增加坡度计算

Flexbrdf/Flex_brdf.py

@@ -16,265 +16,57 @@ from Flexbrdf.hytools.masks import mask_create
 warnings.filterwarnings("ignore")
 np.seterr(divide='ignore', invalid='ignore')
 
-# Default configuration values
-DEFAULT_CONFIG = {
-    'file_type': 'envi',
-    'num_cpus': 16,
-    'bad_bands': [],
-    'corrections': [],
-    'resample': False,
-    'resampler': {'type': 'cubic', 'out_waves': []},
-    'export': {
-        'coeffs':True,
-        'image': True,
-        'masks': False,
-        'subset_waves': [],
-        'output_dir': './output/',
-        'suffix': 'BRDF'
-    },
-    'brdf': {
-        'type': 'flex',
-        'grouped': True,
-        'geometric': 'li_dense_r',
-        'volume': 'ross_thick',
-        'b/r': 2.5,
-        'h/b': 2.0,
-        'sample_perc': 0.1,
-        'interp_kind': 'linear',
-        'calc_mask': [
-            ['water', {'band_1': 850, 'band_2': 660,"threshold": 290}],
-            ['kernel_finite', {}],
-            ['ancillary', {'name': 'sensor_zn', 'min': 0.03490658503988659, 'max': 'inf'}]
-        ],
-        'apply_mask': [
-            ['water', {'band_1': 850, 'band_2': 660,"threshold": 290}]
-        ],
-        'bin_type': 'dynamic',
-        'num_bins': 18,
-        'ndvi_bin_min': 0.05,
-        'ndvi_bin_max': 1.0,
-        'ndvi_perc_min': 10,
-        'ndvi_perc_max': 95,
-        'solar_zn_type': 'scene'
-    },
-    # 'topo': {
-    #     'type': 'scs+c',
-    #     'calc_mask': [
-    #         ['ndi', {'band_1': 850, 'band_2': 660, 'min': 0.05, 'max': 1.0}],
-    #         ['kernel_finite', {}],
-    #         ['ancillary', {'name': 'sensor_zn', 'min': 0.03490658503988659, 'max': 'inf'}]
-    #     ],
-    #     'apply_mask': [
-    #         ['ndi', {'band_1': 850, 'band_2': 660, 'min': 0.05, 'max': 1.0}]
-    #     ],
-    #     'sample_perc': 0.1,
-    #     'subgrouped': False,
-    #     'subgroup': {}
-    # },
-    # 'glint': {
-    #     'type': 'hochberg',
-    #     'correction_band': 560,
-    #     'deep_water_sample': {},
-    #     'calc_mask': [
-    #         ['ndi', {'band_1': 550, 'band_2': 2150, 'min': -1, 'max': 0}],
-    #         ['kernel_finite', {}]
-    #     ],
-    #     'apply_mask': [
-    #         ['ndi', {'band_1': 550, 'band_2': 2150, 'min': -1, 'max': 0}]
-    #     ]
-    # }
-}
-
-def build_config_from_args(args):
-    """从命令行参数构建配置字典"""
-    # 自动发现输入文件
-    input_files = []
-    if os.path.isdir(args.input_dir):
-        # 支持的文件扩展名
-        extensions = ['.tif', '.tiff', '.envi', '.img', '.dat']
-        for file in os.listdir(args.input_dir):
-            if any(file.lower().endswith(ext) for ext in extensions):
-                input_files.append(os.path.join(args.input_dir, file))
-    else:
-        input_files = [args.input_dir] if os.path.isfile(args.input_dir) else []
-
-    if not input_files:
-        raise ValueError(f"No input files found in {args.input_dir}")
-
-    # 自动生成anc_files
-    anc_files = {}
-    for input_file in input_files:
-        base_name = os.path.splitext(os.path.basename(input_file))[0]
-        # 根据文件名模式生成对应的angles文件路径
-        # 例如: 2025_9_2_3_53_45_202592_35252_0_rad_geo_corrected_reflectance.dat
-        # 对应的angles文件: 2025_9_2_3_53_45_202592_35252_0_rad_rgbxyz_geo_registered_angles.bip
-        parts = base_name.split('_')
-        if len(parts) >= 9:  # 确保有足够的parts
-            anc_base = f"{parts[0]}_{parts[1]}_{parts[2]}_{parts[3]}_{parts[4]}_{parts[5]}_{parts[6]}_{parts[7]}_{parts[8]}_rad_rgbxyz_geo_angles_registered"
-            # 确保路径分隔符统一使用反斜杠（Windows）
-            anc_dir_clean = args.anc_dir.replace('/', '\\')
-            anc_path = os.path.join(anc_dir_clean, anc_base + ".bip")
-            # 确保最终路径格式正确
-            anc_path = os.path.normpath(anc_path)
-
-            if os.path.exists(anc_path):
