۰۰۱ ‫۶۰ متر ۴۴۳٫۹ نانومتر (S2A) / ۴۴۲٫۳ نانومتر (S2B)

هواپخش‌ها

B2 ۰٫۰۰۰۱ ‫۱۰ متر ۴۹۶٫۶ نانومتر (S2A) / ‏۴۹۲٫۱ نانومتر (S2B)

آبی

B3 ۰٫۰۰۰۱ ‫۱۰ متر ۵۶۰ نانومتر (S2A) / ‏۵۵۹ نانومتر (S2B)

سبز

B4 ۰٫۰۰۰۱ ‫۱۰ متر ‫۶۶۴٫۵ نانومتر (S2A) / ‏ ۶۶۵ نانومتر (S2B)

قرمز

B5 ۰٫۰۰۰۱ ‫۲۰ متر ‫۷۰۳٫۹ نانومتر (S2A) / ‏ ۷۰۳٫۸ نانومتر (S2B)

لبه قرمز ۱

B6 ۰٫۰۰۰۱ ‫۲۰ متر ۷۴۰٫۲ نانومتر (S2A) / ‏ ۷۳۹٫۱ نانومتر (S2B)

قرمز لبه ۲

B7 ۰٫۰۰۰۱ ‫۲۰ متر ۷۸۲٫۵ نانومتر (S2A) / ‏۷۷۹٫۷ نانومتر (S2B)

قرمز لبه ۳

B8 ۰٫۰۰۰۱ ‫۱۰ متر ۸۳۵٫۱ نانومتر (S2A) / ‏ ۸۳۳ نانومتر (S2B)

NIR

B8A ۰٫۰۰۰۱ ‫۲۰ متر ‫۸۶۴٫۸ نانومتر (S2A) / ‏ ۸۶۴ نانومتر (S2B)

Red Edge 4

B9 ۰٫۰۰۰۱ ‫۶۰ متر ۹۴۵ نانومتر (S2A) / ۹۴۳٫۲ نانومتر (S2B)

بخار آب

B10 ۰٫۰۰۰۱ ‫۶۰ متر ۱۳۷۳٫۵ نانومتر (S2A) / ۱۳۷۶٫۹ نانومتر (S2B)

سیروس

B11 ۰٫۰۰۰۱ ‫۲۰ متر ۱۶۱۳٫۷ نانومتر (S2A) / ‏ ۱۶۱۰٫۴ نانومتر (S2B)

SWIR 1

B12 ۰٫۰۰۰۱ ‫۲۰ متر ۲۲۰۲٫۴ نانومتر (S2A) / ‏۲۱۸۵٫۷ نانومتر (S2B)

SWIR 2

QA10 ‫۱۰ متر هیچ‌کدام

همیشه خالی

QA20 ‫۲۰ متر هیچ‌کدام

همیشه خالی

QA60 ‫۶۰ متر هیچ‌کدام

ماسک ابری. بین فوریه ۲۰۲۲ و فوریه ۲۰۲۴ پنهان شده است.

MSK_CLASSI_OPAQUE ‫۶۰ متر هیچ‌کدام

نوار طبقه‌بندی ابرهای مات (۰=بدون ابر، ۱=ابر). قبل‌از فوریه ۲۰۲۴ پوشانده شده است.

MSK_CLASSI_CIRRUS ‫۶۰ متر هیچ‌کدام

باند طبقه‌بندی ابرهای سیروس (۰=بدون ابر، ۱=ابر). قبل‌از فوریه ۲۰۲۴ محو شده است.

MSK_CLASSI_SNOW_ICE ‫۶۰ متر هیچ‌کدام

باند طبقه‌بندی برف/یخ (۰=بدون برف/یخ، ۱=برف/یخ). قبل‌از فوریه ۲۰۲۴ پوشانده شده است.

دارایی‌های تصویر

ویژگی‌های تصویر

نام نوع شرح
CLOUDY_PIXEL_PERCENTAGE دوبرابر

درصد پیکسل ابری مختص دانه از فراداده اصلی گرفته شده است

CLOUD_COVERAGE_ASSESSMENT دوبرابر

درصد پیکسل ابری برای کل بایگانی که حاوی این دانه است. برگرفته از فراداده اصلی

DATASTRIP_ID رشته

شناسه یکتای «مورد داده‌های محصول» (PDI) نوار داده

DATATAKE_IDENTIFIER رشته

به‌طور یکتا یک Datatake معین را شناسایی می‌کند. شناسه حاوی ماهواره Sentinel-2، تاریخ و زمان شروع، شماره مدار مطلق، و خط مبنای پردازش است.

