同一个景，按处理深度分为几级，价格与用途完全不同。采购时如果只写「要影像」，交付的可能是原始数据，也可能是正射产品，验收时容易扯皮。
| 级别 | 处理内容 | 能不能量测 | 典型用途 |
|---|---|---|---|
| L0 / 原始数据 | 仅解压与分景，未做辐射与几何处理 | 不能 | 自行做全流程处理（需专业软件） |
| L1A / L1B | 辐射校正 + 传感器几何校正，带 RPC | 粗略 | 常规判读、自己做正射 |
| L1C | 正射几何校正 + 表观反射率（未做大气校正） | 可以 | 底图、目视判读、快速成图 |
| L2A | L1C + 大气校正，输出地表反射率 | 可以 | 植被指数、水质反演、时序分析 |
| L3 / DOM | 镶嵌、匀色、裁剪分幅后的正射影像图 | 可以 | GIS 底图、成果交付 |
| DSM / DEM | 立体匹配得到的高程模型（DEM 需滤波去建筑植被） | 可以 | 地形分析、洪水淹没、土方 |
把 DN 值转成有物理意义的辐亮度或表观反射率。不做定标，两台相机、两个日期的数据没法比。定标系数由运营商定期更新，用错版本会带来系统性偏差。
去掉大气分子散射、气溶胶散射与水汽吸收的影响，把表观反射率还原成地表反射率。做定量反演（NDVI 时序、水质、地表温度）必须做；只做目视判读可以不做。常用算法：6S、FLAASH、Sen2Cor、QUAC。
用 DEM 消除地形起伏造成的投影差，用控制点消除系统几何误差，使每个像元都有准确坐标。山区项目如果没有高精度 DEM，正射后的影像在陡坡处仍会有几十米的位移——这不是软件问题，是数据问题。
把全色的空间细节注入多光谱，得到高分辨率彩色影像。代价是光谱失真，所以定量分析要用融合前的多光谱数据。融合算法选 GS 或 NNDiffuse，交付前检查植被区是否偏色、建筑边缘是否发糊。
多景拼接的难点不是「拼」，是「颜色一致」。工序是：几何配准 → 辐射归一 → 接边线选择（沿道路河流走，不切穿建筑）→ 匀色羽化。不做匀色，成果会呈现明显「补丁感」，既不能发布也不能做时序对比。
能做的：多时相合成取最晴像元、云检测与掩膜插值、薄云去除、SAR 融合补缺。不能做的：厚云下面没有信息，任何算法都「去不掉」，只能换时相或换数据源。交付去云产品时，应同时提供原始数据与云掩膜，让客户知道哪些像元是「算出来的」。
L2A 是「经过几何校正 + 大气校正的表面反射率产品」：在 L1C（正射几何校正、大气表观反射率）基础上，用大气校正算法（Sen2Cor、MAJA 等）去掉气溶胶与大气吸收影响，输出地表反射率（BOA）。做植被指数、水质反演、时序对比必须用 L2A；只做目视判读与底图，L1C/L1A 就够。
大气校正把「卫星测到的表观反射率」还原成「地表真实反射率」，去掉大气分子散射、气溶胶散射与水汽吸收的影响。不做的后果：同一地物在不同日期、不同气溶胶条件下的数值不一样，时序分析全是假变化；水体与暗地物的偏差尤其大（可达 30% 以上）。做定量反演必须校正，做目视判读可以不做。
两步不同的工序：辐射定标是把 DN 值转成辐亮度或表观反射率，用的是传感器定标系数（去传感器差异）；大气校正是把表观反射率转成地表反射率，用的是大气参数（去大气影响）。顺序固定：先定标、后校正。只做定标不做校正，数据可比性仍然不够。
DOM（数字正射影像）是经过几何纠正 + 地形改正的影像：用 DEM 消除地形起伏引起的投影差，用控制点消除系统误差，使影像上的每个像元都有准确的地理坐标，可以直接量测距离与面积。DOM 是所有 GIS 底图的标准产品；没有做正射的影像只能看，不能量。
DEM 是「裸地表高程」——去掉建筑、植被后的地面高程；DSM 是「最表层高程」——包含建筑屋顶与树冠。用途不同：洪水淹没、坡度分析、土方计算要用 DEM；城市三维、日照分析、通信覆盖要用 DSM。用立体像对匹配直接得到的是 DSM，要得到 DEM 必须做「滤波去建筑植被」。
镶嵌四步：① 几何配准——把所有景统一到同一坐标系与投影，接边误差控制在 1—2 个像元；② 辐射归一——用直方图匹配或回归把不同时相/角度的亮度拉平；③ 接边线选择——沿道路、河流、地块边界等自然特征走线，避免切穿建筑；④ 匀色与羽化——接边处做渐变过渡。大区域镶嵌的难点从来不是拼，是「颜色一致」。
