GEE|在GEE对Sentinel-2、Landsat7、Landsat8进行批量大气校正、去云，并进行均值融合、裁剪、显示和数据下载

前言：

由于我要使用S2在2016-2020年时序数据进行作物分类，但GEE仅提供2018年后的S2 L2A数据（'COPERNICUS/S2_SR'），因此需要进行大气校正，同时由于需要的数据量大，因此需要批量处理。

大气校正的方法论文：（英文）一种传感器不变的大气校正方法：适用于哨兵-2/MSI和陆地卫星8/OLI (researchgate.net)

我的代码：（主要包括去云、大气校正、矢量裁剪、均值融合、显示和数据下载）

//加载 shpfile
var shpfile1 = ee.FeatureCollection('projects/ee-wenqikou/assets/qixia_0_09').filter(ee.Filter.eq('grid_label','6')).geometry()
//聚焦shp范围
Map.centerObject(shpfile1)
//显示shp
Map.addLayer(shpfile1)
//引入大气纠正方法
var siac = require('users/marcyinfeng/utils:SIAC');
//去云函数
function rmCloudByQA(image) {
  var qa = image.select('QA60');
  var cloudBitMask = 1 << 10;
  var cirrusBitMask = 1 << 11;
  var mask = qa.bitwiseAnd(cloudBitMask).eq(0)
               .and(qa.bitwiseAnd(cirrusBitMask).eq(0));
  return image.updateMask(mask);}
//数据函数，参数（开始日期，截止日期，云量筛选，融合形式，图像显示选择波段（这里仅支持真彩色））
// 其中，融合方式compositiontype: 0 min 1 mean 2 median 3 max
var compsition = function(startdate,enddate,cloudiness,compositiontype,bands){
  var image = ee.ImageCollection('COPERNICUS/S2').filterDate(startdate,enddate).filterBounds(shpfile1).filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', cloudiness))
//去云
  image = image.map(rmCloudByQA)
//批量大气校正
  image = image.map(siac.get_sur)
//融合（这样可以免本地拼接等
  if(compositiontype === 0){image = image.min().multiply(10000)}
  else if(compositiontype == 1){image = image.mean().multiply(10000)} //均值融合
  else if(compositiontype == 2){image = image.median().multiply(10000)}
  else image = image.max().multiply(10000)
//裁剪
  image = image.clip(shpfile1);
//数据显示
  if(bands == 432) {Map.addLayer(image,{min:0, max:3000, bands:["B4", "B3", "B2"]},'real'+startdate);}
//数据下载
  Export.image.toDrive({
  image: image,
  description: startdate,
  folder: 'qixia/grid/image/06',
  crs:"EPSG:4326",
  fileNamePrefix: startdate,
  region: shpfile1,
  scale: 10,
  maxPixels: 1e13
});

return image

}

var ys = compsition('2021-02-15','2021-02-16',100,1,432)

关于Landsat7和Landsat8：

Landsat7:仅需要修改“siac.get_sur”为“siac.get_l7_sur”

Landsat8:仅需要修改“siac.get_sur”为“siac.get_l8_sur”

 例子：

var ground_sensor = ee.Geometry.Point(-52.905090, -28.228550);
var polygon = ground_sensor.buffer(1000).bounds();//
var start_date = '2017-11-15';
var end_date   = '2017-11-30';

var criteria = ee.Filter.and(
    ee.Filter.bounds(ground_sensor), ee.Filter.date(start_date, end_date));
var cloud_perc = 60;//Max cloud percentile per scene.    

// -- Collections of Landsat 7, 8 and Sentinel 2 TOA data
var L8_col = ee.ImageCollection('LANDSAT/LC08/C01/T1_TOA')
                .filter(criteria)
                .filter(ee.Filter.lt('CLOUD_COVER', cloud_perc));

var L7_col = ee.ImageCollection('LANDSAT/LE07/C01/T1_TOA')
                .filter(criteria)
                .filter(ee.Filter.lt('CLOUD_COVER', cloud_perc));

var S2_col = ee.ImageCollection("COPERNICUS/S2")
                .filter(criteria)
                .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', cloud_perc));
                
                
// - Import the SIAC atmospheric correction module
var siac = require('users/marcyinfeng/utils:SIAC');

// - Apply SIAC and retrieve bottom of atmosphere (BOA) reflectance
var L7_boa = siac.get_l7_sur(L7_col.first());
var L8_boa = siac.get_l8_sur(L8_col.first()); 
var S2_boa = siac.get_sur(S2_col.first()); 


// - Check and visualization
var Color_comp_01 = {bands:"B4,B3,B2", min: 0.0, max: 0.2, gamma: 1};
var Color_comp =    {bands:"B4,B3,B2", min:200, max:2000, gamma: 1};
Map.addLayer(S2_col.first(), Color_comp, 'TOA');
Map.addLayer(S2_boa, Color_comp_01, 'BOA');
Map.centerObject(S2_col.first())