-                # 生成完整的anc_files字典结构
-                anc_files[input_file] = {
-                    "path_length": [anc_path, 0],
-                    "sensor_az": [anc_path, 9],
-                    "sensor_zn": [anc_path, 8],
-                    "solar_az": [anc_path, 7],
-                    "solar_zn": [anc_path, 6],
-                    "phase": [anc_path, 0],
-                    "slope": [anc_path, 0],
-                    "aspect": [anc_path, 0],
-                    "cosine_i": [anc_path, 0],
-                    "utc_time": [anc_path, 0]
-                }
-            else:
-                # 如果找不到对应的angles文件，使用默认的obs文件
-                obs_path = os.path.join(args.anc_dir, base_name + "_obs")
-                if os.path.exists(obs_path):
-                    anc_files[input_file] = obs_path
-
-    # 构建配置字典
-    config_dict = DEFAULT_CONFIG.copy()
-    config_dict.update({
-        'input_files': input_files,
-        'anc_files': anc_files,
-        'file_type': 'envi',  # 假设都是ENVI格式
-        'num_cpus': args.num_cpus,
-        'bad_bands': args.bad_bands if args.bad_bands else [],
-        'corrections': args.corrections if args.corrections else [],
-        'export': {
-            'coeffs': args.export_coeffs,
-            'image': args.export_image,
-            'masks': args.export_masks,
-            'subset_waves': args.subset_waves if args.subset_waves else [],
-            'output_dir': args.output_dir,
-            'suffix': args.suffix
-        }
-    })
-
-    # 根据命令行参数更新BRDF配置
-    if 'brdf' in args.corrections:
-        brdf_config = config_dict['brdf'].copy()
-        if hasattr(args, 'brdf_type') and args.brdf_type:
-            brdf_config['type'] = args.brdf_type
-        if hasattr(args, 'grouped') and args.grouped is not None:
-            brdf_config['grouped'] = args.grouped
-        if hasattr(args, 'geometric') and args.geometric:
-            brdf_config['geometric'] = args.geometric
-        if hasattr(args, 'volume') and args.volume:
-            brdf_config['volume'] = args.volume
-        if hasattr(args, 'num_bins') and args.num_bins:
-            brdf_config['num_bins'] = args.num_bins
-        config_dict['brdf'] = brdf_config
-
-    # 根据命令行参数更新TOPO配置
-    if 'topo' in args.corrections:
-        topo_config = config_dict['topo'].copy()
-        if hasattr(args, 'topo_type') and args.topo_type:
-            topo_config['type'] = args.topo_type
-        config_dict['topo'] = topo_config
-
-    # 根据命令行参数更新Glint配置
-    if 'glint' in args.corrections:
-        glint_config = config_dict['glint'].copy()
-        if hasattr(args, 'glint_type') and args.glint_type:
-            glint_config['type'] = args.glint_type
-        config_dict['glint'] = glint_config
-
-    return config_dict
 
 def main():
-    parser = argparse.ArgumentParser(description="High-resolution image correction with automatic configuration")
+    parser = argparse.ArgumentParser(description="FlexBRDF - 只接受JSON配置文件输入")
+    parser.add_argument('config', help='JSON配置文件路径 (例如: config.json)')
+    
+    args = parser.parse_args()
+    
+    # 检查配置文件是否存在
+    if not os.path.exists(args.config):
+        print(f"错误: 配置文件不存在: {args.config}")
+        sys.exit(1)
+    
+    # 检查是否为JSON文件
+    if not args.config.endswith('.json'):
+        print("错误: 只接受JSON格式的配置文件")
+        sys.exit(1)
+    
+    # 加载JSON配置
+    try:
+        with open(args.config, 'r', encoding='utf-8') as f:
+            config_dict = json.load(f)
+    except json.JSONDecodeError as e:
+        print(f"错误: JSON配置文件格式错误: {e}")
+        sys.exit(1)
+    except Exception as e:
+        print(f"错误: 无法读取配置文件: {e}")
+        sys.exit(1)
 
-    # 必需参数
-    parser.add_argument('input_dir', help='Input directory containing image files or single image file path')