匀色是让整幅镶嵌图的色调统一：消除景与景之间的亮度差、色偏与「补丁感」。常用方法有直方图匹配、Wallis 滤波、MODIS 参考影像匀色。不做匀色的后果是明显「一块深一块浅」，既影响判读，也不适合对外发布。匀色会轻微改变光谱值，做定量反演要用匀色前的数据。
按矢量边界（SHP/KML/GeoJSON）裁剪最准确，且要确保矢量与影像在同一坐标系、同一基准面。常见错误：① 用屏幕手绘的矩形框裁剪，边界与行政界线不符；② 矢量是 CGCS2000 而影像是 WGS84，差几十米；③ 裁剪时没留缓冲，边缘像元被切断。规范做法是「先投影统一、再按要素类裁剪、外扩 1—2 个像元」。
CGCS2000 与 WGS84 在厘米级上一致（差异小于 0.1 米），常规项目可直接互转，用七参数或直接当作相同基准。关键是投影：CGCS2000 常用高斯-克吕格 3 度带（带号 25—45）或 6 度带，要选对中央子午线与带号，否则会出现几百米的偏移。转换用 PROJ/GDAL、ArcGIS 的投影工具或南方 CASS，转换后必须用控制点验证。
两者基准不同（WGS84 是地心坐标系，西安 80 是参心坐标系），不能直接换投影，必须做基准转换：用至少 3 个（最好 5 个以上）公共点的七参数（Bursa-Wolf 模型）求解，残差要检查。没有公共点时只能用全国或区域转换参数，精度在米级。转换后务必用检查点验证，别直接交付。
UTM 是通用横轴墨卡托：全球分 60 个 6 度带、每带中央经线比例因子 0.9996、统一东偏 500 km，适合跨国/全球数据；高斯-克吕格是我国测绘标准：3 度带或 6 度带、中央经线比例因子 1.0、东偏 500 km 且带带号，适合国内大比例尺成图。国内项目交付一般用高斯-克吕格（CGCS2000 3 度带），国外数据或全球分析用 UTM。
四条路：① 多时相合成——用一段时间内多期影像取「最晴像元」合成（如 Sentinel-2 月度合成），最常用；② 云检测 + 掩膜——用 Fmask、sen2cor 的云概率波段把云与云影标出来再插值；③ SAR 融合——用 SAR 补光学缺失区域；④ 薄云去除——用暗像元法、HOT 或深度学习去薄云。厚云下面没有信息，任何算法都「去不掉」，只能换时相。
会。薄云去除本质是「估计并减去云的贡献」，属于有损处理：反射率值会被改变，在植被指数与定量反演上引入偏差（NDVI 可能偏移 0.02—0.05）。建议：目视判读与底图可以用去云结果；定量分析要用原始数据 + 云掩膜，或改用无云时相。交付时应同时提供「去云版」与「原始版」。
没有「最好」，只有「适合」：GS（Gram-Schmidt）保光谱最好、最常用；Brovey快但易偏色；PCA适合多波段但光谱失真明显；小波/Curvelet细节好、计算量大；深度学习（如 Pansharpening GAN）在建筑边缘表现好但需要训练数据。实务默认用 GS 或 NNDiffuse，交付前看两处：植被区色偏、建筑边缘是否「发糊」。
融合（Pan-sharpening）是把高分辨率全色（如 0.5 米）的空间细节注入低分辨率多光谱（如 2 米）的光谱信息，得到 0.5 米彩色影像。原理是：全色波段覆盖多光谱的波长范围，两者高度相关，用数学变换把全色的高频分量替换多光谱对应分量，再做逆变换。代价是光谱失真——融合后不能直接用于定量反演，除非做光谱保真处理。
常见四种：GeoTIFF（最通用，带地理标签，GIS/ENVI/ArcGIS 都认）、IMG（ERDAS 格式）、JPEG2000（压缩率高，适合大区域交付）、NetCDF/HDF（科学数据，多波段时序常用）。国内交付默认 GeoTIFF + RPC + PRJ + 元数据 XML；要 ENVI 或 PCI 格式可转换。注意：JPEG2000 是有损压缩，做定量分析要用无损或 GeoTIFF。
几何校正是大类：用多项式、共线方程等模型消除影像的几何变形，把像元放到正确位置；正射校正是几何校正的特例：在几何校正基础上，再用 DEM 消除地形起伏造成的投影差，使影像成为「正射投影」。平地项目两者差别不大，山区差别很大——不做正射，陡坡上的地物会偏移几十米，无法量算。
提供目标区域坐标（或范围文件）与时间窗口，我们可先做存档免费检索，确认有无可用影像及云量情况，再决定采购或编程拍摄。
报价说明：亚米级高分辨率影像按平方公里计价（25 km² 起订）；中低分辨率多按景计价。具体价格随卫星、时相、云量与采购方式浮动，需按实际需求核算。详见 按面积购买规则 与 按景购买规则。