Sen2Like：生成分析就绪数据集的多传感器协同处理器

在长时序遥感反演中，常常会遇到一个现实问题：受空间覆盖、云量、重访频率、可用性和影像质量影响，单一传感器难以提供足够密集且稳定的可用影像。

本文整理我对 Sen2Like 的理解与实操流程，重点说明它如何通过多传感器协同，生成 Sentinel-2 风格的协调表面反射率产品，并给出在 openEO 平台上的调用方法。

如果你在做像素级时间序列分析，Sen2Like 能有效提升时间维度的可用观测密度。

1. 什么是 Sen2Like？

Sen2Like 是 ESA 在 Copernicus 框架下开发的开源科学处理器，目标是融合兼容的光学任务传感器，生成 Sentinel-2 风格（S2-like） 的表面反射率产品，用于构建更高时间分辨率的分析就绪数据（ARD）。

核心价值：

• 统一不同传感器在光谱、几何和辐射上的差异。
• 增加理论可观测次数，缓解“有时相但没好影像”的问题。
• 更适合后续的像素级时间序列分析（如生物地球物理变量反演）。

1.1 支持数据与产品类型

Sen2Like 主要对 Sentinel-2 与 Landsat-8/9 进行协同处理（新版本也在拓展其他任务，如 PRISMA）。输出产品通常包括：

• L2H（Harmonized Surface Reflectance）：30 m。
• L2F（Fused Surface Reflectance）：10-20 m。

并且产品采用 Sentinel-2 的 MGRS 网格体系，便于跨时相、跨区域拼接与分析。

1.2 处理流程

Sen2Like 的关键步骤可概括为：

1. 几何校正与配准（统一到公共参考）。
2. 大气校正（依赖气象辅助数据，可结合 SMAC / Sen2Cor3 等流程）。
3. 光谱带间调整（SBAF），降低跨传感器差异。
4. BRDF 归一化到 NBAR。
5. 融合与重采样，生成更高时空一致性的产品。

辅助数据质量会直接影响最终 ARD 精度，尤其是几何参考栅格与大气校正所需的气象数据。

2. 在 openEO 中运行 Sen2Like

openEO 提供了托管式后端能力。你只需要定义处理图（process graph），后端自动完成数据获取与计算资源调度。

2.1 基础连接

import openeo
from openeo.rest.datacube import THIS

eodc = "https://openeo.eodc.eu/openeo/1.2.0/"
conn = openeo.connect(eodc).authenticate_oidc()

conn.describe_process("sen2like")

2.2 构建 Process Graph

可选波段（常见）：

• B01, B02, B03, B04, B05, B06, B07, B08, B8A, B11, B12

关键参数：

• target_product: L2F 或 L2H
• cloud_cover: 1-100（越小越严格）
• export_original_files: 是否导出原始 .SAFE（通常为 .zip）

collection = "SENTINEL2_L1C"
spatial_extent = {"west": 112.00, "east": 113.20, "south": 28.70, "north": 29.50}
temporal_extent = ["2024-01-01", "2024-12-31"]
bands = ["B02", "B03", "B04", "B05", "B06", "B07", "B08", "B8A", "B11", "B12"]

S2 = conn.load_collection(
    collection,
    spatial_extent=spatial_extent,
    temporal_extent=temporal_extent,
    bands=bands,
)

sen2like = S2.process(
    "sen2like",
    {
        "data": THIS,
        "target_product": "L2F",
        "export_original_files": True,
        "cloud_cover": 30,
    },
)

如果想检查流程图：

sen2like.flat_graph()

2.3 提交任务与状态跟踪

job = conn.create_job(sen2like.flat_graph()).start_job()

job.status()

重新连接后也可以通过任务 ID 追踪：

job_id = "d8cfad0e-b2ec-476e-887d-f96f6c21d8f5"  # 替换为你的任务 ID
job = conn.job(job_id)

查看日志：

job.logs(level="info")

2.4 下载结果

results = job.get_results()
metadata = results.get_metadata()

列出资产：

metadata["assets"]

示例（.SAFE 压缩包通常会在资产中出现）：

metadata["assets"]["LS8_OLIL2F_20240119T025648_N0405_R123_T49RGM_20260123T171151.SAFE"]

3. 辅助数据

在 openEO 中运行 Sen2Like 时，输入数据与大部分辅助数据由后端自动提供。常见包括：

1. Sentinel-2 / Landsat-8 / Landsat-9 输入影像。
2. CAMS 气象与大气相关参数：
   • 550nm 总气溶胶光学厚度（AOD）
   • 总柱水汽（TCWV）
   • 平均海平面气压（MSLP）
   • 总柱臭氧等
3. Sentinel-2 参考影像（用于几何相关处理）。
4. DEM（用于地形相关处理）。

你可以把精力集中在参数设置和质量控制上，而无需大量前置数据处理。

4. 实践建议

1. target_product 选择：

   • 更关注空间细节可优先尝试 L2F。
   • 更关注稳健一致性可先从 L2H 开始。

2. cloud_cover 建议分场景测试：

   • 多云区可适度放宽（如 30-50）。
   • 干旱区可适度收紧（如 10-20）。

3. 先小范围试跑再全域生产：

   • 先验证时序连续性、异常值与几何一致性。

4. 下载后统一做二次质检：

   • 检查关键波段、时间序列跳变与空间接边。

5. 参考链接

• Sen2Like: https://github.com/senbox-org/sen2like
• Copernicus: https://www.copernicus.eu/
• openEO: https://openeo.cloud/
• L2H/L2F: https://sentinels.copernicus.eu/sentinel-data-access/sentinel-products/copernicus-sentinel-2-msi-level-2h-and-level-2f-1