MODISのQAバンド：調和解析（Harmonic model）への道-脱線

しょうがない、見てみるか

以前のチャレンジでMODISのQAバンドをのぞいてみたけれど、面倒くさいからやりませんと書いたけど、やっぱ目を通しておこうかなと思い直した。移動平均的なスムージングなどに、例えば「1: Marginal data, useful but look at detailed QA for more information」も加えたらどうかと。
で、そしたら、どのくらいの割合でいいデータとそうでないのがあるのか見てみようと思った。

// Preparing data, Modis aqua and terra
var filteredModis = terra
                      .merge(aqua)
                      .sort("system:time_start")
                      .select('SummaryQA')
                      .filterDate('2016-01-01','2020-12-31');

var good = 0;

var goodQA = function(image) {return image.updateMask(image.select("SummaryQA").eq(good))};
var ratioQA = function(imageCollection, funcQA){return imageCollection.map(funcQA).count().divide(imageCollection.size()).multiply(100)};

var goodModis = ratioQA(filteredModis, goodQA);

Map.addLayer(goodModis, {min: 0, max:100,palette: ['FFFFFF', 'FF0000'] },'parcentage of Good data');

Good data 地図

Good dataの割合が高いところを濃い赤にした地図にしてみる。都会と水域はだめ。そして、山梨の赤が濃く見えるところでも80％くらいと、全体として意外と低い。やっぱスカスカのデータになっちゃうね。関係ないけど、オーストラリアは真っ赤でよさそうだったよ。雲少ないのかな？

MODIS VIのSummaryQAでのGood dataの割合

ついでに他の地図

なんかしっくりこない。雪はいいとして、雲が都会に多めって？雲の地図、屋久島とか、尾鷲とか多雨地帯の色がそれほど濃くないというのもよくわからない。

雲の割合

雪の割合

しょうがない、DetailedQAを見てみるか

SummaryQAでは限界がありそうなので、重い腰を上げてDetailedQAに向き合います。何が面倒くさいってこのバンド、評価の結果が二進法の数字で書かれている。Bitmaskというんですか？もう、なんというか、いっぱいいっぱいになります。

先人に頼る

ということで、ググったらありました。ここはひとつ、先人であるDaniel先生に導いていただくことにします。そして、該当箇所を10進法の僕にもわかる数字に変換してくれる関数を使わせてもらいます。

あまり変わらない

2016年1月1日の画像を比べてみる。DetailedQAをちょこっといじくったらいいデータだけが選べちゃう、なんて甘い考えは捨てたほうがよさそう。

SummaryQAの評価結果 緑が優、黄色が可で要詳細確認、水色が雪、灰色が雲

DetailedQAの評価結果　緑が優、黄色が可で要詳細確認、灰色が雲の可能性高、オレンジが雲以外の理由でデータなし

コードはこちら：https://code.earthengine.google.com/90234fbea553d4eca931237ea9a0b8db

DetailedQAにある他の情報も見てみたけど、これを活用すれば解決！という考えは浮かばなかった。日本の多くの場所では、MODISのQAを使って時系列分析用¹にノイズを取り除くことは簡単ではなさそう。

---

1. 例えば、雲のないモザイク画像を作るためにQAの情報を使っていい画像を選ぶのには有用だけど、時系列ではという気持ち。↩