使用GEE进行Sentinel-2影像的云掩码处理与真彩色合成显示

代码概述

该代码基于Google Earth Engine (GEE) 平台，实现了从Sentinel-2数据集中筛选、去云处理、裁剪和展示指定区域和时间范围内的影像，并使用真彩色合成进行显示。

使用的数据集

Sentinel-2 (COPERNICUS/S2_HARMONIZED)：提供全球范围内的多光谱影像，空间分辨率为10米。该数据集适用于各种地表监测和分析。

代码流程

1. 定义研究区：通过筛选属性为“wuhan”的区域定义感兴趣区域（武汉市），并将其显示在地图中央。
2. 去云处理：定义一个函数 maskS2clouds 用于掩码云和卷云，确保数据清晰。
3. 筛选数据：从Sentinel-2数据集中筛选2019年9月18日至2022年9月26日期间，云量少于30%的影像，并应用云掩码处理。
4. 可视化参数：设置真彩色合成显示参数，包括波段组合（B4、B3、B2）、最小值和最大值范围。
5. 检查数据集是否为空：计算数据集的大小并打印。如果数据集非空，则计算平均影像并在地图上显示；如果数据集为空，则输出提示消息。

运行结果

代码运行后，将在GEE地图上展示武汉市区域在2019年9月18日至2022年9月26日期间的Sentinel-2影像，并应用真彩色合成显示。该过程包括云掩码处理，以确保影像的质量。输出结果将显示数据集的大小，如果数据集为空，将打印“没有影像数据”的提示信息。

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 = table2.filter(ee.Filter.eq('city', 'wuhan'));
Map.centerObject(geometry, 8);

// 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);
}

// 筛选数据 
var dataset = ee.ImageCollection("COPERNICUS/S2_HARMONIZED")
                  .filterDate('2019-09-18', '2022-09-26')
                  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 30))
                  .filterBounds(geometry)
                  .map(maskS2clouds);

// 可视化参数
var visualization = {
  min: 0.0,
  max: 0.3,
  bands: ['B4', 'B3', 'B2'],
};

// 加载影像并居中显示 
Map.addLayer(geometry);

// 检查数据集是否为空
var datasetSize = dataset.size();
print("数据集大小：", datasetSize);
if(datasetSize.getInfo() > 0) {
  // 如果数据集非空，则添加影像图层
  var meanImage = dataset.mean().clip(geometry);
  Map.addLayer(meanImage, visualization, 'RGB');
} else {
  // 如果数据集为空，则输出消息
  print("没有影像数据");
}

运行示例：

工作台输出：

图像输出：