质量掩膜决定哪些像元可以参与分析

遥感产品中的每个像元不一定都能代表有效地表观测。云遮挡地面，云影改变照明，传感器饱和丢失真实强度，气溶胶反演失败会降低地表反射率可信度。质量波段把这些条件编码为标志或等级，分析者据此建立适合任务的有效像元掩膜，而不是把整幅影像无差别送入统计和模型。

质量波段通常把多个状态压进整数

Landsat 等产品常把多个布尔标志或置信度打包到一个无符号整数中。某一位可表示填充值、云、阴影或水体，连续两位可能表示置信度等级。像元显示为十进制整数时，整数本身不是类别编号，需要按产品文档用位运算解码。

位编号、含义和有效组合会随任务、传感器、集合和产品级别变化。把某个脚本中的十进制值列表复制到另一代产品，可能错误屏蔽或保留像元。代码应引用明确的产品版本，并为关键位写测试样例。

同一产品包内可能有多个 QA 波段。像元质量、辐射饱和、气溶胶质量和地表温度不确定性分别描述不同问题，不能只读取一个“清晰”位就认为所有科学量都可靠。

云检测利用光谱、温度、空间关系和几何信息推断像元状态。厚云通常较易识别，薄云、卷云、雪、明亮裸地和城市表面可能混淆。质量位代表产品算法在给定条件下的判断，不是地面真值。

云影位置取决于云高、太阳几何、地形和投影。高空薄云的影子尤其难定位。一个被标记为阴影的区域可能与视觉观察略有偏移，未标记区域也可能受到弱阴影影响。

置信度位允许分析者在保守和可用数据量之间取舍。只排除高置信云会保留更多像元，也会增加污染风险；同时排除中高置信云更保守，但在多云地区可能导致时间序列缺口。规则应由误差代价决定。

云边缘附近可能存在半透明云、配准误差、邻近散射或阴影位置不确定。产品有时提供膨胀云标志，或工作流对云掩膜做形态扩张，把周围一定范围也排除。

扩张范围越大，残余污染通常越少，可用像元也越少。固定像元数量在不同分辨率下对应不同地面距离；同一规则跨传感器使用时需要换算并验证。

扩张不是修复检测错误的万能办法。大范围扩张会吞掉狭小岛屿、岸线和碎片化地物，改变样本构成。应分别统计原始云、扩张区域和最终有效比例。

传感器达到量化上限时，像元真实辐射可能更高，但记录值已不能区分。饱和位可按波段标识这种情况。计算跨波段指数时，只要参与公式的任一波段饱和，结果就可能失真。

填充值表示没有观测，不应参与缩放、插值或统计。若先应用比例因子再识别填充值，特殊整数可能变成看似合理的物理量。处理顺序通常是先读取编码和无数据约定，建立掩膜，再转换有效值。

地形遮蔽、传感器异常和丢失像元也可能有专用标志。不同科学产品携带的质量信息不同，不能因为文件可以正常显示就省略产品说明。

地表反射率产品可能提供气溶胶反演是否有效、是否由邻近格点插值以及气溶胶水平等信息。高气溶胶或无效反演区域的数值不一定完全不可用，但不确定性更高，尤其会影响短波波段和跨日期比较。

分析者可以按任务建立分层质量：严格分析只保留有效低气溶胶像元，探索性制图允许部分插值结果，并在输出中保留质量等级。把所有非理想像元直接设为无数据，会损失覆盖；完全忽略则会把处理不确定性当成地表变化。

质量标志应与云、阴影和雪共同使用。一个像元气溶胶反演有效，不代表它没有云；一个像元标记清晰，也不代表相关波段未饱和。

雪和水体标志并不天然意味着无效。研究植被时通常排除雪，研究积雪时它正是目标；陆地变化分析可能排除水体，水环境分析则必须保留。质量掩膜需要区分“观测受污染”和“地表类别不属于当前研究”。

若把水体、雪和云统一写成一个无效值，下游无法知道缺失原因。更稳妥的做法是保留原始质量波段，并输出分析掩膜与原因码，便于复核和重新组合。

岸线、积雪边缘和混合像元容易产生分类不确定。硬掩膜会形成跳变，时间序列中还可能因分类波动造成假变化。关键区域应进行影像抽检或使用概率信息。

合成月度或年度指标时，均值或中位数之外还要保存有效观测数、观测日期分布和质量组成。两个像元得到相同均值，一个来自十次清晰观测，另一个只来自一次，可信程度不同。

云量具有季节和地域偏差。严格掩膜可能让雨季只剩少量异常清晰日期，造成时间采样偏差。比较区域时，应检查有效观测是否覆盖相似季节与太阳几何。

填补缺测或平滑时间序列不能恢复被云遮挡的真实观测。插值结果应与原始有效像元区分，并在不确定性中体现间隔长度和变化速度。

质量算法和位定义会随集合更新，官方还可能发布已知问题。生产流程应记录任务、集合、产品级别、质量波段名称、位规则和代码版本。产品升级时重新跑小范围对比，而不是默认旧规则继续正确。

验证可以把掩膜叠加到真彩色和关键波段，抽查云边缘、薄云、雪、亮地物、水体和山地阴影。还应统计各质量原因比例，异常突变可能说明数据条件变化或位解码错误。

质量掩膜不是一个通用“清洗按钮”。它把产品算法提供的质量证据转化为任务规则。保留原始标志、明确取舍并报告有效观测，才能让后续指数、分类和变化检测具有可解释的数据基础。