-    parser.add_argument('anc_dir', help='Ancillary directory containing angle/obs files')
-    parser.add_argument('--output-dir', required=True, help='Output directory for corrected images')
+    # 验证必需的配置字段
+    required_fields = ['input_files', 'anc_files', 'corrections', 'export']
+    missing_fields = [f for f in required_fields if f not in config_dict]
+    if missing_fields:
+        print(f"错误: 配置文件缺少必需字段: {', '.join(missing_fields)}")
+        print("必需字段包括: input_files, anc_files, corrections, export")
+        sys.exit(1)
 
-    # 可选参数 - 基本设置
-    parser.add_argument('--num-cpus', type=int, default=16, help='Number of CPUs to use (default: 4)')
-    parser.add_argument('--bad-bands', nargs='*', type=int, default=[], help='Bad band indices to exclude')
-
-    # 校正类型
-    parser.add_argument('--corrections', nargs='*', choices=['topo', 'brdf', 'glint'],
-                       default=['brdf'], help='Correction types to apply (default: brdf)')
-
-    # BRDF参数
-    parser.add_argument('--brdf-type', choices=['universal', 'flex'], default='flex',
-                       help='BRDF correction type (default: flex)')
-    parser.add_argument('--grouped', action='store_true', default=True,
-                       help='Group images for BRDF correction (default: True)')
-    parser.add_argument('--no-grouped', action='store_false', dest='grouped',
-                       help='Do not group images for BRDF correction')
-    parser.add_argument('--geometric', default='li_dense_r',
-                       choices=['li_sparse', 'li_dense', 'li_dense_r', 'roujean'],
-                       help='Geometric kernel type (default: li_dense_r)')
-    parser.add_argument('--volume', default='ross_thick',
-                       choices=['ross_thin', 'ross_thick', 'hotspot', 'roujean'],
-                       help='Volume kernel type (default: ross_thick)')
-    parser.add_argument('--num-bins', type=int, default=18,
-                       help='Number of NDVI bins for FlexBRDF (default: 18)')
-
-    # TOPO参数
-    parser.add_argument('--topo-type', default='scs+c',
-                       choices=['scs', 'scs+c', 'c', 'cosine', 'mod_minneart'],
-                       help='TOPO correction type (default: scs+c)')
-
-    # Glint参数
-    parser.add_argument('--glint-type', default='hochberg',
-                       choices=['hochberg', 'gao', 'hedley'],
-                       help='Glint correction type (default: hochberg)')
-
-    # 输出选项
-    parser.add_argument('--export-coeffs', action='store_true', default=True,
-                       help='Export correction coefficients')
-    parser.add_argument('--export-image', action='store_true', default=True,
-                       help='Export corrected images (default: True)')
-    parser.add_argument('--export-masks', action='store_true', default=True,
-                       help='Export correction masks (default: True)')
-    parser.add_argument('--subset-waves', nargs='*', type=float, default=[],
-                       help='Subset of wavelengths to export (empty for all)')
-    parser.add_argument('--suffix', default='corrected',
-                       help='Suffix for output files (default: corrected)')
-    parser.add_argument('--output-config', type=str, default=None,
-                       help='Output current configuration to JSON file')
-
-    # 向后兼容：如果只有一个参数且是JSON文件，则使用传统模式
-    if len(sys.argv) == 2 and sys.argv[1].endswith('.json'):
-        config_file = sys.argv[1]
-        with open(config_file, 'r') as outfile:
-            config_dict = json.load(outfile)
-    else:
-        args = parser.parse_args()
-        config_dict = build_config_from_args(args)
-
-    # 如果指定了输出配置选项，则输出配置到JSON文件
-    if hasattr(args, 'output_config') and args.output_config:
-        print(f"Outputting configuration to {args.output_config}...")
