Sentinel-2数据在遥感领域应用广泛，但云污染问题始终困扰着数据的有效使用
。目前，
官方已提供了4种不同的去云方法
，帮助用户更好地获取高质量影像。这些方法分别为：
利用Sentinel-2表面反射率（SR）产品中的场景分类图（SCL）去除云层
；
采用谷歌地球引擎提供的Cloud Score+辅助数据，快速准确地识别并去除云像元
；
通过Sentinel-2 TOA数据的位运算实现高效的云遮蔽识别
；以及
使用欧洲航天局（ESA）官方推出的Cloud Probability辅助数据，精准评估云层的概率并完成影像去云。
这4种方法各有特点和适用场景，用户可根据实际需求灵活选择最合适的方法，以最大程度地提高数据应用的准确性和可靠性。
1.
利用Sentinel-2表面反射率（SR）产品中的场景分类图（SCL）去除云层：
利用Sentinel-2表面反射率（SR）产品中的场景分类图（SCL, Scene Classification Layer）去除云层，是一种基于分类掩膜的方法。Sentinel-2 SR产品自带SCL波段，它是由Sen2Cor大气校正算法生成的，每个像素都被分类为不同的地表类型，包括云、阴影、水体、植被、裸地等。代码如下：
var S2 = ee.ImageCollection("COPERNICUS/S2_SR_HARMONIZED");//筛选时间var startDate = '2020-04-23'var endDate = '2020-04-25'// 方法1：Sentinel-2_SR 去云function maskS2clouds(image) { var cloudProb = image.select('MSK_CLDPRB'); var cloud = cloudProb.lte(30); var scl = image.select('SCL'); var shadow = scl.eq(3); // 3 = cloud shadow var cirrus = scl.eq(10); // 10 = cirrus // Cloud probability less than 5% or cloud shadow classification var mask = cloud.and(cirrus.neq(1)).and(shadow.neq(1)); return image.updateMask(mask).divide(10000) .select("B.*") .copyProperties(image);}//选择S2影像去云，选择去云的阈值为50;var S2_raw = S2.filterDate(startDate, endDate) .filter(ee.Filter.eq('MGRS_TILE','48RUV')) .sort('CLOUDY_PIXEL_PERCENTAGE') .filter(ee.Filter.gt('CLOUDY_PIXEL_PERCENTAGE',50)) // .map(maskS2clouds) .first() .select(['B4','B3','B2'])var S2_rmcloud = S2.filterDate(startDate, endDate) .filter(ee.Filter.eq('MGRS_TILE','48RUV')) .sort('CLOUDY_PIXEL_PERCENTAGE') .filter(ee.Filter.gt('CLOUDY_PIXEL_PERCENTAGE',50)) .map(maskS2clouds) .first() .select(['B4','B3','B2'])print('S2_rmcloud',S2_rmcloud)var roi = ee.FeatureCollection(ee.Feature(S2_raw.geometry()).set({'MGRS_TILE':'48RUV'}))Map.addLayer(S2_raw,{min:0,max:3000,bands:['B4','B3','B2']},'S2_raw')Map.addLayer(S2_rmcloud,{min:0,max:0.3,bands:['B4','B3','B2']},'S2_rmcloud')Map.addLayer(roi.style({color:'black',fillColor:'00000000'}),{})Map.centerObject(S2_raw,8)
2.
采用谷歌地球引擎提供的Cloud Score+辅助数据，快速准确地识别并去除云像元：
Google Earth Engine（GEE）提供了Cloud Score+（CS+）算法，它是一种基于机器学习的云检测方法，能够快速识别和去除Sentinel-2影像中的云层。该方法结合多光谱波段和大气特征，通过计算每个像元的云概率值，生成云掩膜（Cloud Mask），以剔除云覆盖区域。代码如下：
var S2A = ee.ImageCollection("COPERNICUS/S2_SR_HARMONIZED"), var S2CS = ee.ImageCollection("GOOGLE/CLOUD_SCORE_PLUS/V1/S2_HARMONIZED");var startDate = '2020-04-23'var endDate = '2020-04-25'var S2A_img = S2A.filterDate(startDate, endDate) .filter(ee.Filter.eq('MGRS_TILE','48RUV')) .sort('CLOUDY_PIXEL_PERCENTAGE') .filter(ee.Filter.gt('CLOUDY_PIXEL_PERCENTAGE',50)) .select(['B4','B3','B2'])print('S2A_img',S2A_img)var visualization = { min: 0.0, max: 3000, bands: ['B4', 'B3', 'B2'],};Map.addLayer(S2A_img, visualization, 'S2A_imgRGB',false);var S2A_img_rmCloudByCloudScore = S2A_img .linkCollection(S2CS,'cs') .map(function(img) { return img.updateMask(img.select('cs').gte(0.6)); }).first();var span = ee.Image(1).clip(S2A_img.first().geometry())Map.addLayer(span,{palette:'blue'},'span')Map.addLayer(S2A_img_rmCloudByCloudScore,visualization, 'S2A_img_rmCloudByCloudScore')
3.
通过Sentinel-2 TOA数据的位运算实现高效的云遮蔽识别：
Sentinel-2
TOA（Top of Atmosphere）数据
提供了
QA60质量评估波段
，其中包含云掩膜信息。该波段使用
