Atmospheric Rayleigh Scattering Correction of Sentinel 2 Imagery using ESA SNAP

The availability of multiple processing levels of satellite imagery products, either in the free or commercialized domain, by multi-national government agencies or private companies has made imagery utilization for many applications easier than ever. 

Take Sentinel-2 imagery as an example, it is been delivered to the public as multi-level data products. You can get L1c products that only radiometric and geometrically corrected, or higher level L2a which the data has been processed to reflectance unit, furthermore it is already atmospherically corrected. So we don't talk about Top of Atmosphere reflectance anymore, we talk about surface reflectance. 

However, all this easiness should not make us became lazy person alright?. It is important that remote sensing users know how to do atmospheric correction either in the practical or theoretical domain. Without deep knowledge of remote sensing theories, all of your image processing and analysis skills cant be trusted in order to get the right analysis products. You are prone to wrong analysis workflow or sequences. So it is important. 

Atmospheric correction is one of the most complex matters in remote sensing analysis. It ranges from "simple practical workflow but has limited use" like dark object subtraction algorithm to more tedious and physical like 6S or ATCOR. It ranges from the need to remove haze for more accurate image classification to predict the reflectance values that closely matched the spectrometer measurement in the field, in order to pursue the pure pixels of linear spectral unmixing. 

And in this article, I have a video tutorial for you that looking for a simple workflow to remove haze. Why haze should remove? I am sure you can get the answers by re-read again your remote sensing textbooks. in this article, I just want to show you how, and thank me later. 

Ketersediaan berbagai  produk citra satelit, baik dalam domain gratis maupun yang dikomersialkan, oleh lembaga pemerintah multinasional atau perusahaan swasta telah membuat pemanfaatan citra untuk banyak aplikasi menjadi lebih mudah dari sebelumnya.

Ambil citra Sentinel-2 sebagai contoh, citra tersebut telah dikirimkan ke publik sebagai produk data multi-level. Anda bisa mendapatkan produk L1c yang hanya terkoreksi radiometrik dan geometrik, atau L2a level lebih tinggi yang datanya, dan telah diproses menjadi satuan reflektansi, dan juga sudah terkoreksi atmosferik. Jadi kita tidak lagi berbicara tentang Top of Atmosphere reflectance, kita berbicara tentang surface reflectance.

Namun, semua kemudahan ini seharusnya tidak membuat kita menjadi orang yang malas, oke ?. Penting bagi pengguna penginderaan jauh untuk mengetahui cara melakukan koreksi atmosfer baik dalam domain praktis maupun teoretis. Tanpa pengetahuan mendalam tentang teori penginderaan jauh, semua keterampilan pemrosesan dan analisis Anda tidak dapat dipercaya untuk mendapatkan produk analisis yang tepat. Anda rentan terhadap alur kerja atau urutan analisis yang salah. Jadi itu penting.

Koreksi atmosfer adalah salah satu masalah paling kompleks dalam analisis penginderaan jauh. Ini berkisar dari metode simpel seperti algoritma dark object subtraction hingga yang lebih rumit dan bersifat fisik seperti 6S atau ATCOR. Ini berkisar dari kebutuhan untuk menghilangkan kabut untuk klasifikasi gambar yang lebih akurat untuk memprediksi nilai reflektansi yang sangat cocok dengan pengukuran spektrometer di lapangan, untuk mengejar piksel murni dalam metode linear spectral unmixing.

Dan dalam artikel ini, saya memiliki video tutorial untuk Anda yang mencari alur kerja sederhana untuk menghilangkan kabut dari citra satelit. Mengapa kabut harus dihilangkan? Saya yakin Anda bisa mendapatkan jawabannya dengan membaca kembali buku teks penginderaan jauh Anda. dalam artikel ini, saya hanya ingin menunjukkan caranya, dan berterima kasihlah kepada saya nanti.