核心用法
本技能为遥感影像大气校正专业工具，主要功能是将多光谱卫星影像的数字量化值（DN）或大气顶层反射率（TOA）转换为地表反射率（Surface Reflectance）。用户可通过命令行接口选择两种校正算法：DOS（Dark Object Subtraction） 适用于快速预处理场景，通过低分位数像元估计大气路径辐射并扣除；6s-simplified（简化6S辐射传输） 则在DOS基础上增加波长相关的瑞利散射光学厚度校正，更精确模拟蓝光至红光的散射差异。工具内置Landsat 8、Sentinel-2及通用传感器的完整波段元数据（中心波长、太阳大气外辐照度ESUN），支持真实影像处理与--synthetic合成数据模拟模式，后者可在无网络环境下生成物理一致的测试数据用于算法验证。
显著优点
算法权威性：依托USGS Collection 2与ESA官方开放的卫星数据源，ESUN参数引用Chander et al. 2009等经典文献，确保辐射定标基准的国际认可度。离线隐私保障：完全本地化计算，无网络依赖，敏感地理数据不上传云端，符合科研数据安全合规要求。工程友好性：输出标准化GeoTIFF（EPSG:4326）与JSON参数文件，便于接入GDAL、QGIS、Google Earth Engine等后续处理链条。--synthetic模式支持零样本开发测试，降低真实数据获取门槛。参数透明可审计：correction_params.json完整记录逐波段暗目标DN、ρ_dark、ESUN等中间参数，满足遥感产品质量追溯需求。
潜在缺点与局限性
简化6S非完整辐射传输：当前实现仅含瑞利散射项，未纳入气溶胶散射、水汽吸收、臭氧吸收等关键大气参数，高光学厚度或污染地区精度受限。传感器覆盖有限：仅预置Landsat 8/9与Sentinel-2元数据，MODIS、Planet、高分系列等国产卫星需手动配置通用传感器参数。无交互式质量检查：缺乏可视化云检测、水体掩膜、异常值标记等QA/QC功能，用户需自行判断校正结果合理性。合成数据物理简化：模拟影像假设朗伯地表与标准大气，真实场景的BRDF效应、地形阴影、邻域效应未建模。
适合的目标群体
遥感科研用户：从事植被指数时序分析、地表温度反演、生态参数定量估算的研究生与科研人员。GIS数据预处理工程师：需要批量生产标准地表反射率产品以支撑土地利用分类、变化检测项目的遥感数据处理人员。教育培训机构：遥感原理课程中用于演示大气辐射传输机制、对比不同校正算法差异的教学辅助工具。农业/环保部门分析师：基于开放卫星数据进行作物长势监测、水体富营养化评估等业务的基层技术岗位。
常规使用风险
计算性能：大区域多波段影像（如Sentinel-2 L1C 100km×100km）numpy-rasterio全内存处理可能引发内存溢出，建议分块处理或降采样测试。依赖项版本：rasterio与GDAL底层绑定，跨平台（Windows/macOS/Linux）环境配置可能存在驱动冲突，建议使用conda-forge预编译包。辐射定标前置：输入若为原始DN值，用户需确保已完成传感器定标至TOA反射率或辐亮度的预处理步骤，否则校正基准错误。太阳角度参数：未指定solar-zenith时工具使用固定默认值，高纬度冬季或大时间跨度时序分析需手动输入精确几何参数以避免系统偏差。合成数据误用风险：--synthetic模式输出仅供算法验证，直接用于科研发表需声明数据性质。