PIE-Engine是基於容器雲技術構建的面向地球科學領域的時空遙感雲平臺，其內部包含自動管理的彈性大資料環境，集成了多源遙感資料處理、分散式資源排程、實時計算、批量計算和深度學習框架等技術。PIE-Engine遙感計算雲服務平臺結合了海量遙感資料及計算資源，通過簡單的程式碼即可快速實現複雜的影像運算，為地球科學領域的研究提供開放的資料與彈性算力支援。

常見的遙感影像如MODIS、Landsat、Sentinel-2等，在使用這些資料時，由於雲、雪、陰影等的存在會導致影像運算時出現偏差，因此需要做去雲操作。在PIE-Engine 遙感計算雲服務平臺中實現去雲操作比較簡單，可以在影像級別篩選含雲量符合條件的影像，也可以在畫素級別掩膜掉有云的畫素，下面分別介紹。

影像級別去雲

影像級別去雲就是通過雲量覆蓋百分比屬性篩選影像含雲量，對於Landsat 8 TOA系列，雲量覆蓋百分比屬性表示為“cloudCover”，可據此篩選出影像整體含雲量在某個範圍內的影像。

Landsat 8 TOA 影像屬性欄位

以“cloudCover”屬性篩選Landsat TOA影像含雲量，程式碼如下：

在對特定日期、特定的區域的影像進行雲量篩選之前，共有9景符合條件的影像，含雲量分別為0.04%、7.72%、5.54%、52.25%、3.37%、14.67%、10.26%、96.19%和13.13%，增加含雲量≤5%的篩選條件後（lte: less than and equal），只有兩景影像符合條件，含雲量分別為0.04%和3.37%。

注意，不同影像集合，其雲量覆蓋百分比屬性欄位的表示不完全一樣，如Landsat 8 C2 SR 影像集合，其雲量覆蓋百分比屬性以“cloud_cover”表示，使用時應具體檢視。

畫素級別去雲

畫素級別去雲方式主要有兩種：一種是使用QA質量波段去雲；另一種是使用演算法去雲，下面分別進行介紹。

1. 通過QA波段做按位與操作掩膜掉有云的畫素

一些影像提供了QA波段來表示該影像的質量相關資訊，如Landsat 8 TOA的“BQA”波段，其各位元位的含義如下表所示：

注意，不同影像集合，其QA波段的表示不完全一樣，如Landsat 8 C1 SR的QA波段表示為“pixel_qa”，而Landsat 8 C2 SR的QA波段表示為“QA_PIXEL”，且不同影像集合QA波段的各位元位含義也不相同，使用時應具體檢視。

瞭解了不同影像QA波段的位元位資訊，下面我們介紹去雲時用到的兩個主要操作：

（1）bitwiseAnd：Image按位與運算，返回一個Image物件。核心是對二進位制畫素值做按位與運算（&），即相同為1，相異為0。

（2）位移運算子：(左移<<、右移>>)，其中左移運算子(<<) 是按二進位制形式把所有的數字向左移動對應的位數，高位移出(捨棄)，低位的空位補0。例如1<<4：即是先將1轉換為二進位制01，然後將01向左移4位，低位補0，得到010000（十進位制為16）。

下面來介紹影像去雲操作步驟，主要分為三步：

（1）篩選影像，獲取指定波段。

（2）提取QA波段，將QA波段與（1<<4）（即00010000）進行按位與運算，根據Bit 4 Cloud位元位的含義，得到0為無雲，1為有云的二值圖；為得到無雲掩膜，再對其進行判斷（eq(0)），若等於0（無雲），則結果為真，返回值為1（無雲），得到無雲掩膜。

（3）最後將原影像與無雲掩膜進行疊加，得到去雲後的影像。

2. 通過演算法去雲

對於Landsat TOA 系列，PIE-Engine遙感計算雲服務平臺提供了專用的去雲函式：pie.Algorithm.Landsat8.cloudMask() ，以更為便捷的方式去雲。

其內部封裝了對以“BQA”表示的QA波段進行去雲的操作，識別出是雲（Bit 4 Cloud）或者為雲的置信度比較高（Bits 5-6 Cloud Confidence）的區域。

雖然Bits 5和6一起表示雲置信度，但只需和Bit 6按位與即可得到置信度比較高的區域。

使用時直接呼叫cloudMask()即可得到無雲掩膜，主要步驟仍分為三步，具體程式碼如下：

理解了以上內容後，下次我們來分享Sentinel-2和MODIS的去雲操作。

本次程式碼連結：

https://engine.piesat.cn/engine-share/shareCode.html?id=26218bc96b79450986b5a4a971762958