Masking Awan pada Citra Sentinel-2 Menggunakan Google Earth Engine

 

Geofriendster - Sentinel-2 merupakan satelit observasi Bumi yang dirancang untuk mendukung berbagai aplikasi, seperti pemantauan lingkungan dan pengelolaan sumber daya alam. Satelit ini dilengkapi sensor pasif yang menangkap pantulan cahaya dari permukaan Bumi. 

Salah satu kelemahan utama sensor pasif adalah ketergantungannya pada kondisi atmosfer. Keberadaan awan sering kali menghalangi pantulan cahaya dari permukaan tanah, sehingga mengurangi kemampuan satelit dalam menangkap data yang jelas dan akurat.

Permukaan Bumi yang tertutup awan tidak dapat menyediakan informasi yang diperlukan untuk analisis citra satelit. Dalam pemodelan berbasis data citra, data yang tidak bersih akan menyebabkan hasil analisis yang kurang representatif dan model yang kurang akurat. 

Oleh karena itu, sangat penting untuk melakukan seleksi piksel dan menghilangkan data yang terpengaruh oleh awan sebelum memulai proses analisis atau pemodelan.

Scene Classification Layer (SCL)

Citra Sentinel-2 menawarkan berbagai kanal yang dirancang untuk kebutuhan analisis tertentu. Salah satu fitur unggulan Sentinel-2 adalah Scene Classification Layer (SCL), kanal tambahan yang secara otomatis mengklasifikasikan piksel citra berdasarkan kondisi atmosfer dan permukaan. 

Kanal menyediakan kelasifikasi beberapa elemen seperti awan, air, vegetasi, dan permukaan tanah. Dengan SCL, pengguna dapat dengan mudah menyaring piksel yang tertutup awan atau kabut untuk meningkatkan kualitas data analisis.

Proses masking awan sangat penting untuk menjaga keakuratan data. Citra yang telah dimask akan menghasilkan data yang lebih bersih, sehingga hasil analisis lebih representatif dan dapat diandalkan.

Tiap piksel dalam kanal SCL diwakili angka yang menunjukkan area hasil klasifikasi otomatis yang disediakan. Deskripsi tiap angka tersebut sesuai dengan tabel dibawah.

Value	Description
1	Saturated or defective
2	Dark Area Pixels
3	Cloud Shadows
4	Vegetation
5	Bare Soils
6	Water
7	Clouds Low Probability / Unclassified
8	Clouds Medium Probability
9	Clouds High Probability
10	Cirrus
11	Snow / Ice

Bekerja Dengan GEE

Untuk mengeliminasi gangguan awan pada citra sentinel-2 menggunakan platform GEE kita dapat menggunakan contoh script dibawah

var S2 = ee.Image('COPERNICUS/S2_SR_HARMONIZED/20240308T023529_20240308T025726_T49MFN');
var vizParams = {
  bands: ['B4', 'B3', 'B2'],
  min: 0,
  max: 3000
};

// Selecting the SCL (Scene Classification Band)
var scl = S2.select('SCL');
Map.addLayer(scl,{min:1, max:11},'SCL Band', false);

// Selecting the cloud shadow and cloud masks (3,7,8,9);
var cloud_shadow = scl.eq(3);
var cloud_low = scl.eq(7);
var cloud_medium = scl.eq(8);
var cloud_high = scl.eq(9);
// Map.addLayer(cloud_high,{min:0,max:1, palette:['black','red']},'Cloud High Binary Mask',false);

// Merging the masks together
var cloud_mask = cloud_shadow.add(cloud_low).add(cloud_medium).add(cloud_high);
Map.addLayer(cloud_mask,{min:0, max:1, palette:['black','red']},'Merged Cloud Masks',false);

// Creating a uniary mask image from the binary mask image i.e. replacing the black with nulls
var cloud_uni = cloud_mask.eq(0).selfMask(); //0 are cloud less features while 1 is cloud and 
                                            //...cloud shadow. SelfMask is added to ignore 0
                                            //if you want inverted mask set the bit value to 0
// Map.addLayer(cloud_uni,{palette:['red']},'Cloud Uniary Mask',false);


// Finally masking the orignal image (or bands) with cloud mask
var cloud_masked = S2.updateMask(cloud_uni);
Map.addLayer(cloud_masked,vizParams,'Cloud Masked');

Fathan Akbar Gemilang Antusias mengeksplorasi teknologi terbaru dan inovasi dalam geomatika. Saya ingin berbagi wawasan, pengalaman, serta menjalin diskusi untuk terus berkembang bersama

Berbagi :