-        # 重新排序配置字典以匹配期望的格式
-        ordered_config = {
-            "bad_bands": config_dict.get("bad_bands", []),
-            "file_type": config_dict.get("file_type", "envi"),
-            "input_files": config_dict.get("input_files", []),
-            "anc_files": config_dict.get("anc_files", {}),
-            "num_cpus": config_dict.get("num_cpus", 4),
-            "export": config_dict.get("export", {}),
-            "corrections": config_dict.get("corrections", []),
-            "brdf": config_dict.get("brdf", {}),
-            "topo": config_dict.get("topo", {}),
-            "glint": config_dict.get("glint", {}),
-            "resample": config_dict.get("resample", False),
-            "resampler": config_dict.get("resampler", {"type": "cubic", "out_waves": []})
-        }
-        with open(args.output_config, 'w', encoding='utf-8') as f:
-            json.dump(ordered_config, f, indent=2, ensure_ascii=False)
-        print("Configuration output complete.")
-        return  # 如果只是输出配置，则退出程序
+    # 设置默认值
+    config_dict.setdefault('file_type', 'envi')
+    config_dict.setdefault('num_cpus', 16)
+    config_dict.setdefault('bad_bands', [])
+    config_dict.setdefault('resample', False)
+    config_dict.setdefault('resampler', {'type': 'cubic', 'out_waves': []})
 
+    print(f"=" * 60)
+    print(f"FlexBRDF 图像校正工具")
+    print(f"=" * 60)
+    print(f"配置文件: {args.config}")
+    print(f"输入文件数量: {len(config_dict['input_files'])}")
+    print(f"校正类型: {', '.join(config_dict['corrections'])}")
+    print(f"输出目录: {config_dict['export']['output_dir']}")
+    print(f"=" * 60)
     print("Starting image correction process...")
