本文我们将介绍哨兵2数据去云分析，同样是使用QA60去云，我们这里先看一下影像
Sentinel-2号是高分辨率多光谱成像卫星，携带一枚多光谱成像仪(MSI)，分为2A和2B两颗卫星，其中一颗卫星的重访周期为10天，两颗互补，重访周期为5天（纬度较高的欧洲地区，仅需3天），常用于陆地监测，可提供植被、土壤和水覆盖、内陆水路及海岸区域等图像，还可用于紧急救援服务。
Sentinel-2数据集中包含的数据为L1C级产品数据，是经正射校正和亚像元级几何精校正后的大气表观反射率产品，包含13个UINT16光谱带，3个QA频段，其中一个（QA60）是具有云掩码信息的位掩码频段。
| 名称 | 中心波长(nm) | 分辨率(m) | 描述信息 | |
| A | B | |||
| B1 | 443.9 | 442.3 | 60 | Aerosols |
| B2 | 496.6 | 492.1 | 10 | Blue |
| B3 | 560 | 559 | 10 | Green |
| B4 | 664.5 | 665 | 10 | Red |
| B5 | 703.9 | 703.8 | 20 | Red Edge 1 |
| B6 | 740.2 | 739.1 | 20 | Red Edge 2 |
| B7 | 782.5 | 779.7 | 20 | Red Edge 3 |
| B8 | 835.1 | 833 | 10 | NIR |
| B8A | 864.8 | 864 | 20 | Red Edge 4 |
| B9 | 945 | 943.2 | 60 | Water vapor |
| B10 | 1373.5 | 1376.9 | 60 | Cirrus |
| B11 | 1613.7 | 1610.4 | 20 | SWIR 1 |
| B12 | 2202.4 | 2185.7 | 20 | SWIR 2 |
| QA10 | 443.9 | 442.3 | 10 | -- |
| QA20 | -- | -- | 20 | -- |
| QA60 | -- | -- | 60 | -- |
| Bitmask for QA60 | |
|
|
影像属性：
id |
string |
影像名称 |
date |
string |
影像日期 |
cloudyPixelPercentage |
double |
云量覆盖百分比 |
代码：
var geometry0 = pie.FeatureCollection('user/xg346049806/shanxibianjie').first().geometry(); /*******************1. Sentinel-2 利用cloudyPixelPercentage属性筛选含云量**************/ var images1 = pie.ImageCollection("S2/L1C") .filterDate('2020-07-01', '2020-07-30') .filterBounds(geometry0); print("images1",images1) var images2 = pie.ImageCollection("S2/L1C") .filterDate('2020-07-01', '2020-07-30') .filterBounds(geometry0) .filter(pie.Filter.lt('cloudyPixelPercentage',5)); print("images2",images2) //定义显示的样式 var visParam = { min:0, max:3000, bands:["B4","B3","B2"] }; //分别加载不同影像 //添加云量2.66%的影像 var image = pie.Image("S2/L1C/43SED_20200701") .select(["B4","B3","B2"]); Map.centerObject(image,7) Map.addLayer(image, visParam, "2.66%Cloud"); //添加云量11.83%的影像 var image = pie.Image("S2/L1C/43SED_20200704") .select(["B4","B3","B2"]); Map.addLayer(image, visParam, "11.83%Cloud"); /**********2. Sentinel-2 利用QA波段实现去云操作***************/ function maskS2clouds(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); } //按数据id加载Sentinel-2 MSI单景影像 var img = pie.Image("S2/L1C/43SED_20200704").select(["B4", "B3", "B2", "QA60"]); print("img", img); var rmCloud = maskS2clouds(img); print("rmCloud", rmCloud); //定位地图中心 Map.centerObject(img, 8); //加载显示影像 Map.addLayer( img.select(["B4", "B3", "B2"]), { min: 0, max: 3000 }, "Sen-rawImage" ); Map.addLayer( rmCloud.select(["B4", "B3", "B2"]), { min: 0, max: 3000 }, "Sen-rmCloud" );
原始影像结果：
去云后影像结果：
影像去云：
利用算法进行去云后的结果：
var geometry0 = pie.FeatureCollection('user/xg346049806/shanxibianjie').first().geometry(); //************************3. Sentinel-2 算法去云 ******************/ var S2Image = pie.ImageCollection("S2/L1C") .filterBounds(geometry0) .filterDate("2020-06-01","2020-06-09") .select(["B4", "B3", "B2", "QA60"]).mosaic().clip(geometry0); //计算云掩膜 var cloudMask = pie.Algorithm.Sentinel2.cloudMask(S2Image,"Sentinel2"); //选择2,3,4波段做掩膜运算 var S2_rm_mask = S2Image.select(["B4","B3","B2"]).updateMask(cloudMask.not()); // Sentinel2数据去云显示 var visParam = { min: 0, max: 3000 }; Map.centerObject(S2Image,8) Map.addLayer(S2_rm_mask.select(["B4","B3","B2"]),visParam,"MaskImage");
