रिमोट सेंसिंग में अंशांकन और सुधार को भेद करना कभी-कभी मुश्किल होता है, क्योंकि हम माप पर पूर्ण नियंत्रण के साथ एक प्रयोगशाला में नहीं हैं। इसलिए दोनों अक्सर मिश्रित होते हैं।
Sensu सख्त, रेडियोमेट्रिक कैलिब्रेशन सेंसर माप से भौतिक मात्रा में रूपांतरण है। रिमोट सेंसिंग में, सेंसर वातावरण के शीर्ष से एक चमक को माप रहा है। इसलिए छवि प्रदाता अंक संख्या (डीएन) से चमक में परिवर्तित करने के लिए अंशांकन गुणांक भी प्रदान करता है। क्योंकि हम सूर्य से आने वाली प्रकाश ऊर्जा की मात्रा पर भरोसा कर सकते हैं, चमक अक्सर एक परावर्तन मूल्यों (क्योंकि 0 और एक से बंधे के साथ काम करने में आसान) में सामान्यीकृत है, इसलिए यह कदम भी अंशांकन का हिस्सा हो सकता है। इसलिए अंशांकन आपको एक परावर्तन मूल्य प्रदान करता है, लेकिन यह वायुमंडल के शीर्ष (TOA) पर परावर्तन है।
वास्तव में, घटना प्रकाश का अनुपात जो वास्तव में मनाया वस्तु द्वारा परिलक्षित होता है, विभिन्न कारकों (मुख्य रूप से स्थलाकृति और वायुमंडलीय मोटाई) से प्रभावित होता है। टीओए को मापा जाने वाले प्रतिबिंबों को इसलिए सही करने की आवश्यकता है यदि आपको पूर्ण मूल्यों की आवश्यकता है। यह स्वयं सेंसर पर निर्भर नहीं करता है, इसलिए मैं इस मामले में अंशांकन के बारे में बात नहीं करूंगा: आपको चंदवा के शीर्ष मूल्यों का अनुमान लगाने के लिए टीओए द्वारा मापा मूल्यों को सही करने की आवश्यकता है।
आपके प्रश्न का उत्तर देने के लिए, मैं इस प्रकार कहूंगा कि DOS एक सुधार पद्धति है और DN to TOA प्रतिबिंब एक अंशांकन है। डॉस को एक स्थिर अंधेरे वस्तु की आवश्यकता होती है जहां आप मान सकते हैं कि परिवर्तनशीलता वायुमंडलीय शोर के कारण है, जिसे ढूंढना मुश्किल है।
EDIT: लैंडसैट वायुमंडलीय सुधार के बारे में अधिक जानकारी के लिए, मैं LEDAPS (Masek et al, 2013) की सलाह देता हूं , सेंटिनल -2 के लिए, अलग-अलग एल्गोरिदम प्रस्तावित किए गए हैं और मैं अभी तक एक निश्चित उत्तर नहीं दे सकता हूं। SEN2COR का बहुत उपयोग किया जाता है, और MAJA महान है यदि आप समय श्रृंखला (लैंडसेट के लिए, वैसे) के साथ काम करते हैं।