【GEE】Sentinel-2 最新去云方法总结

谁借莪１个温暖的怀抱￠ 2024-02-05 12:45 44阅读 0赞

### 第一种方法：使用QA波段去云 ###

这是我们最常用的方法，具体原理就是利用QA60波段标记实现去云，具体代码如下：

var s2 = ee.ImageCollection("COPERNICUS/S2"),
     
        point = /* color: #98ff00 */ee.Geometry.Point([116.20553071765003, 39.404020061278715]);
     
    /**
    *
    * remove cloud by QA bands
    *
    * */
     
    function rmCloudByQA(image) {
        
     
      var qa = image.select('QA60');
     
      var cloudBitMask = 1 << 10;
     
      var cirrusBitMask = 1 << 11;
     
      var mask = qa.bitwiseAnd(cloudBitMask).eq(0)
     
                   .and(qa.bitwiseAnd(cirrusBitMask).eq(0));
     
      return image.updateMask(mask);
     
    }
     
    function main() {
        
     
      var startDate = "2019-4-4";
     
      var endDate = "2019-4-8";
     
      Map.centerObject(point, 8);
     
      var s2Imgs = s2.filterDate(startDate, endDate)
     
                     .filterBounds(point);
     
      Map.addLayer(s2Imgs.first(), {
        min:0, max:3000, bands:["B4", "B3", "B2"]}, "raw", false);
     
      s2Imgs = s2Imgs.map(rmCloudByQA);
     
      Map.addLayer(s2Imgs.first(), {
        min:0, max:3000, bands:["B4", "B3", "B2"]}, "cloud");
     
    }
    main();

代码分析：

这段代码中去云的方法是：rmCloudByQA()其他的代码也都是基础代码，我就不在过多解释。

### 第二种方法：计算云量分数去云 ###

这种方法比较有意思，是一个国外的大牛利用波段组合以及NDSI指数计算得到当前像素是不是云，具体代码如下：

var s2 = ee.ImageCollection("COPERNICUS/S2"),
     
        point = /* color: #98ff00 */ee.Geometry.Point([116.20553071765003, 39.404020061278715]);
     
    var _cloudScore = function(img) {
        
     
      var rescale = function(img, exp, thresholds) {
        
     
        return img.expression(exp, {
        img: img})
     
            .subtract(thresholds[0]).divide(thresholds[1] - thresholds[0]);
     
      };
     
      var score = ee.Image.constant(1.0);
     
      score = score.min(rescale(img, 'img.blue', [0.1, 0.3]));
     
      score = score.min(rescale(img, 'img.red + img.green + img.blue', [0.2, 0.8]));
     
      score = score.min(rescale(img, 'img.nir + img.swir1 + img.swir2', [0.3, 0.8]));
     
      var ndsi = img.normalizedDifference(['green', 'swir1']);
     
      return score.min(rescale(ndsi, 'img', [0.8, 0.6]));
     
    };
     
    /**
    *
    * remove cloud by Score bands
    *
    * */
     
    function rmCloudByScore(image, thread) {
        
     
      var preBands = ["B2","B3","B4","B8","B11","B12"];
     
      var newBands = ['blue','green','red','nir','swir1','swir2'];
     
      var score = _cloudScore(image.select(preBands, newBands));
     
      score = score.multiply(100).byte().rename('cloud');
     
      return image.addBands(score)
     
                  .updateMask(score.lte(thread));
     
    }
     
    /**
    *
    * scale image
    *
    * */
     
    function scaleImage(image) {
        
     
      var time_start = image.get("system:time_start");
     
      image = image.divide(10000);
     
      image = image.set("system:time_start", time_start);
     
      return image;
     
    }
     
    function main() {
        
     
      var startDate = "2019-4-4";
     
      var endDate = "2019-4-8";
     
      Map.centerObject(point, 8);
     
      var s2Imgs = s2.filterDate(startDate, endDate)
     
                     .filterBounds(point)
     
                     .map(scaleImage)
     
                     .map(function(image) {
        
     
                        return rmCloudByScore(image, 30);
     
                     });
     
      Map.addLayer(s2Imgs.first(), {
        min:0, max:0.3, bands:["B4", "B3", "B2"]}, "cloud");
     
    }
     
    main();

代码分析：

观察这段代码，有一点需要注意的是：调用去云方法rmCloudByScore(image, threshold)需要传入两个参数，一个是影像另外一个是识别云的阈值（也就是大于多大的值就认为是云，范围是0-100）。还有就是调用这个方法之间首先需要将影像的波段做缩放和将波段名称重新命名为指定的名称，这是因为这个算法内部主要逻辑方法\_cloudScore(xxx)它内部计算时候取的都是特殊值，具体参考上述代码。

### 第三种方法：使用s2cloudless算法去云 ###

这是目前最新的一种去云方法，s2cloudless算法是一种机器学习算法，Sentinel-2影像通过它可以计算得到云掩膜文件。这个算法是由SENTINEL Hub开源的一种算法，地址是：

GitHub - sentinel-hub/sentinel2-cloud-detector: Sentinel Hub Cloud Detector for Sentinel-2 images in Python

在GEE上我们不需要自己去用这个算法来计算云掩膜，GEE官方目前正在利用这个算法来生成一个新的数据集，这个数据集就是Sentinel-2云掩膜数据集（“COPERNICUS/S2\_CLOUD\_PROBABILITY”）。需要注意的是由于目前这个数据集依然在生产中，所以不一定所有的地方和所有时间段都存在，我们在使用的时候一定要注意。