     total_start = time.time()
 

Flexbrdf/examples/configs/1.json

@@ -0,0 +1,167 @@
+{
+   "input_files": [
+      "D:/BaiduNetdiskDownload/20250902/_3_52_52/rad2geo/R/2025_9_2_3_53_45_202592_35252_0_rad_geo_corrected_reflectance.dat",
+      "D:/BaiduNetdiskDownload/20250902/_3_52_52/rad2geo/R/2025_9_2_3_53_45_202592_35252_1_rad_geo_corrected_reflectance.dat"
+   ],
+   "file_type": "envi",
+   "bad_bands": [],
+   "num_cpus": 2,
+   "anc_files": {
+      "D:/BaiduNetdiskDownload/20250902/_3_52_52/rad2geo/R/2025_9_2_3_53_45_202592_35252_0_rad_geo_corrected_reflectance.dat": {
+         "path_length": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_0_rad_rgbxyz_geo.bip_with_angles.bip",
+            0
+         ],
+         "sensor_az": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_0_rad_rgbxyz_geo.bip_with_angles.bip",
+            9
+         ],
+         "sensor_zn": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_0_rad_rgbxyz_geo.bip_with_angles.bip",
+            8
+         ],
+         "solar_az": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_0_rad_rgbxyz_geo.bip_with_angles.bip",
+            7
+         ],
+         "solar_zn": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_0_rad_rgbxyz_geo.bip_with_angles.bip",
+            6
+         ],
+         "phase": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_0_rad_rgbxyz_geo.bip_with_angles.bip",
+            0
+         ],
+         "slope": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_0_rad_rgbxyz_geo.bip_with_angles.bip",
+            0
+         ],
+         "aspect": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_0_rad_rgbxyz_geo.bip_with_angles.bip",
+            0
+         ],
+         "cosine_i": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_0_rad_rgbxyz_geo.bip_with_angles.bip",
+            0
+         ],
+         "utc_time": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_0_rad_rgbxyz_geo.bip_with_angles.bip",
+            0
+         ]
+      },
+      "D:/BaiduNetdiskDownload/20250902/_3_52_52/rad2geo/R/2025_9_2_3_53_45_202592_35252_1_rad_geo_corrected_reflectance.dat": {
+         "path_length": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_1_rad_rgbxyz_geo.bip_angles.bip",
+            0
+         ],
+         "sensor_az": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_1_rad_rgbxyz_geo.bip_angles.bip",
+            9
+         ],
+         "sensor_zn": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_1_rad_rgbxyz_geo.bip_angles.bip",
+            8
+         ],
+         "solar_az": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_1_rad_rgbxyz_geo.bip_angles.bip",
+            7
+         ],
+         "solar_zn": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_1_rad_rgbxyz_geo.bip_angles.bip",
+            6
+         ],
+         "phase": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_1_rad_rgbxyz_geo.bip_angles.bip",
+            0
+         ],
