遥感云影怎么处理：阴影识别、掩膜组合与时相合成质量控制
云掩掉了，影像上仍会留下一大片偏暗区域；直接当成水体、低植被或变化区域，NDVI 和分类结果都会被误导。云影处理的难点在于它既受太阳几何、云高和地形影响，也会与水体、建筑阴影混淆。本文不把它当作一个勾选项，而是从识别、掩膜组合到时相合成建立可核查流程。
云影是几何与光谱共同问题
云影通常沿太阳方位投射，亮度降低且多波段变化一致；但深水、地形阴影和黑色屋顶也可能同样暗。只用单阈值容易误判，需结合云位置、观测角度和时相信息。
掩膜要保留来源位
将云、云影、雪、水和无效边界全部压成一个布尔掩膜，会丢失判断依据。建议保留 bitmask 或分类码，后续能追溯某像元为何被排除。
时相合成不能只看最少云量
整景云量低不表示研究区无云影。合成前应按研究区统计有效像元比例，并为每个像元记录来源日期或质量评分。
验证样本需覆盖混淆类型
只在明显云影处抽样会高估效果。应同时检查河湖、山谷、密集建筑阴影和云边缘，评估漏检与误杀。
可执行实操流程
- 统一各时相的投影、分辨率、反射率尺度和研究区范围，先检查太阳高度角、方位角及质量波段是否完整。
- 生成初步云掩膜，并依据太阳方向和候选云高建立云影搜索区；结合近红外、短波红外和亮度特征筛选阴影候选。
- 将云、云影、水体和边界分别编码，随机抽取明显区与混淆区样本，在真彩、假彩与高分底图中交叉核对。
- 按像元质量评分选择合成候选，不仅排除掩膜，还要比较观测日期、邻域一致性和研究区有效覆盖率。
- 输出合成影像时同时输出质量层或来源日期层；对关键地物抽查合成前后光谱曲线和指数变化。
# 伪代码：保留来源位而非单一布尔值
mask = cloud_bit | shadow_bit | water_bit
valid = (mask == 0)
composite = select_best_observation(valid, quality_score)项目避坑与质量检查
项目中常把山地北坡整体当成云影排掉，导致研究区在某些季节留下大面积空洞。云影判断必须把地形阴影作为独立类别，并检查它是否随影像日期变化；长期固定在同一坡向的暗区，很可能不是云影。
| 检查阶段 | 必须保留的证据 | 异常处理 |
|---|---|---|
| 输入 | 太阳几何、质量波段与反射率尺度 | 隔离异常样本，不直接覆盖源数据 |
| 处理 | 云/影/水分类码和混淆样本混淆矩阵 | 回到参数、单位与筛选条件逐项复现 |
| 交付 | 研究区有效覆盖率、来源日期层和指数抽检 | 用独立样本或第二个环境复核 |
让流程能被下一位同事复跑
交接时提供掩膜类别定义、阈值或模型版本、样本位置和每期有效覆盖率。这样后续发现某块异常暗时，能够判断是地物变化、云影残留还是合成选择造成。
把源数据批次、坐标参考、关键参数、异常清单和前后统计放在同一份处理记录中。这样数据更新时，团队判断的是结果差异来自哪里，而不是重新猜测上一次做过什么。
抽样复核与交接记录
验收时还应把掩膜叠加在单景原图上，以半透明方式检查云边缘是否被过度扩大。对于指数分析，分别统计掩膜前后有效样本数和均值；如果结论只在严格掩膜后才出现，就要说明它对质量规则的敏感性，而不是把差异直接解释为地表变化。对关键结论区还应保留一组未参与参数选择的独立样本，以免将同一批样本的拟合效果误当作通用精度。
FAQ
能否只用可见光阈值找云影？
不建议。深水和建筑阴影会混淆，应结合云几何、近红外/短波红外和时相信息。
为何合成后还有暗块？
可能是漏检云影、地形阴影或所有候选期都质量不佳。查看来源日期和质量层才能判断。
掩膜是否越严格越好？
不是。过严会丢掉大量有效像元；应报告漏检与误杀，并按研究目标选择平衡。
总结
云影治理的目标不是让影像“看起来更亮”，而是让每个被保留或剔除的像元都有可解释的质量依据。