下面以具体的例子说明如何使用这个数据集：

var s2 = ee.ImageCollection("COPERNICUS/S2"),
     
        s2_cloud = ee.ImageCollection("COPERNICUS/S2_CLOUD_PROBABILITY"),
     
        point = /* color: #98ff00 */ee.Geometry.Point([116.20553071765003, 39.404020061278715]);
     
    /**
    *
    * remove cloud by probability bands
    *
    * */
     
    function rmCloudByProbability(image, thread) {
        
     
      var prob = image.select("probability");
     
      return image.updateMask(prob.lte(thread));
     
    }
     
    /**
    *
    * scale image
    *
    * */
     
    function scaleImage(image) {
        
     
      var time_start = image.get("system:time_start");
     
      image = image.divide(10000);
     
      image = image.set("system:time_start", time_start);
     
      return image;
     
    }
     
    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);
     
    }
    function main() {
        
     
      var startDate = "2019-4-4";
     
      var endDate = "2019-4-8";
     
      Map.centerObject(point, 8);
     
      var s2Imgs1 = s2.filterDate(startDate, endDate)
     
                      .filterBounds(point)
     
                      .map(scaleImage);
     
      var s2Imgs2 = s2_cloud.filterDate(startDate, endDate)
     
                            .filterBounds(point);
     
      var s2Imgs = getMergeImages(s2Imgs1, s2Imgs2);
     
      s2Imgs = s2Imgs.map(function(image) {
        
     
        return rmCloudByProbability(image, 50);
     
      });
     
      Map.addLayer(s2Imgs.first(), {
        min:0, max:0.3, bands:["B4", "B3", "B2"]}, "cloud");
     
    }
     
    main();

代码分析：

从上述代码可以看到，由于这是两个数据集，所以我们首先需要将筛选后的两个数据（s2Imgs1和s2Imgs2）利用join合并为一个数据集，具体方法参考getMergeImages(xxx)。合并后的影像中每一幅都包含一个叫做”probability“的波段，这个波段计算的就是云掩膜的信息（值范围是0-100）。程序中我们利用rmCloudByProbability(image, threshold)方法传入影像和云量阈值，就可以实现去云操作。

发表评论取消回复

表情：

评论列表（有 0 条评论，44人围观）

还没有评论，来说两句吧...

相关阅读

相关【GEE】Sentinel-2 最新去云方法总结

第一种方法：使用QA波段去云这是我们最常用的方法，具体原理就是利用QA60波段标记实现去云，具体代码如下： var s2 = ee.ImageCollecti

谁借莪１个温暖的怀抱￠/ 2024年02月05日 12:45/ 0 赞/ 45 阅读

相关数组去重方法的方式总结

数组去重方法的方式总结方法一、利用ES6 Set去重（ES6中最常用） function unique (arr) { return Array

矫情吗；*/ 2023年07月13日 03:50/ 0 赞/ 15 阅读

相关数组去重方法总结（10种）

一、用ES6的Set方法 let arr =[1,1,true,true,'true',"false","false",null,null,undefined,u

た入场券/ 2022年12月26日 09:12/ 0 赞/ 137 阅读

相关 JavaScript数组去重方法总结

数组不像对象和hash有唯一的标志特征(key)。所以，数组去重的核心就是【1】数组内元素互相比较，然后放入新的数组中。【2】参照对象构建一个唯一的特征标志，然后放入新数组中。

悠悠/ 2022年10月01日 09:49/ 0 赞/ 283 阅读

相关数组去重复方法总结

数组去重复方法总结 // 方法一思路：创建一个存放原数组第一个数的新数组，用原数组与新数组的数一一对比，不同则存放进新数组里 function

墨蓝/ 2022年06月10日 06:42/ 0 赞/ 309 阅读

相关数组去重方法总结

1、使用双重循环优点：兼容性好 function unique(arr){ var len=arr.length; if(le

逃离我推掉我的手/ 2022年05月27日 08:35/ 0 赞/ 246 阅读

相关 js去重方法总结

一、前言：我们在实际工作中，或者在面试找工作时，都会用到或者被问到一个问题，那就是“数组如何去重”。是的，这个问题有很多种解决方案，看看下面的十种方式吧！二、数组去重方

男娘i/ 2022年05月20日 07:23/ 0 赞/ 210 阅读

相关 List list对象去重方法总结

> List<T> list对象去重方法总结【去重方法总结】：（java8） package com.caox.utils; import

Love The Way You Lie/ 2021年12月13日 12:53/ 0 赞/ 555 阅读

相关数组去重的方法总结

方法一 // var arr = \[1, 'a', 'a', 'b', 'd', 'e', 1, 0\]; // Array.prototype.unique1 = func

偏执的太偏执、/ 2021年11月01日 20:14/ 0 赞/ 415 阅读

相关 12种JavaScript数组去重方法（总结）

12种JavaScript数组去重方法（总结）数组去重，一般都是在面试的时候才会碰到，一般是要求手写数组去重方法的代码。如果是被提问到，数组去重的方法有哪些？你能答出其...

红太狼/ 2020年06月18日 15:55/ 0 赞/ 779 阅读