+         "slope": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_1_rad_rgbxyz_geo.bip_angles.bip",
+            0
+         ],
+         "aspect": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_1_rad_rgbxyz_geo.bip_angles.bip",
+            0
+         ],
+         "cosine_i": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_1_rad_rgbxyz_geo.bip_angles.bip",
+            0
+         ],
+         "utc_time": [
+            "D:/BaiduNetdiskDownload/20250902/_3_52_52/BRDF/angle/test/2025_9_2_3_53_45_202592_35252_1_rad_rgbxyz_geo.bip_angles.bip",
+            0
+         ]
+      }
+   },
+   "corrections": [
+      "brdf"
+   ],
+   "topo": {
+      "type": "scs+c",
+      "calc_mask": [],
+      "apply_mask": [],
+      "c_fit_type": "nnls"
+   },
+   "brdf": {
+      "type": "flex",
+      "grouped": true,
+      "geometric": "li_dense_r",
+      "volume": "ross_thick",
+      "b/r": 2.5,
+      "h/b": 2.0,
+      "sample_perc": 0.1,
+      "interp_kind": "linear",
+      "calc_mask": [
+         [
+            "water",
+            {
+               "band_1": 850,
+               "band_2": 660,
+               "threshold": 290.0
+            }
+         ],
+         [
+            "kernel_finite",
+            {}
+         ],
+         [
+            "ancillary",
+            {
+               "name": "sensor_zn",
+               "min": 0.034907,
+               "max": 1000000.0
+            }
+         ]
+      ],
+      "apply_mask": [
+         [
+            "water",
+            {
+               "band_1": 850,
+               "band_2": 660,
+               "threshold": 290.0
+            }
+         ]
+      ],
+      "bin_type": "dynamic",
+      "num_bins": 18,
+      "ndvi_bin_min": 0.05,
+      "ndvi_bin_max": 1.0,
+      "ndvi_perc_min": 10,
+      "ndvi_perc_max": 95,
+      "solar_zn_type": "scene"
+   },
+   "glint": {
+      "type": "hochberg",
+      "correction_wave": 2150,
+      "apply_mask": []
+   },
+   "export": {
+      "coeffs": true,
+      "image": true,
+      "masks": true,
+      "subset_waves": [],
+      "output_dir": "E:/code/hytools-master/hytools-master/data/output",
+      "suffix": "brdf_glint"
+   },
+   "resample": false
+}

Flexbrdf/hytools/topo/原理.md

@@ -0,0 +1,186 @@
+基于 Flexbrdf/hytools/topo 目录下的代码，我来详细解释地形校正的原理。
+
+地形校正原理详解
+地形校正（Topographic Correction）的目的是消除地形起伏（坡度、坡向）对高光谱图像反射率的影响。由于太阳光入射角度在不同坡度和坡向上的变化，同一地物在不同地形位置会呈现不同的辐射亮度，地形校正就是要将这种差异归一化到水平地表的条件。
+
+一、核心概念：入射角余弦（cosine i）
+地形校正的核心是计算入射角余弦（cosine of incidence angle），即太阳光线与地表法线之间夹角的余弦值。
+
+计算公式（在 topo.py:53）：
+
+cosine_i = np.cos(solar_zn)*np.cos(slope) + np.sin(solar_zn)*np.sin(slope)*np.cos(relative_az)
+其中：
+
+solar_zn：太阳天顶角（太阳光线与垂直方向的夹角）
+solar_az：太阳方位角
+slope：地面坡度
+aspect：地面坡向
+relative_az = aspect - solar_az：相对方位角
+物理意义：
+
+当 cosine_i = 1 时，太阳光垂直照射地面（正午水平地表）
+当 cosine_i < 1 时，太阳光斜射，照度降低
+背阴坡 cosine_i 较小，向阳坡 cosine_i 较大
+二、支持的5种地形校正方法
+1. Cosine 校正（余弦校正）
+原理：最简单的地形校正方法，假设地表为朗伯体（各向同性反射）。
+
+校正公式（cosine.py:50）：
+
+c_factor = cos_solar_zn / cos_i
