本文主要是介绍基于sentinel-2 遥感数据的水体提取(水体指数法)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
本文框架设置如下：
- 简单介绍senintel-2数据；
- 如何利用sentinel-2数据获取水体边界/范围
1 Sentinel-2数据介绍及下载方式
有Sentinel-2A/2B两颗卫星，其参数基本一致，因此两颗卫星的数据联合使用很方便。
分辨率有：10，20，60米，三种不同的分辨率数据，共计13个光谱波段。
目前可供下载的数据产品有：L1C 和L2A两种级别的数据，其中L1C级别产品经过几何位置的处理，没有大气校正处理，而L2A产品是经过大气校正处理的地表反射率产品(提供的数据是16位整型，需要经过变换系数拉伸到0-1，就是真实的地表反射率)。
可根据需要下载不同级别的产品数据进行研究。若下载L1C数据，需要自己进行大气校正的话，可根据官方提供的大气校正工具进行处理，其操作较为繁琐，不同版本的工具其操作方式可能略有差别。
如果是下载L2A数据，可无需进行基本的预处理操作，进行系数变换可直接到地表反射率便于后续研究。
2 利用sentinel-2数据获取水体边界/范围
针对不同的卫星遥感数据而言，由于其获取的遥感数据波段和参数等不同，其水体的提取方法也不完全一致。
但大致可分为如下几类方法：
- 单波段法
- 光谱间关系法
- 影像分类法
- 水体指数法
其中水体指数法由于简单高效受到了广泛的研究和实际应用。本文重点描述如何利用水体指数法获取遥感图像中的水体范围。
目前应用较多的水体指数法主要有：
上述介绍了几种较为常用的水体指数，各种水体指数的目的基本上是一致的，即突出水体信息，抑制其他地物信息，便于目视解译和水体信息提取。
一般在计算水体指数之后，可以将水体指数作为一个特征加入到监督分类的流程中加以水体分类，进而利用相关的精度评价指标对分类精度进行评价。
其常用的评价指标可参考：
但一般应用不用监督分类的思路去处理，其较为复杂，在水体指数上进行阈值分割的思路较为简单且精度一般满足相应的应用要求。
其常用的阈值分割方法是大津法，具体可参考如下：
考虑到全局阈值方法的局限性，除Otsu方法之外，可在水体指数的基础上结合聚类方法，如ISODATA等，一般聚类后，需要对各类别进行合并处理，不然可根据类别均值选择均值最大的类别作为水体类型，其他作为背景即可。
3. 总结
上述对Sentinel-2数据进行基本的参数/数据产品级别，数据下载平台等进行简单介绍，并着重介绍了几种常用的水体指数，并在水体指数的基础上如何进一步的获取水体边界和范围。
这篇关于基于sentinel-2 遥感数据的水体提取(水体指数法)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
