GEE的QA

Snake8859 6/27/2020

目前大多数遥感数据产品都具有QA波段，主要用于辅助用户对数据进行质量评估，得到质量较好的数据，便于后续的应用。QA波段的组织通常是以位来标识，在使用过程中通常都是位运算，难以直接解读。因此本文将以位运算角度展开，介绍QA波段的组织方式和如何利用QA波段创建质量掩膜对数据进行质量过滤。

# QA波段组织

以MOD11A1.006 Terra Land Surface Temperature and Emissivity Daily Global 1km (opens new window)为例，它的QA波段组织方式如下所示。

上述QA波段是一个8位无符号的整数，也就是其像素值域范围在0到255。这里有4个位标识，每个标识有4种可能的值。这些值会以不同方式组合产生一个8位的无符号整数。

我们可以通过一个具体的例子来解释某个QA像素值对应的含义。假如QA波段的某个像素的值为145，这是代表什么含义？我们通过下图来解释。

我们需要将145（十进制）转化为10010001（二进制），然后将每一位与QA波段位标识对应，例如前2位的二进制为01，其十进制对应的值为1，则代表了Bit 0-1标识位的值为1的情况，1: LST produced, other quality, recommend examination of more detailed QA。依此类推，其他位的含义如图所示。因此145像素值，代表的该像素的质量情况为：

Bit(0-1)=1：LST produced, other quality, recommend examination of more detailed QA
Bit(2-3)=0：Good data quality
Bit(4-5)=1：Average emissivity error ≤ 0.02
Bit(6-7)=2：Average LST error ≤ 3K

# QA波段使用

如果我们要特定标识位特定值的所有像素，例如要查询上述QA波段种Bit 4-5的值为1的所有像素，同时忽略所有其他位的情况，要如何实现呢？

这就需要使用到位运算来实现，简单来说就是，获取到一个位掩码将感兴趣位的信息保留，其他位的信息忽略或者说设置为0。

位掩码（掩膜）实现需要使用到位左移（<<）和右移（>>）运算操作，在GEE内可以通过其提供的leftShift()和rightShift()函数。此外还需要一个特定的位与运算的操作，在GEE内可通过bitwiseAnd()函数实现。具体实现代码如下所示。

// Helper function to extract the values from specific bits
// The input parameter can be a ee.Number() or ee.Image()
// Code adapted from https://gis.stackexchange.com/a/349401/5160
var bitwiseExtract = function(input, fromBit, toBit) {
  var maskSize = ee.Number(1).add(toBit).subtract(fromBit)
  var mask = ee.Number(1).leftShift(maskSize).subtract(1)
  return input.rightShift(fromBit).bitwiseAnd(mask)
}

1
2
3
4
5
6
7
8

要理解上述代码，我们接着以145像素值为例，目的是查询Bit 4-5的值为1的所有像素，同时忽略其他位的情况，可以通过下图解释。

首先，我们来看一下145中Bit 4-5的值是多少？能看到其二进制是01，对应十进制为1。

接着，我们创建一个二进制位掩码，这个掩码以1为开始，然后向左移2位（maskSize）就会变为100，然后再减去1，就得到了特定二进制掩码。

最后，我们将QA波段原始像素的二进制值10010001（145）中的Bit 4-5向右移4位（fromBit）的结果（00001001）与特定二进制掩码（00000011）进行位且（Bitwise And），得到结果二进制（00000001），转为为十进制为1。

# 一个QA波段具体实例.

现在我们将所有内容整合在一起，以一个具体的示例来详细说明QA波段具体使用。

假设我们利用QA波段，将MODIS LST（地表温度）影像中质量较差的像素剔除，限定条件为：

QA Flag (Bits 0-1) 为0或者1（LST produced of both good and other quality）
Data Quality Flag (Bits 2-3)为0（Good data quality）
LST Error Flag (Bits 6-7) 为0（Average LST error ≤ 1K）

那么具体实现代码如下。

var modisLST = ee.ImageCollection("MODIS/006/MOD11A1")
var lsib = ee.FeatureCollection("USDOS/LSIB_SIMPLE/2017")
var australia = lsib.filter(ee.Filter.eq('country_na', 'Australia'))
var geometry = australia.geometry()
var terra = modisLST
  .filter(ee.Filter.date('2001-01-01', '2010-01-01'))
  .select('LST_Day_1km','QC_Day');
// Get a single image for testing
var image = ee.Image(terra.first())
var lstDay = image.select('LST_Day_1km')
var qcDay = image.select('QC_Day')
// Let's extract all pixels from the input image where
// Bits 0-1 <= 1 (LST produced of both good and other quality)
// Bits 2-3 = 0 (Good data quality)
// Bits 4-5 Ignore, any value is ok
// Bits 6-7 = 0 (Average LST error ≤ 1K)
var qaMask = bitwiseExtract(qcDay, 0, 1).lte(1)
var dataQualityMask = bitwiseExtract(qcDay, 2, 3).eq(0)
var lstErrorMask = bitwiseExtract(qcDay, 6, 7).eq(0)
var mask = qaMask.and(dataQualityMask).and(lstErrorMask)
var lstDayMasked = lstDay.updateMask(mask)  
var visParams = {min:13000, max:16000, palette: ['green', 'yellow', 'red']}
Map.addLayer(lstDay.clip(geometry), visParams, 'Original LST Image');
Map.addLayer(lstDayMasked.clip(geometry), visParams, 'LST Masked');

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

上述代码也可以利用map()函数应用在collection对所有影像进行质量掩膜。

# 参考

原文：https://spatialthoughts.com/2021/08/19/qa-bands-bitmasks-gee/
代码：https://code.earthengine.google.co.in/e21636e7db4a3f757be2f51ed261719f
译文：https://blog.csdn.net/qq_32497109/article/details/122840882

# 后记

这是一篇从外网翻译和整理的关于GEE QA波段的资料。这篇博客内容图文并茂，十分生动形象，并且结合代码可以直观感受，因此对这个网站进一步了解一下，发现它是一个分享和教学QGIS、GEE、GDAL以及Python等与空间数据处理相关的知识网站。

这篇资料的内容不错，按理来说，其他的资料也不差，因此有时间可以再多多学习。

YouTube：https://www.youtube.com/c/SpatialThoughts
官网：https://spatialthoughts.com/

GEE