DATATAKE_TYPE رشته

حالت عملکرد MSI

DEGRADED_MSI_DATA_PERCENTAGE دوبرابر

درصد MSI و داده‌های جانبی تنزل‌یافته

FORMAT_CORRECTNESS رشته

ترکیب بررسی‌های «کنترل کیفیت برخط» (OLQC) انجام‌شده در سطح دانه (نحو محصول) و نوار داده (نحو محصول و سازگاری DS)

GENERAL_QUALITY رشته

ترکیب بررسی‌های OLQC انجام‌شده در سطح نوار داده

GENERATION_TIME دوبرابر

زمان تولید محصول

GEOMETRIC_QUALITY رشته

ترکیب بررسی‌های OLQC انجام‌شده در سطح نوار داده

GRANULE_ID رشته

شناسه یکتای PDI دانه (PDI_ID)

MEAN_INCIDENCE_AZIMUTH_ANGLE_B1 دونفره

مقدار میانگین حاوی میانگین زاویه سمت برخورد مشاهده برای باند B1 و برای همه آشکارسازها

MEAN_INCIDENCE_AZIMUTH_ANGLE_B2 دوبرابر

مقدار میانگین حاوی میانگین زاویه سمت وقوع مشاهده برای باند B2 و برای همه آشکارسازها

MEAN_INCIDENCE_AZIMUTH_ANGLE_B3 دونفره

مقدار میانگین حاوی میانگین زاویه سمت برخورد مشاهده برای باند B3 و برای همه آشکارسازها

MEAN_INCIDENCE_AZIMUTH_ANGLE_B4 دوبرابر

مقدار میانگین حاوی میانگین زاویه سمت برخورد مشاهده برای باند B4 و برای همه آشکارسازها

MEAN_INCIDENCE_AZIMUTH_ANGLE_B5 دوبرابر

مقدار میانگین حاوی میانگین زاویه سمت برخورد مشاهده برای باند B5 و برای همه آشکارسازها

MEAN_INCIDENCE_AZIMUTH_ANGLE_B6 دونفره

مقدار میانگین حاوی میانگین زاویه سمت برخورد مشاهده برای باند B6 و برای همه آشکارسازها

MEAN_INCIDENCE_AZIMUTH_ANGLE_B7 دوبرابر

مقدار میانگین حاوی میانگین زاویه سمت برخورد مشاهده برای باند B7 و برای همه آشکارسازها

MEAN_INCIDENCE_AZIMUTH_ANGLE_B8 دونفره

مقدار میانگین حاوی میانگین زاویه سمت برخورد مشاهده برای باند B8 و برای همه آشکارسازها

MEAN_INCIDENCE_AZIMUTH_ANGLE_B8A دونفره

مقدار میانگین حاوی میانگین زاویه سمت برخورد مشاهده برای باند B8a و برای همه آشکارسازها

MEAN_INCIDENCE_AZIMUTH_ANGLE_B9 دونفره

مقدار میانگین حاوی میانگین زاویه سمت برخورد مشاهده برای باند B9 و برای همه آشکارسازها

MEAN_INCIDENCE_AZIMUTH_ANGLE_B10 دوبرابر

مقدار میانگین حاوی میانگین زاویه سمت برخورد مشاهده برای باند B10 و برای همه آشکارسازها

MEAN_INCIDENCE_AZIMUTH_ANGLE_B11 دوبرابر

مقدار میانگین حاوی میانگین زاویه سمت برخورد مشاهده برای باند B11 و برای همه آشکارسازها

MEAN_INCIDENCE_AZIMUTH_ANGLE_B12 دوبرابر

مقدار میانگین حاوی میانگین زاویه سمت برخورد مشاهده برای باند B12 و برای همه آشکارسازها

MEAN_INCIDENCE_ZENITH_ANGLE_B1 دوبرابر

مقدار میانگین حاوی میانگین زاویه سرسوی برخورد مشاهده برای باند B1 و برای همه آشکارسازها

MEAN_INCIDENCE_ZENITH_ANGLE_B2 دونفره

مقدار میانگین حاوی میانگین زاویه سرسوی برخورد مشاهده برای باند B2 و برای همه آشکارسازها

MEAN_INCIDENCE_ZENITH_ANGLE_B3 دوبرابر

مقدار میانگین حاوی میانگین زاویه سرسوی برخورد مشاهده برای باند B3 و برای همه آشکارسازها

MEAN_INCIDENCE_ZENITH_ANGLE_B4 دوبرابر

مقدار میانگین حاوی میانگین زاویه سرسوی برخورد مشاهده برای باند B4 و برای همه آشکارسازها

MEAN_INCIDENCE_ZENITH_ANGLE_B5 دوبرابر

مقدار میانگین شامل میانگین زاویه اوج وقوع مشاهده برای باند B5 و برای همه آشکارسازها

MEAN_INCIDENCE_ZENITH_ANGLE_B6 دوبرابر

مقدار میانگین شامل میانگین زاویه اوج وقوع مشاهده برای باند B6 و برای همه آشکارسازها

MEAN_INCIDENCE_ZENITH_ANGLE_B7 دونفره

مقدار میانگین حاوی میانگین زاویه سرسوی برخورد مشاهده برای باند B7 و برای همه آشکارسازها

