陆地处理器是佛得角的核心元素

的 陆路处理器使用基于物理模型的技术，所谓” 生物物理处理 ”。帆和展望模型是模型的核心要素，模拟了模型的反射率 作物冠层(Verhoef, 1984, Verhoef, 1985, Jacquemoud & Baret, 1990)。SAIL/PROSPECT模型的关联非常成功，并已在许多作物上得到验证(Jacquemoud & al, 2009)。卫星观测通过整个 通过使用专用云模型（使用云光学特性和Henyey-Greenstein相位函数Thiny-MedioStein相位函数的Powted云模型（ThineId介质模型）完成，进行大气传输的柱和大气传输的建模。在 佛 ,这些模型的每一部分都在不断地改进，以提高整体的鲁棒性和准确性。该范围还定期扩大新的作物和新的传感器添加到处理心脏。用户可以找到已应用的建模版本在他/她的包裹的元数据中对他/她的订阅（例如“FM02”）。

地面处理的原则是将场景和 大气模型 为了通过最小化技术执行该组合模型的反转，使卫星图像转换为大气（TOA）辐射作为输入的顶部。这种方法的优点是在（Verhoef＆Bach，2003）中讨论过这种方法。可以在Geoland2 Meris产品的算法理论基础文件（ATBD）中找到普遍算法的详细描述（Poilvé，2010）。在这种情况下，它们被应用于处理低分辨率的MERIS数据（15 VNIR带/ 300米）。

我们的Verde服务使用最适合农业应用程序的公共可用图像,即哨兵2A/2B和Landsat 8，以及我们的星座图像(现货6/7和Pléiades1a/ 1b），以改善空间分辨率和重新审视。 赖地图可以从所有这些资源中产生，然而呢 叶绿素地图只由Sentinel 2A/2B数据提供。丰富的光谱 哨兵2A/2B传感器(13波段)允许稳健地检索这些信息。处理的分辨率取决于用户对分辨率的选择(“通用”或“分辨率”，见第二部分层数、传感器、云层、分辨率)。这是通过空间增强的多分辨率处理技术类似于一个泛锐化技术，但集成在生物物理处理。

的 陆路 处理器，内置大气模型，执行自动大气校正和自动掩蔽厚云和黑暗阴影。如果场绘制掩模区域超过最大分数（例如30％，可定制），则从一系列观测中丢弃地图。应用质量规则也导致丢弃的条件，如雪覆盖或洪水野外（米除外）。

作为 佛使用来自各种卫星来源的图像,不同的几何表现和不同的原生决议，一个协同配准步骤已添加到处理，以确保一个完美的覆盖内所有观察 时间序列，无论他们的 源传感器。它消除了人们在浏览卫星图像时间序列时可以观察到的移位。该功能利用了一个专有的地面控制点数据库(阿特拉斯技术之一)， Intelligence在全球范围内建立并每年更新。

Verde处理链已迁移到云(谷歌云平台)，可以通过触发 API调用。服务背后的基础设施被设计为最大的可伸缩性和最优性能，因为激活的虚拟机数量与给定时间点的请求数量成正比¹。