OPERA 辐射地形校正 SAR 后向散射数据（基于 Sentinel-1 验证产品）（版本 1）

先给遥感领域的读者们介绍一个实用数据产品：OPERA Radiometric Terrain Corrected SAR Backscatter from Sentinel-1 validated product (Version 1），也就是基于 Sentinel-1 验证数据生成的辐射地形校正 SAR 后向散射产品。简单说，它把雷达回波信号做了地形归一化处理，让你能更干净地提取地表粗糙度、土壤湿度、植被覆盖这些物理信息。数据源头是哥白尼 Sentinel-1 的干涉宽幅（IW）单视复合（SLC）数据，覆盖范围近乎全球，时间分辨率与 S1 SLC 数据的采集节奏同步。

每个产品对应一次 S1 雷达脉冲，投影到预定义的 UTM/极地立体投影网格上，分辨率 30 米。地形校正和地理编码依赖的参考 DEM 是哥白尼 GLO-30。通过辐射地形校正，原始雷达亮度 β₀ 被转换成后向散射系数 γ₀，并完成归一化。产品以云优化 GeoTIFF 格式分发，每个极化方向一个文件；元数据则用 HDF5 格式存储。

由于 S1 卫星轨道管较窄，入射角、局部入射角、观测次数、RTC 区域归一化因子（ANF）等雷达几何参数随时间变化很小，所以被当作静态参数处理。这些静态参数不会每景都重新生成，只会在 DEM 更新、轨道变化或算法升级时重新计算。它们被单独放在另一个产品包——OPERA Sentinel-1 静态参数验证产品（版本 1）里。使用时需要留意，两个产品是配套的。

另外，本产品包含修改后的哥白尼哨兵数据（2014–2026 年）。OPERA 项目由 NASA 卫星需求工作组（SNWG）资助，主要面向美国政府机构用户的需求。

下面直接进入实操环节，用 Python 调取数据。先装好依赖库：

!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassify

导入库，读取数据清单：

import pandas as pd
import leafmap

url = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="	")
df

登录 Earthdata 账号：

leafmap.nasa_data_login()

搜索静态参数产品（OPERA_L2_RTC-S1-STATIC_V1），指定空间范围、时间窗口，并返回所有结果：

results, gdf = leafmap.nasa_data_search(
    short_name="OPERA_L2_RTC-S1-STATIC_V1",
    cloud_hosted=True,
    bounding_box=(-165.68, 34.59, -98.1, 71.28),
    temporal=("2017-07-20", "2017-08-08"),
    count=-1,  # -1 表示返回全部数据集
    return_gdf=True,
)

gdf.explore()

leafmap.nasa_data_download(results[:5], out_dir="data")

注意：最后一行 leafmap.nasa_data_download(results[:5], out_dir="data") 会下载前 5 个数据到本地。如果只是想预览，可以先不执行。整个流程下来，你就能拿到经过辐射地形校正的 Sentinel-1 后向散射数据，直接用于后续分析。