核心用法
本 Skill 是一款面向遥感水质监测的 Python CLI 工具，通过解析多光谱卫星影像计算水体质量参数。核心工作流包含三种模式：
1. 自动下载模式：仅需提供 --bbox 边界框坐标与 --date-range 日期范围，即可从 Microsoft Planetary Computer 自动检索并下载 Sentinel-2 影像数据，无需申请 API 密钥；
2. 本地文件模式：用户可指定本地 GeoTIFF 格式的红光和绿光波段栅格文件（必选），可选叠加近红外（NIR）和短波红外（SWIR）波段以增强分析维度；
3. 混合模式：结合 AOI 文件（GeoJSON 格式）实现不规则区域的水质监测。
典型命令行调用包括基础双波段反演、四波段综合评估，以及带自定义输出目录的完整工作流。输出结果包含机器可读的 JSON 指标文件、可视化 HTML 报告及运行元数据清单，便于后续分析与存档。
显著优点
数据获取零门槛：深度集成 Microsoft Planetary Computer 公有数据平台，省去繁琐的数据申请与授权流程，实现全球 Sentinel-2 档案数据的即时调用。专业级反演算法：内置基于红光-绿光波段组合的经典水质参数反演模型，支持 NDWI、NDVI 及浊度代理指数的衍生计算，满足科研级精度要求。灵活的工作流设计：向后兼容的 CLI 接口支持从原始波段到成品的完整处理链，亦允许用户介入中间环节进行自定义预处理。标准化输出体系：三重输出文件（JSON/HTML/Manifest）兼顾自动化 pipeline 集成与人工审阅需求，JSON 结构便于对接 GIS 平台与数据库系统。
潜在缺点与局限性
数据源单一依赖：当前仅支持 Sentinel-2 MSI 传感器数据，对于需要更高时间分辨率（如每日覆盖）或云区频繁的目标区域，数据可用性受限。波段配置刚性：红光和绿光为强制输入项，部分特殊应用场景（如高浑浊水体或清澈寡营养湖泊）可能需要定制化波段组合，内置模型普适性存疑。空间分辨率约束：Sentinel-2 原生 10-60 米分辨率对于小型水体（如城市景观湖、养殖池塘）的精细化监测可能存在混合像元问题。离线计算瓶颈：大规模时序分析时，本地栅格运算可能面临内存与计算效率挑战，缺乏分布式处理选项。
适合的目标群体
- 环境科研工作者：需要快速获取标准化水质反演指标用于论文写作与趋势分析；
- 水利与环保部门：开展流域-scale 的富营养化监测、水华预警等常态化业务；
- 遥感应用开发者：作为数据预处理模块集成至更大的地球观测数据 pipeline；
- 高校教学场景：为遥感水环境、地理信息系统课程提供即开即用的实践工具。
使用风险与注意事项
数据质量风险：自动下载依赖云量筛选策略，未明确披露 QA 处理逻辑，用户需自行验证云污染与大气校正 adequacy。缓存管理：默认使用 ~/.geoskill_cache 存储中间数据，长期运行可能导致磁盘空间膨胀，建议定期清理或指定专用缓存目录。坐标系统一性：输入 --bbox 要求严格的 WGS-84 坐标，与本地栅格文件的投影一致性需用户自行保证，混用易引发配准错误。版本依赖：Python 环境及 GDAL/rasterio 等关键库的版本兼容性需提前验证，复杂依赖链可能增加部署难度。