MEAN_INCIDENCE_ZENITH_ANGLE_B8 دوبرابر

مقدار میانگین حاوی میانگین زاویه سرسوی برخورد مشاهده برای باند B8 و برای همه آشکارسازها

MEAN_INCIDENCE_ZENITH_ANGLE_B8A دوبرابر

مقدار میانگین شامل میانگین زاویه اوج وقوع مشاهده برای باند B8a و برای همه آشکارسازها

MEAN_INCIDENCE_ZENITH_ANGLE_B9 دونفره

Mean value containing viewing incidence zenith angle average for band B9 and for all detectors

MEAN_INCIDENCE_ZENITH_ANGLE_B10 دوبرابر

مقدار میانگین شامل میانگین زاویه اوج رخداد دیداری برای باند B10 و برای همه آشکارسازها

MEAN_INCIDENCE_ZENITH_ANGLE_B11 دوبرابر

مقدار میانگین حاوی میانگین زاویه سرسوی برخورد مشاهده برای باند B11 و برای همه آشکارسازها

MEAN_INCIDENCE_ZENITH_ANGLE_B12 دوبرابر

مقدار میانگین حاوی میانگین زاویه سرسوی برخورد مشاهده برای باند B12 و برای همه آشکارسازها

MEAN_SOLAR_AZIMUTH_ANGLE دوبرابر

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

MEAN_SOLAR_ZENITH_ANGLE دونفره

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

MGRS_TILE رشته

کاشی «سیستم مرجع جدول نظامی ایالات متحده» (MGRS)

PROCESSING_BASELINE رشته

خط مبنای پیکربندی مورداستفاده در زمان تولید محصول ازنظر نسخه نرم‌افزار پردازنده و نسخه اصلی «پارامترهای پردازش تصویر زمینی» (GIPP)

PRODUCT_ID رشته

شناسه کامل محصول اصلی Sentinel-2

RADIOMETRIC_QUALITY رشته

براساس گزارش‌های OLQC موجود در Datastrips/QI_DATA با نام فهرست وارسی RADIOMETRIC_QUALITY

REFLECTANCE_CONVERSION_CORRECTION دونفره

ضریب تصحیح فاصله زمین-خورشید

SENSING_ORBIT_DIRECTION رشته

جهت مدار تصویربرداری

SENSING_ORBIT_NUMBER دونفره

شماره مدار تصویربرداری

SENSOR_QUALITY رشته

ترکیب بررسی‌های OLQC انجام‌شده در سطح دانه (Missing_Lines،‏ Corrupted_ISP، و Sensing_Time) و نوار داده (Degraded_SAD و Datation_Model)

SOLAR_IRRADIANCE_B1 دونفره

میانگین تابش خورشیدی فرااتمسفری برای باند B1

SOLAR_IRRADIANCE_B2 دونفره

میانگین تابش خورشیدی فرااتمسفری برای باند B2

SOLAR_IRRADIANCE_B3 دوبرابر

میانگین تابش خورشیدی فرااتمسفری برای باند B3

SOLAR_IRRADIANCE_B4 دونفره

میانگین تابش خورشیدی فرااتمسفری برای باند B4

SOLAR_IRRADIANCE_B5 دونفره

میانگین تشعشعات خورشید برون‌جو برای باند B5

SOLAR_IRRADIANCE_B6 دوبرابر

میانگین تابش خورشیدی فرااتمسفری برای باند B6

SOLAR_IRRADIANCE_B7 دونفره

میانگین تابش خورشیدی فرااتمسفری برای باند B7

SOLAR_IRRADIANCE_B8 دوبرابر

میانگین تابش خورشیدی فرااتمسفری برای باند B8

SOLAR_IRRADIANCE_B8A دونفره

میانگین تابش خورشیدی فرااتمسفری برای باند B8a

SOLAR_IRRADIANCE_B9 دونفره

میانگین تابش خورشیدی فرااتمسفری برای باند B9

SOLAR_IRRADIANCE_B10 دوبرابر

میانگین تشعشعات خورشید برون‌جو برای باند B10

SOLAR_IRRADIANCE_B11 دوبرابر

میانگین تشعشعات خورشید برون‌جو برای باند B11

SOLAR_IRRADIANCE_B12 دوبرابر

میانگین تابش خورشیدی فرااتمسفری برای باند B12

SPACECRAFT_NAME رشته

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

شرایط استفاده

شرایط خدمات

استفاده از داده‌های Sentinel تحت کنترل شرایط خدمات داده‌های Copernicus Sentinel است.

کاوش با Earth Engine

ویرایشگر کد (جاوا اسکریپت)

/**
 * 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');

راه‌اندازی Python

برای اطلاعات درباره Python API و استفاده از geemap برای توسعه تعاملی، به صفحه محیط Python مراجعه کنید.

import ee
import geemap.core as geemap

Colab (Python)

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
باز کردن در «ویرایشگر کد»