单期光学 + Sentinel-1 SAR 融合（破单期光谱瓶颈，免费）
何时用
- 用户有单期光学影像(Sentinel-2/GF)做作物分类，玉米/大豆/花生等夏季作物混分、OA 低(~0.45)，且"每年只有一期"。
- 已实证：某项目区单期 S2(7月初) 光学-only OA=0.457 / Macro-F1=0.446；叠加 S1 VV+VH(dB) 后 OA=0.638 / Macro-F1=0.559（同 94 样本、同分层 5 折 CV、cross_val_predict 无泄漏）。
- 杠杆比"加样本"大一个量级（加样本 37→94 仅 +0.015）。S1 免费、6 天重访、易配到光学邻近时相。
核心流程
- 取光学影像(S2)的 UTM 边界 → pyproj 转 WGS84，得到 S1 检索 bbox。
- 检索 S1 GRD：
https://planetarycomputer.microsoft.com/api/stac/v1/search，collections=sentinel-1-grd，bbox+datetime(±7天)。选 bbox 完整覆盖目标 且日期离光学最近的 VV+VH 场景（其余常缺边角）。 - 签名取数（坑）：POST
/api/sas/v1/sign对本集合部分资产返回 404；改用 GET.../sign?href=<urlencode(asset_href)>即可拿到带 SAS 的下载地址。 - 直接用 rasterio 打开签名后的远程 COG（vsicurl），
rio.warp.reproject把 VV/VH 重采样配准到光学网格(EPSG:32651, 10m, 同 transform)。COG 只读窗口，不必整景落盘（整景 VV~644MB / VH~554MB）。 - dB 转换：PC S1 GRD 测量值是线性 gamma0 →
db = 10*log10(lin)，其中lin>0才有效（值>0 说明是线性；若拿到已是负 dB 需改公式）。 - 特征 = 光学( B,G,R,N, NDVI,GNDVI,NDWI ) + S1( vv_db, vh_db, vv_db−vh_db )。
- RF(n_estimators=300) 分层 5 折 CV，和光学-only 做 A/B；全量训练出融合分类图。
关键坑 / 边界
- S1 对"大棚/温室"无判别力（无 SAR 特征差异），对"大豆 vs 玉米"因结构相似帮助有限；对 玉米/水稻/花生/林地 提升明显（结构/湿度维）。
- 签名 SAS 有有效期，签名后尽快在同进程内完成取数。
- 远程 COG reproject 需放开沙箱联网（dangerouslyDisableSandbox:true）；整景重投影可能几分钟。
- 公平对比：A/B 必须用同一批样本、同一 random_state 的 CV，cross_val_predict 防泄漏。
- 真正分离玉米/大豆仍需多期或 PS-DCS（8月窗口）；S1 是"单期约束下"的最优杠杆之一，不是万能。
产物
<区>_S1融合_分类.tif/png、混淆矩阵_S1融合.png、S1融合_各类F1对比.png、自包含 HTML 报告、metrics.json。