+cos_solar_zn：水平地表的太阳天顶角余弦
+cos_i：实际地表的入射角余弦
+校正效果：
+
+corrected_reflectance = original_reflectance × (cos_solar_zn / cos_i)
+特点：
+
+简单快速
+假设地表是理想朗伯体，对非朗伯体（如植被）校正过度
+2. SCS 校正（Sun-Canopy-Sensor）
+原理：考虑森林冠层对地形影响的简化模型，基于 "cosine i" 但增加坡度因子。
+
+校正公式（scs.py:51）：
+
+c_factor = (cos_slope × cos_solar_zn) / cos_i
+与 Cosine 方法的区别：
+
+增加了 cos_slope 项（坡度余弦）
+考虑了坡度对观测路径的影响
+适用场景：森林覆盖区域
+
+3. C 校正（C-Correction）
+原理：在 Cosine 校正基础上增加一个经验系数 C，用于调整非朗伯体效应。
+
+校正公式（c.py:177）：
+
+correction_factor = (cos_sz + C) / (cosine_i + C)
+其中 C 系数的计算过程（c.py:42-76）：
+
+对每个波段，建立反射率与 cosine_i 的线性关系：
+
+ρ = slope × cos_i + intercept
+通过最小二乘拟合（OLS）或非负最小二乘（NNLS）求解
+
+计算 C 系数（Soenen et al. 2005, Eq. 8）：
+
+C = intercept / slope
+物理意义：C 值越大，表示地表越接近朗伯体，校正强度越接近 Cosine 方法；C 值越小，校正越保守。
+
+拟合方法选择（c_fit_type）：
+
+ols：普通最小二乘（Ordinary Least Squares）
+nnls：非负最小二乘（Non-Negative Least Squares）
+wls：加权最小二乘（Weighted Least Squares）
+4. SCS+C 校正（推荐用于森林）
+原理：结合 SCS 和 C 校正的优势，是目前森林地形校正的主流方法（Soenen et al. 2005, IEEE TGRS）。
+
+计算步骤（scsc.py）：
+
+计算 c1 因子：
+
+c1 = cos(solar_zn) × cos(slope)
+计算 C 系数（与 C 校正相同，通过线性回归）
+
+综合校正因子（scsc.py:115-125）：
+
+correction_factor = (c1 + C × cos_slope) / (cos_i + C)
+为什么有效：
+
+SCS 部分处理冠层-地形几何关系
+C 部分调整非朗伯体效应
+相比单独使用 SCS 或 C 校正，能更好地保持植被反射率的一致性
+5. Modified Minnaert 校正（改进的 Minnaert）
+原理：基于 Minnaert 指数的半经验方法，区分植被和非植被区域进行不同强度的校正（Richter et al. 2009）。
+
+算法流程（modminn.py:46-83）：
+
+计算调整后的太阳天顶角：
+
+if solar_zn < 45°:    solar_zn_t = solar_zn + 20°
+if 45° ≤ solar_zn ≤ 55°: solar_zn_t = solar_zn + 15°
+if solar_zn > 55°:     solar_zn_t = solar_zn + 10°
+NDVI 掩膜分类：
+
+植被区（NDVI > 0.2）
+非植被区（NDVI ≤ 0.2）
+计算基础校正因子：
+
+factor = cos_i / cos(solar_zn_t)
+分区应用不同指数：
+
+区域	短波（<720nm）	长波（≥720nm）
+非植被
+factor^(1/2)
+factor^(1/2)
+植被
+factor^(3/4)
+factor^(1/3)
+限幅处理：
+
+factor = np.clip(factor, 0.25, 1.0)
+阈值控制：当入射角小于调整后的太阳天顶角时不进行校正
+
+特点：
+
+自适应不同地物类型
+区分短波和长波有不同的散射特性
+通过指数控制校正强度，避免过度校正
+三、地形校正的工作流程
+从 topo.py:104-154 可以看出地形校正的完整流程：
+
+1. 设置地形参数（set_topo）
+         ↓
+2. 生成计算掩膜（calc_mask）
+         ↓
+3. 计算校正系数（calc_*_coeffs）
+   - 遍历每个波段（跳过坏波段）
+   - 根据选定的算法类型计算校正因子
+         ↓
+4. 应用校正（apply_*）
+   - 支持多种数据切分方式：line/column/band/chunk/pixels
+四、关键配置参数
+参数	类型	说明	适用算法
+type
+str
+校正算法类型
+所有
+calc_mask
+list
+计算校正系数的掩膜条件
+所有
+apply_mask
+list
+应用校正的掩膜条件
+所有
+c_fit_type
+str
+C系数拟合方法：ols/nnls/wls
+c, scs+c
+sample_perc
+float
+采样比例（用于分组计算）
+分组计算时
+五、算法选择建议
+场景	推荐算法	理由
+裸土/岩石
+Cosine 或 C
+地表接近朗伯体
+森林植被
+SCS+C
+考虑冠层几何，校正效果最好
+草地/灌木
+SCS
+简单有效
+混合地物
+Modified Minnaert
+自适应不同地物
+需要精确结果
+C 或 SCS+C + 分组计算
+按NDVI分组计算C系数
+六、参考文献
+SCS+C 方法：Soenen, S. A., Peddle, D. R., & Coburn, C. A. (2005). SCS+C: A Modified Sun-Canopy-Sensor Topographic Correction in Forested Terrain. IEEE TGRS, 43(9), 2148-2159.
+
+方法比较：Richter, R., Kellenberger, T., & Kaufmann, H. (2009). Comparison of topographic correction methods. Remote Sensing, 1(3), 184-196.
+
+C 校正：Teillet, P. M., Guindon, B., & Goodenough, D. G. (1982). On the slope-aspect correction of multispectral scanner data. Canadian Journal of Remote Sensing, 8(2), 84-106.