Google Earth Engine ——在GEE中如何使用 QA 波段和位掩码（部分影像数据去云）！

大多数光学卫星图像产品都带有一个或多个 QA 波段，允许用户评估每个像素的质量并提取满足其要求的像素。QA 波段最常见的应用是提取有关多云像素的信息并对其进行屏蔽。但是 QA 波段包含大量其他信息，可以帮助您从分析中删除低质量数据。通常，QA 波段中包含的信息存储为按位标志。在这篇文章中，我将介绍与按位运算相关的基本概念，以及如何使用位掩码提取和屏蔽特定质量指标。

在这篇文章中，我们将使用MOD11A1.006 Terra Land Surface Temperature and Emissivity Daily Global 1km数据集。但是这些概念和代码片段可以很容易地应用于任何其他数据集。查看波段元数据，我们看到该LST_Day_1km波段伴随着一个QC_Day包含 LST 质量指标的波段。

了解 QA 标志

该QC_day频带包含 8 位信息。这意味着像素值的范围可以从 0 到 255。该波段中存储了 4 个不同的指标，每个指标有 4 个值。这些值的每种组合都会产生不同的 8 位数字，并存储在输出中。我们可以通过一个具体的例子来了解如何解释这些 QA 位。假设您将QC_Day波段添加到地图并检查了一个像素。该像素的值为145。这是什么意思？值 145 是每个 QA 标志设置为特定值的结果。

提示：使用这个方便的十进制到二进制转换器来了解数字的二进制表示，反之亦然。

下图将值分解为位对，并显示了如何解释它们。

了解位掩码

假设您要查询 QA 波段的所有像素，其中位 4-5 设置为特定值。您将需要提取存储在位 4-5 中的信息，同时忽略所有其他位。这可以使用Bitmask来实现。简单地说，位掩码将保留感兴趣位中的信息并将所有其他值设置为 0。

可以使用左移 (<<) 和右移 (>>) 运算符创建位掩码。GEE API提供leftShift()与rightShift()功能ee.Image()和ee.Number()。一旦创建了位掩码，就可以使用bitwiseAnd() 函数将其应用于输入图像。下面是提取特定位的 GEE API 函数。

​
// Helper function to extract the values from specific bits
// The input parameter can be a ee.Number() or ee.Image()
// Code adapted from google earth engine - Creating Cloud free images out of a MOD09A1 MODIS image in GEE? - Geographic Information Systems Stack Exchange
var bitwiseExtract = function(input, fromBit, toBit) {
  var maskSize = ee.Number(1).add(toBit).subtract(fromBit)
  var mask = ee.Number(1).leftShift(maskSize).subtract(1)
  return input.rightShift(fromBit).bitwiseAnd(mask)
}
​

要理解这段代码，请看下图。我们将继续上一节中的示例，并尝试通过回答以下问题来了解该算法的工作原理：数字 145 中第 4 位和第 5 位的值是多少？

屏蔽低质量数据

现在让我们把所有这些放在一起，看看我们如何从 MODIS LST 图像中屏蔽低质量数据。我们的目标是使用QC_day波段并从图像中提取所有像素LST_Day_1km

• QA 标志（位 0-1）为0或1（LST 以良好和其他质量影像）
• 数据质量标志（位 2-3）为 0（良好的数据质量）
• LST 错误标志（位 6-7）为0（平均 LST 错误 ≤ 1K）

var modisLST = ee.ImageCollection("MODIS/006/MOD11A1")
var lsib = ee.FeatureCollection("USDOS/LSIB_SIMPLE/2017")
var australia = lsib.filter(ee.Filter.eq('country_na', 'Australia'))
var geometry = australia.geometry()
var terra = modisLST
  .filter(ee.Filter.date('2001-01-01', '2010-01-01'))
  .select('LST_Day_1km','QC_Day');
   
// Get a single image for testing
var image = ee.Image(terra.first())
var lstDay = image.select('LST_Day_1km')
var qcDay = image.select('QC_Day')
// Let's extract all pixels from the input image where
// Bits 0-1 <= 1 (LST produced of both good and other quality)
// Bits 2-3 = 0 (Good data quality)
// Bits 4-5 Ignore, any value is ok
// Bits 6-7 = 0 (Average LST error ≤ 1K)
var qaMask = bitwiseExtract(qcDay, 0, 1).lte(1)
var dataQualityMask = bitwiseExtract(qcDay, 2, 3).eq(0)
var lstErrorMask = bitwiseExtract(qcDay, 6, 7).eq(0)
var mask = qaMask.and(dataQualityMask).and(lstErrorMask)
var lstDayMasked = lstDay.updateMask(mask)  
var visParams = {min:13000, max:16000, palette: ['green', 'yellow', 'red']}
Map.addLayer(lstDay.clip(geometry), visParams, 'Original LST Image');
Map.addLayer(lstDayMasked.clip(geometry), visParams, 'LST Masked');

原始图像与mask图像

您还可以将此代码包装在一个函数中并map() 将其覆盖在一个集合上，以使用相同的条件屏蔽所有图像。这是显示如何使用附加注释执行此操作的完整脚本。
https://code.earthengine.google.co.in/e21636e7db4a3f757be2f51ed261719fhttps://code.earthengine.google.co.in/e21636e7db4a3f757be2f51ed261719f