Google Earth Engine（GEE）——利用插值方法解决影像去云后的空缺/填充/弥补方法详细讲解（拉萨区域为例）

本篇文章重点要解决的 问题就是，很多时候我们无论是在小区域内的单景影像或者是中大尺度的影像，更或是长时间序列的影像研究中，很多情况下我们会因为云量筛选等因素，或多或少的存在影像空白而缺少值，因此如何处理这些问题，我们今天就来解决。

我们现在主要面临的问题主要是，在影像去云之后，会留下很多的空白，那么我们如何实现插值的方式实现影像的弥补呢？其实，原理很简单，主要的方式就是，分别利用同一区域的影像，分别通过前后同一时间的影像的中值来弥补这些影像。

简单的说，就是通过一幅有云的影像时间位2020年，去云后有一部分空洞，但是我们通过该地区的2019年的前一幅影像和2021年的影像通过两者影像的合并并求取真值即可用来弥补影像。