Landsat Collection2 Surface Reflectance产品介绍、数据获取、去云

Landsat Collection 2 地表反射率（Surface Reflectance，SR）数据测量了从地球表面反射到Landsat传感器的入射太阳辐射分量。

左图：Landsat5 Collection2 大气层顶反射率（Top of Atmosphere reflectance， TOA）数据，321合成；右图：Landsat 5大气校正后的地表反射率图像，华盛顿布雷默顿上空的区域，path 47 row 27 ，于 2010 年 10 月 6 日获取

通过考虑气溶胶散射和薄云等大气效应，地表反射率数据提高了同一区域多期影像间的可比性，这有助于检测和表征地球表面变化。地表反射率数据由满足 <76 度太阳天顶角（Solar Zenith Angle）约束的 Level-1 数据生成，有一些辅助科学数据来帮助生成地表反射率数据。

Landsat8 OLI

Landsat8 OLI Collection 2 地表反射率数据使用Land Surface Reflectance Code (LaSRC) 版本1.5.0，使用coastal aerosol波段进行气溶胶反演测试，MODIS辅助气候数据和独特的辐射传输模型（Vermote et al., 2016）

Landsat4-5 TM和Landsat7 ETM+

Landsat4-5 TM和Landsat7 ETM+地表反射率数据使用Landsat Ecosystem Disturbance Adaptive Processing System (LEDAPS) 算法（3.4.0版本）生产。这个软件使用了MODIS大气校正路径应用于L1数据产品。水气压、臭氧、大气高度、气溶胶光学厚度，高程和Landsat数据输入6S辐射传输模型来生成大气层顶反射率、地表反射率、大气层顶亮温、云掩膜、云影、相邻的云，陆地和水。

rgee获取Landsat Collection2 Surface Reflectance产品

目前我认为最方便的获取Landsat Collection2地表反射率产品的方法就是使用Google Earth Engine了，同样还是使用rgee来操作，具体代码如下：

• 地表反射率数据需要进行校正
• 定义函数applyScaleFactor
• map算子执行

library(sf)
library(rgee)
ee_Initialize(drive = T)

# Define a region of interest with sf
ee_roi <- read_sf("./SHP/TP_boundary.SHP") %>%
  sf_as_ee()

LT5 = ee$ImageCollection("LANDSAT/LT05/C02/T1_L2")$
  filterBounds(ee_roi)$
  filterDate('1990-05-01', '1990-06-01')

#应用校正
applyScaleFactor = function(image){  
  opticalBands = image$select('SR_B.')$multiply(0.0000275)$add(-0.2)
  return(opticalBands)
}

mosaic = LT5$select(c('SR_B4', 'SR_B3', 'SR_B2', 'SR_B1'))$
  map(applyScaleFactor)$
  mosaic()$clip(ee_roi)

#预览数据
imageVisParam <- list(bands = c('SR_B4', 'SR_B3', 'SR_B2'), min = 0, max = 0.3)
Map$addLayer(mosaic, imageVisParam, 'mosaic')+
Map$addLayer(ee_roi, visParams = list(palette = "red"), "roi")
Map$centerObject(ee_roi)

1990年5月-6月的LT5 L2C2数据，有明显云的存在

明显的云

Landsat Collection2 去云

Landsat Collection2使用QA_PIXEL波段进行去云处理和质量控制。

CFMASK质量控制波段

• Bitmask for QA_PIXEL

• Bit 0: Fill

• Bit 1: Dilated Cloud

• Bit 2: Unused

• Bit 3: Cloud

• Bit 4: Cloud Shadow

• Bit 5: Snow

• Bit 6: Clear

• 0: Cloud or Dilated Cloud bits are set
• 1: Cloud and Dilated Cloud bits are not set

• Bit 7: Water

• Bits 8-9: Cloud Confidence

• 0: None
• 1: Low
• 2: Medium
• 3: High

• Bits 10-11: Cloud Shadow Confidence

• 0: None
• 1: Low
• 2: Medium
• 3: High

• Bits 12-13: Snow/Ice Confidence

• 0: None
• 1: Low
• 2: Medium
• 3: High

• Bits 14-15: Cirrus Confidence

• 0: None
• 1: Low
• 2: Medium
• 3: High

应用去云代码

GEE中Landsat Collection2数据目前尚无官方去云代码，在这里我使用了Bit3和Bit4去除云（Cloud）和云影（Cloud Shadow），具体代码如下：

library(sf)
library(rgee)
ee_Initialize(drive = T)

# Define a region of interest with sf
ee_roi <- read_sf("./SHP/TP_boundary.SHP") %>%
  sf_as_ee()

LT5 = ee$ImageCollection("LANDSAT/LT05/C02/T1_L2")$
  filterBounds(ee_roi)$
  filterDate('1990-05-01', '1990-06-01')

# Cloud masking function.
maskL5sr <- function(image) {
  cloudShadowBitMask <- bitwShiftL(1, 4)
  cloudsBitMask <- bitwShiftL(1, 3)
  qa <- image$select('QA_PIXEL')
  mask <- qa$bitwiseAnd(cloudShadowBitMask)$eq(0)$
    And(qa$bitwiseAnd(cloudsBitMask)$eq(0))
  image$updateMask(mask)
}

#应用校正
applyScaleFactor = function(image){  
  opticalBands = image$select('SR_B.')$multiply(0.0000275)$add(-0.2)
  return(opticalBands)
}

mosaic = LT5$map(maskL5sr)$
  select(c('SR_B4', 'SR_B3', 'SR_B2', 'SR_B1'))$
  map(applyScaleFactor)$
  mosaic()$clip(ee_roi)
  
#预览数据
imageVisParam <- list(bands = c('SR_B4', 'SR_B3', 'SR_B2'), min = 0, max = 0.3)
Map$addLayer(mosaic, imageVisParam, 'mosaic')
Map$centerObject(ee_roi, zoom = 5)

更多rgee相关内容还请阅读rgee专题推文，也欢迎留言讨论Landsat Collection2数据使用和去云问题。

参考文献

1. Landsat Level- 2 Surface Reflectance Science Product courtesy of the U.S. Geological Survey.
2. Masek, J.G., Vermote, E.F., Saleous N.E., Wolfe, R., Hall, F.G., Huemmrich, K.F., Gao, F., Kutler, J., and Lim, T-K. (2006). A Landsat surface reflectance dataset for North America, 1990–2000. IEEE Geoscience and Remote Sensing Letters 3(1):68-72. http://dx.doi.org/10.1109/LGRS.2005.857030.
3. Vermote, E., Justice, C., Claverie, M., & Franch, B. (2016). Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance product. Remote Sensing of Environment. http://dx.doi.org/10.1016/j.rse.2016.04.008.
4. https://github.com/r-spatial/rgee/issues/140

点击阅读原文查看rgee安装和简介视频课程