本次我们将分别使用两个流程完成对MODIS影像去除云，第一个就是先去云然后再合成，第二个方式是先合成后去云，我们通常情况下一般都是先去云再合成。
本文使用的数据：
MOD09A1产品来自于MODIS Terra星，数据为经过了大气校正（如气体，气溶胶和瑞利散射）的地表光谱反射率的估计值。数据包含7个反射率波段，及2个质量波段和4个观测波段，分辨率为500米。
依据云层和太阳天顶情况，从8天中选择一个最优值作为像素值。当存在多个最优值时，选取蓝波段（band 3）最小的像素值作为8天合成的值。
| 名称 | 单位 | 类型 | 分辨率(m) | 波长(nm) | 比例因子 | 值域范围 | 无效值 | 描述信息 |
| sur_refl_b01 | -- | int16 | 500 | 620~670 | 0.0001 | -100~16000 | -28672 | 波段1的表面反射率 |
| sur_refl_b02 | -- | int16 | 500 | 841~876 | 0.0001 | -100~16000 | -28672 | 波段2的表面反射率 |
| sur_refl_b03 | -- | int16 | 500 | 459~479 | 0.0001 | -100~16000 | -28672 | 波段3的表面反射率 |
| sur_refl_b04 | -- | int16 | 500 | 545~565 | 0.0001 | -100~16000 | -28672 | 波段4的表面反射率 |
| sur_refl_b05 | -- | int16 | 500 | 1230~1250 | 0.0001 | -100~16000 | -28672 | 波段5的表面反射率 |
| sur_refl_b06 | -- | int16 | 500 | 1628~1652 | 0.0001 | -100~16000 | -28672 | 波段6的表面反射率 |
| sur_refl_b07 | -- | int16 | 500 | 2105~2155 | 0.0001 | -100~16000 | -28672 | 波段7的表面反射率 |
| sur_refl_qc_500m | -- | int16 | -- | -- | -- | -- | 表面反射率500m波段质量控制标志 | |
| sur_refl_szen | Degrees | int16 | -- | -- | 0.01 | 0~18000 | 0 | 太阳天顶角 |
| sur_refl_vzen | Degrees | int16 | -- | -- | 0.01 | 0~18000 | 0 | 视角天顶角 |
| sur_refl_raz | Degrees | int16 | -- | -- | 0.01 | -18000~18000 | 0 | 相对方位角 |
| sur_refl_state_500m | -- | uint16 | -- | -- | -- | -- | 65535 | 表面反射率500m状态标志 |
| sur_refl_day_of_year | -- | uint16 | -- | -- | -- | 1~366 | 65535 | 儒略日(在儒略周期内以连续的日数计算时间的计时法) |
| Bitmask for sur_refl_qc_500m | |
|
|
| Bitmask for sur_refl_state_500m | |
|
|
数据属性：
date |
string |
影像日期 |
这里再次提示大家，我们如果上传自己的featureCollection想要进行筛选和裁剪影像的时候我们需要完成对矢量集合的处理，.first().geometry()来完成准换。另外，这里我们镶嵌使用的函数：
mosaic()
将影像集合融合成为一张影像Image，融合规则保留是这个影像集合中最新的有效像素值。
方法参数：
- imageCollection(ImageCollection)
ImageCollection实例。
返回值：Image
代码：
var featureCollection0 = pie.FeatureCollection('user/xg346049806/shanxibianjie').first().geometry(); //这个是和GEE不同的一点，就是需要先获取一个提取bit的函数 function bitwiseExtract(value, fromBit, toBit) { if (toBit === undefined) toBit = fromBit; var maskSize = 1 + toBit - fromBit; //位数 var mask = pie.Number(1 << maskSize).subtract(1); //3=11，即挑选位 return value.rightShift(fromBit).bitwiseAnd(mask); } //如果在GEE中就可以直接使用这个函数就可以了 function cloudfree_mod09a1(image) { //提取QA波段 var qa = image.select("sur_refl_state_500m"); //提取云比特位 var cloudState = bitwiseExtract(qa, 0, 1); //提取云阴影比特位 var cloudShadowState = bitwiseExtract(qa, 2, 2); //提取卷云比特位 var cirrusState = bitwiseExtract(qa, 8, 9); //叠加得到无云、无云阴影且无卷云的区域 var mask = cloudState .eq(0) // Clear .and(cloudShadowState.eq(0)) // No cloud shadow .and(cirrusState.eq(0)); // No cirrus return image.updateMask(mask); } //筛选影像 var imgcol_m = pie .ImageCollection("USGS/MOD09A1/006") .filterDate("2019-01-01", "2019-02-01") .filterBounds(featureCollection0) .select([ "sur_refl_b01", "sur_refl_b04", "sur_refl_b03", "sur_refl_state_500m", ]); print("imgcol_m", imgcol_m); //（1）对影像集合先合成后去云 var raw_img_m = imgcol_m.mosaic().clip(featureCollection0); print("raw_img_m", raw_img_m); Map.addLayer( raw_img_m, { min: 0, max: 3500, bands: ["sur_refl_b01", "sur_refl_b04", "sur_refl_b03"], }, "raw_img_m" ); Map.centerObject(geometry0, 6); var result = cloudfree_mod09a1(raw_img_m); Map.addLayer( result, { min: 0, max: 3500, bands: ["sur_refl_b01", "sur_refl_b04", "sur_refl_b03"], }, "result" ); //（2）对影像集合先去云后合成 var cf_img_m = imgcol_m.map(cloudfree_mod09a1).mosaic().clip(featureCollection0); Map.addLayer( cf_img_m, { min: 0, max: 3500, bands: ["sur_refl_b01", "sur_refl_b04", "sur_refl_b03"], }, "cf_img_m" );
对影像集合先合成后去云
result
对影像集合先去云后合成
