基于GEE使用Sentinel-2数据进行云掩膜及可视化研究

总体介绍

这段代码利用Google Earth Engine（GEE）处理Sentinel-2地表反射率数据，通过去除云层、裁剪感兴趣区域（ROI），并对处理后的数据进行可视化显示。

数据集

• COPERNICUS/S2_SR_HARMONIZED: 这是Sentinel-2地表反射率数据集，提供10米分辨率的地表反射率数据。该数据集包含多个波段及质量评估信息，用于分析地表特征。

流程和功能

1. 定义研究区和时间范围:将研究区定义为 geometry，并设置时间范围为2020年9月25日至26日。

2. 去云处理:

   • 定义一个函数 maskS2clouds，利用质量评估波段（QA60）去除云层像元。
   • 通过位移运算去除云层和卷云覆盖的像元。

3. 加载和筛选Sentinel-2数据集:

   • 加载Sentinel-2地表反射率数据集，并根据日期、地理范围和云覆盖率进行筛选。
   • 将满足条件的影像标记为来自Sentinel-2的数据源。
   • 应用去云处理函数 maskS2clouds，获取处理后的影像集合。

4. 可视化处理结果:

   • 定义可视化参数，选择波段并设定数据范围。
   • 将处理后的影像集合的平均值添加到地图上进行显示。
   • 将原始影像集合和去云处理后的影像集合分别添加到地图上，以便进行比较。

5. 输出筛选结果:

   • 输出满足筛选条件的影像数量，并打印每个影像的时间戳。
   • 将站点位置（zhandian）添加到地图上，以黄色标记显示。

运行结果

• 可视化：生成并显示处理后的Sentinel-2地表反射率影像，去除了云层干扰，并将影像裁剪到指定的感兴趣区域。
• 影像处理：去除了云层干扰，裁剪到指定区域，显示了特定波段的组合。
• 地图显示：在地图上显示处理后的影像、感兴趣区域和站点位置，便于用户进行进一步的分析和研究。
• 输出信息：打印了满足筛选条件的影像数量及每个影像的时间戳，便于了解数据的时间分布。

完整代码：

// 定义研究区，并将定义的研究区显示在下方中间
var geometry = table;
Map.centerObject(geometry, 9);

// 去云处理 
function maskS2clouds(image) {
  var qa = image.select('QA60');
  // 第10和11位分别是云和卷云。位移运算去云
  var cloudBitMask = 1 << 10;
  var cirrusBitMask = 1 << 11;
  // 这两个标志都应设为零，表示条件明确。
  var mask = qa.bitwiseAnd(cloudBitMask).eq(0)
    .and(qa.bitwiseAnd(cirrusBitMask).eq(0));
  return image.updateMask(mask).divide(10000);
}

// 定义时间范围
var startDate = '2020-09-25';
var endDate = '2020-09-26';

// 定义云阈值
var cloudThreshold = 100; 
  
  //sentinel-2数据集
var sentinel2 = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')  
                  .filterBounds(geometry)
                  .filterDate(startDate, endDate)
                  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', cloudThreshold))
                  .map(function(image) {
                    return image.set('source', 'Sentinel-2');
                  });
                  
                  
var noclould =sentinel2.map(maskS2clouds)


// 可视化 
var visualization = {
  min: 0.0,
  max: 0.3,
  bands: ['B4', 'B3', 'B2'],
};
// 加载影像并居中显示 
Map.addLayer(sentinel2.mean().clip(geometry), visualization, 'data');
Map.addLayer(noclould.mean().clip(geometry), visualization, 'noclould');

// 输出筛选结果
var modisCount = sentinel2.size();
if (modisCount.getInfo() > 0) {
  print("已筛选出 " + modisCount.getInfo() + " 张影像");
} else {
  print("没有满足筛选条件的影像");
}

var sentinel2Clipped = sentinel2.map(function(image) {
  return image.clip(geometry);
});

sentinel2Clipped.aggregate_array('system:time_start').evaluate(function(dates) {
  var formattedDates = dates.map(function(date) {
    return new Date(date).toISOString(); // 输出年-月-日-时-分-秒
  });
  print('Sentinel-2 影像时间：', formattedDates);
});

//var zhandian=table2
//Map.addLayer(zhandian, {color: 'yellow'}, 'zhandian');

运行示例图：

原始影像：

去云的影像：

工作台输出：