GEE案例：Landsat系列影像遥感水覆盖评估的简单填云方法

简介

在很多时候我们进行长时序的水域面积评估的时候，会发现当期影像或者多期影像会无法覆盖所选研究区域，或者因为云层较多，使得影像无法准确获取地表信息。因此我们如何解决这种问题就成为一个值得关注的问题，因此我们参考2021年的一篇文章给大家一个影像修复的方法。

摘要

水文变化的实证归因在确定基线先验条件方面提出了一个独特的数据可用性挑战，因为我们无法追溯到过去收集必要的数据。虽然全球遥感数据可以缓解这一挑战，但大多数卫星任务都太新，无法捕捉到很久以前发生的变化，因此无法为充分的统计推断提供足够的观测数据。在这种情况下，大地遥感卫星任务所提供的长达 40 年的连续全球高分辨率监测是无与伦比的信息来源。然而，由于云层遮挡和图像质量不一致使得光学图像的自动判读变得复杂，因此构建一个跨大地遥感卫星任务的土地覆被观测时间序列仍然是一项重大挑战。

针对湖泊水域范围的监测，我们提出了一种自动填补空白的方法，以推断被云层或传感误差遮挡的像素的类别（湿或干）。基于不同像素在不同时间被遮挡的假设，对不同日期拍摄的图像中未被遮挡像素的分类结果进行汇编，以估算每个像素的淹没频率。然后，通过监督分类，利用淹没频率推断单张图像上被遮挡像素的淹没状态。将该方法应用于具有大量长期或季节性波动的各种全球湖泊，成功捕捉到了从现场测量（如适用）或其他陆地卫星任务在重叠时段获得的水域范围变化。虽然对输入图像中的分类误差很敏感，但这种填补空白的算法可以在谷歌地球引擎平台上直接实施，是可靠监测水体历史变化并最终对其进行归因的一种可扩展方法。