十四

\''SWIR1\'',

\''SWIR2\'', \''TEMP1\'', \''QA_AEROSOL\'', \''ATRAN\'', \''CDIST\'',

\''DRAD\'', \''EMIS\'',

\''EMSD\'', \''QA\'', \''TRAD\'', \''URAD\'', \''QA_PIXEL\'', \''QA_RADSAT\''

]);

}

Landsat 7 Level-2产品有七个表面反射率和温度带，而 Landsat 8 Level-2产品有八个。两者都有许多其他波段用于图像质量、大气条件等。在本章中，我们将主要关注近红外 (NIR)、短波红外（SWIR1 和 SWIR2）和像素质量 (QA_PIXEL)乐队。在电磁波谱的 NIR、SWIR1 和 SWIR2 波段中可以看到植被类型之间的许多差异。在使用光学图像时，像素质量带对于遮蔽云层非常重要。下面，我们定义两个函数：addMask 函数将QA_PIXEL 位掩码转换为多个遮罩层，以及maskQAClear 函数可从每个图像中删除所有不清晰的像素。

// Functions to mask out clouds, shadows, and other unwanted features.

function addMask(img){

// Bit 0: Fill

// Bit 1: Dilated Cloud

// Bit 2: Cirrus (high confidence) (L8) or unused (L7)

// 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

var clear=img.select(\''QA_PIXEL\'').bitwiseAnd(64).neq(0);

clear=clear.updateMask(clear).rename([\''pxqa_clear\'']);

var water=img.select(\''QA_PIXEL\'').bitwiseAnd(128).neq(0);

water=water.updateMask(water).rename([\''pxqa_water\'']);

var cloud_shadow=img.select(\''QA_PIXEL\'').bitwiseAnd(16).neq(0);

cloud_shadow=cloud_shadow.updateMask(cloud_shadow).rename([

\''pxqa_cloudshadow\''

]);

var snow=img.select(\''QA_PIXEL\'').bitwiseAnd(32).neq(0);

snow=snow.updateMask(snow).rename([\''pxqa_snow\'']);

var masks=ee.Image.cat([

clear, water, cloud_shadow, snow

]);

return img.addBands(masks);

}

function maskQAClear(img){

return img.updateMask(img.select(\''pxqa_clear\''));

}

除了 ETM+ 和 OLI 感知的原始波段外，植被指数 (VI) 也可以帮助区分不同的植被类型。之前的工作发现绿色叶绿素植被指数 (GCVI) 对于区分中西部的玉米和大豆特别有用（Wang 等人，2019）。我们会将其作为一个波段添加到每个 Landsat图像中。

/ Function to add GCVI as a band.