GEE必须会教程—Sentinel数据去云

经过前面两期有关Landsat数据的去云处理,我们已经知道,去云的过程其实是比较简单的,主要有两种方法,加入是该数据集的大气层顶反射率数据即TOA数据,我们采用GEE平台封装的算法ee.Algorithms.Landsat.simpleCloudScore进行计算即可,而如果是其他数据,则需要采用数据集特有的云层质量监测波段QA,通过按位操作来进行处理,详情见上两期:

(1)Landsat去云处理(旧):http://t.csdnimg.cn/kLf45icon-default.png?t=N7T8http://t.csdnimg.cn/kLf45

(2)Landsat去云处理(新):http://t.csdnimg.cn/1xp1ticon-default.png?t=N7T8http://t.csdnimg.cn/1xp1t

今天我们要聊一个新的数据集的去云方法,它的去云方法和Landsat的SR数据一样,需要采用QA质量波段进行处理,唯一的不同点在于QA波段的不同,因此在代码上只需要修改该部分即可。该数据集为哥白尼计划的哨兵数据(Sentinel)。

一、学习目标

掌握Sentinel-2数据的去云方法

二、数据介绍

Sentinel-2数据即哨兵2号数据,为哥白尼计划的重要组成部分,共有两颗多光谱高分辨率卫星,分别于2015年和2017年发射升空,主要用于陆地表面监测。

三、代码分享

A.Sentinel-2 数据去云

由于去云要查看QA质量波段,先查阅SR数据的云信息存储波段:

查阅波段后我们发现,哨兵数据相对于陆地卫星数据,其qa质量波段变为QA60,共有11个bit位存储信息,其中Bit 10 为不透明云信息,Bit 11为高层的卷云信息。去云代码将在此处完成更改。接下来,上完整的SR数据代码:

//Sentinel-SR数据
var geometry = ee.Geometry.Polygon([[[7.431681385689433,46.118785560758724],
                                     [8.887369862251932,46.118785560758724],
                                     [8.887369862251932,46.74347083070587],
                                     [7.431681385689433,46.74347083070587],
                                     [7.431681385689433,46.118785560758724]]])
Map.centerObject(geometry,7);
//影像访问和调用
function maskS2clouds(image) {
  var qa = image.select('QA60');

  // Bits 10 and 11 are clouds and cirrus, respectively.
  var cloudBitMask = 1 << 10;
  var cirrusBitMask = 1 << 11;

  // Both flags should be set to zero, indicating clear conditions.
  var mask = qa.bitwiseAnd(cloudBitMask).eq(0)
      .and(qa.bitwiseAnd(cirrusBitMask).eq(0));

  return image.updateMask(mask).divide(10000);
}

var dataset = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')
                  .filterDate('2020-07-01', '2020-07-30').filterBounds(geometry)
                  // Pre-filter to get less cloudy granules.
                  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE',20))
                  .map(maskS2clouds);

var visualization = {
  min: 0.0,
  max: 0.3,
  bands: ['B4', 'B3', 'B2'],
};
Map.addLayer(dataset.mean(), visualization, 'RGB');

从这里我们可以看出哨兵三号数据的去云方法与Landsat的去云方法类似,区别在于该数据可以在访问数据集时直接调用波段“Cloudy_PIXEL_PERCENTAGE"先对云层进行预处理,再进行进一步的去云操作:

以上是关于哨兵2号数据的去云方法分享,希望对大家有帮助!

今天的分享到此结束,谢谢大家!

  • 13
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
GEEGoogle Earth Engine)是一种基于计算的地理信息处理平台,而Landsat则是一系列卫星数据,用于地球表面的观测和监测。 在使用GEE进行遥感数据处理时,如何去除是一个关键问题。的存在对地表观测数据造成干扰,降低数据的质量和精度。GEE提供了一些方法和工具,可以帮助用户在处理Landsat数据时去除。 首先,GEE提供了一种称为掩膜(Cloud Masking)的技术。这种技术利用Landsat数据中的信息,通过算法或规则将区域标记出来,然后用户可以根据标记的区域进行进一步处理。通过掩膜,可以有效降低对观测数据的干扰。 其次,GEE还提供了基于多时相数据对影像的去除方法。通过比较多个时间点的Landsat影像,可以发现在多个时间点上都存在的覆盖区域,并将其识别为。这种方法可以减少由于的遮挡导致的数据缺失和噪声。 此外,GEE还支持用户进行覆盖率的计算和分析。用户可以利用GEE提供的工具,对Landsat影像中的覆盖区域进行统计和可视化。通过分析覆盖率的空间和时间变化,可以了解特定地区的分布情况,从而更好地利用Landsat数据。 综上所述,GEE在Landsat数据处理中提供了多种方法来去除,包括掩膜和基于多时相数据对影像去除等。这些方法可以帮助用户减少对地表观测数据的干扰,提高数据的质量和准确性。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值