左颈吻客1. 项目背景与核心问题
在遥感影像处理领域，云层遮挡一直是影响数据质量的关键因素。以辽宁省为例，这个位于中国东北的沿海省份，受季风气候影响，全年云量覆盖较高。当我们需要分析该区域的地表变化、植被指数或城市扩张时，云层干扰会导致数据可用性大幅下降。
Google Earth Engine（GEE）平台提供了两种主流的Landsat 8数据产品：
- Surface Reflectance（SR）数据
- Tier 1 Level 2（T1_L2）数据
这两种数据产品在云掩膜处理上存在显著差异。我在处理辽宁省2013-2023年的地表温度反演项目时，发现同样的去云算法在不同数据源上会产生15%以上的结果偏差。这促使我深入比较两者的去云机制差异。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据产品特性解析
2.1 Landsat 8 SR数据特点
SR数据是经过大气校正的地表反射率产品，其云检测主要依赖CFMASK算法。这个算法通过以下6个波段特征进行判断：
- 波段2（蓝）反射率 > 0.15
- 波段4（红）与波段5（近红外）的归一化差值 > 0.7
- 波段6（短波红外1）亮度温度 < 300K
- 波段3（绿）与波段6的差值
- 波段5与波段6的比值
- 波段4与波段2的差值
在GEE中调用SR数据的典型代码：
javascript复制var srImage = ee.ImageCollection("LANDSAT/LC08/C02/T1_L2")
.filterDate('2020-01-01', '2020-12-31')
.filterBounds(roi) // roi为辽宁省区域
2.2 Landsat 8 T1_L2数据特点
T1_L2是更高等级的数据产品，采用QA_PIXEL波段进行云标记。其云检测基于更复杂的Fmask 4.0算法，新增了：
- 卷云检测（Cirrus Band）
- 云阴影识别
- 雪冰区分
- 地形校正
关键位掩码含义：
- Bit 3: Cloud
- Bit 4: Cloud Shadow
- Bit 5: Snow
- Bit 6: Water
数据调用方式：
javascript复制var t1l2Image = ee.ImageCollection("LANDSAT