【GEE】Sentinel-2 数据 实现官方云概率数据集高效去云、NDVI指数计算、同期影像合并、批量导出操作

---

一、前言

---

GEE官方提供了一个云概率数据集 【点击链接可跳转至详情网页】，该数据集中仅有一个波段

其中，针对该波段的官方描述是这样的：

S2 cloud probability 是使用 Sentinel2-cloud- detector 库（使用 LightGBM）创建的。在应用梯度增强基础算法之前，所有频段均使用双线性插值上采样至 10m 分辨率。生成的 0…1 浮点概率缩放为 0…100 并存储为 UINT8。缺少任何或所有条带的区域被遮盖掉。较高的值更有可能是云或高反射表面（例如屋顶或雪）。

---

二、GEE利用 云概率数据集 对哨兵影像进行去云

传统的 QA60 波段位运算去云函数

 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);
}

为了进一步去除细碎云、细小云可进一步利用 S2 cloud probability 数据集进行去云操作

//提取云概率波段的函数，并制作掩膜数据
function rmcloudByProbability(image,thread){
   
  var prob = image.select("probability");
  return image.updateMask(prob.lte(thread));
}

//数据集合并函数
function getMergeImages(primary, secondary){
   
  var join = ee.Join.inner();
  var filter = ee.Filter.equals({
   
    leftField: "system:index",
    rightField: "system:index",
  });
  var joinCol = join.apply(primary, secondary, filter);
  joinCol = joinCol.map(function(image){
   
    var img1 = ee.Image(image.get("primary"));
    var img2 = ee.Image(image.get("secondary"));
    return img1.addBands(img2);
  });
  return ee.ImageCollection(joinCol);
}

//设定时间间隔 
var dates=['2023-01-11','2023-01-30'];
var startDate = ee.Date(dates[0]);
var endDate = ee.Date(dates[1]);

var S2_images1 = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')
                  .filterDate(startDate,endDate)
                  .filterBounds(roi);
var S2_images2 = ee.ImageCollection("COPERNICUS/S2_CLOUD_PROBABILITY")
                  .filterDate