Series temporales de síntesis mensuales Sentinel-2 en La Península Ibérica

=>

Como se anunció hace unos meses, nuestro procesador de síntesis mensual para datos Sentinel-2, WASP, se ha integrado a las instalaciones de procesamiento del centro de datos terrestres THEIA en el CNES, en la primavera de 2019. Por lo tanto, ahora estamos ampliando las zonas donde procesamos la síntesis mensual.

How to query Theia catalog to find Level 3A products over Spain

Después de Francia, los primeros países que añadimos son España, Portugal y Andorra, y ahora Italia, nos complace presentar nuestras primera síntesis mensual de nivel 3Ade alta calidad de reflectividad superficial de toda la Península Ibérica, válidas para agosto y septiembre de 2019. Vamos a producirlas cada mes. En cuanto a los productos estándar de Nivel 1C y Nivel 2A de Sentinel2, el producto de nivel-3A se divide en granules de 110*110 km, y está disponible para todas las bandas espectrales de Sentinel-2, excepto las bandas atmosféricas (B1, B9, B10). Este conjunto de datos puede descargarse gratuitamente del sitio web de Theia, utilizando la siguiente solicitud:

https://theia.cnes.fr/atdistrib/rocket/#/search?q=Spain&collection=SENTINEL2&processingLevel=LEVEL3A

Si el idioma de su navegador es el francés, utilice el siguiente enlace:

https://theia.cnes.fr/atdistrib/rocket/#/search?q=Espagne&collection=SENTINEL2&processingLevel=LEVEL3A

También, cada mes, solemos crear un mosaico de estos granules, con fines de visualización, utilizando únicamente las bandas espectrales Rojo, Verde y Azul, con una resolución de 20m (los productos Theia Level-3A están disponibles con una resolución de 10m). Este mosaico muestra la calidad de la síntesis: de costumbre, una síntesis mensual está plagada de artefactos, pero los que tenemos aquí son muy tenues, gracias al método de media ponderada contenido en WASP. Sin embargo, el mosaico no está completamente libre de nubes, ya que Sentinel2 no consiguió obtener una observación libre de nubes en Asturias, pero, bueno, la gente que ha estado allí sabe lo difícil que es, incluso de agosto.

 

Haga clic en la imagen para ampliarla a una resolución de 20 metros y comparar los mosaicos de los diferentes meses. ¿Encontrarás las 1000 diferencias?

 

Para tener una descripción detallada de los métodos detrás de WASP, por favor lea el enlace que se proporciona a continuación. En pocas palabras, el WASP (Weighted Average Synthesis Processor) calcula una media ponderada de la reflectividad superficial de las observaciones sin nubes de Sentinel-2 recogidas durante 46 días, centradas en el día 15 de cada mes. Este proceso se basa en la calidad de la corrección atmosférica y, sobre todo, en la detección de nubes obtenida del procesador MAJA L2A .

https://www.cesbio.cnrs.fr/multitemp/theias-sentinel-2-l3a-monthly-cloud-free-syntheses/

(He traducido en Castellano con mis pocos recuerdos de mis cursos, con la ayuda de DeepL translator, y sobre todo de Milena Planells del CESBIO).

Plus d'actualités

Sentinel-2 reveals the surface deformation after the 2025 Myanmar earthquake

Sentinel-2 captured several clear-sky images of Myanmar before and after the 28 March 2025 earthquake. The animation below shows a 5-day apart sequence of images captured by Sentinel-2B and Sentinel-2C (10 m resolution) near the epicenter located close to Mandalay. The surface slip due to the earthquake follows the Sagaing Fault, a major fault in […]

Evolution de l’altitude de la ligne de neige au cours des 41 dernières années dans le bassin versant du Vénéon (Oisans)

Pour contribuer à caractériser les conditions hydrométéorologiques lors de la crue torrentielle qui a frappé la Bérarde en juin, j’ai analysé une nouvelle série de cartes d’enneigement qui couvre la période 1984-2024 [1]. Grâce à la profondeur temporelle de cette série, on constate que l’altitude de la ligne de neige dans le bassin versant du […]

Biophysical parameter retrieval from Sentinel-2 images using physics-driven deep learning for PROSAIL inversion

The results presented here are based on published work: Y. Zérah, S. Valero, and J. Inglada. « Physics-constrained deep learning for biophysical parameter retrieval from sentinel-2 images: Inversion of the prosail model« , in Remote Sensing of Environment, doi: 10.1016/j.rse.2024.114309. This work is part of the PhD of Yoël Zérah, supervised by Jordi Inglada and Silvia Valero. […]

Rechercher