1. 基于单波段阈值的厚云初筛掩膜
为什么先用蓝光波段做厚云初筛
厚云在可见光—近红外区间具有高反射率，其中蓝光波段（约 450–520 nm）对云滴的散射响应最敏感，同时受气溶胶与地表暗目标的干扰相对可控。对单景多光谱影像而言，最经济的做法是：取蓝光波段反射率 ρ_blue，设定一个阈值 T，令 ρ_blue ≥ T 的像元进入“厚云候选”集合。这一步不追求最终精度，只求用极低计算成本把明显云区圈出来，为后续光谱指数、亮温、阴影匹配等精细判据缩小搜索范围。
阈值 T 的选择本质是漏检与误检的权衡：T 偏低，云边缘薄云、亮白建筑、裸沙、雪被一并纳入，误检上升；T 偏高，云区内部被掏空、薄云与云边缘漏检，掩膜破碎。因此本例的核心不是“算出一个掩膜”，而是“通过目视对比找到平衡点”。
数据准备与反射率口径统一
单景多光谱影像通常以 DN 值存储，直接对 DN 设阈值不可移植（不同增益、不同太阳高度角会漂移）。必须先转为大气顶反射率（TOA reflectance）或地表反射率，本例采用 TOA 反射率，公式为：
ρ_λ = (π · L_λ · d²) / (ESUN_λ · cosθ_s)其中 L_λ 为辐亮度，d 为日地距离（天文单位），ESUN_λ 为大气顶太阳辐照度，θ_s 为太阳天顶角。若影像已带定标系数，可简化为 ρ = gain · DN + offset 后按波段归一。实操中更稳妥的做法是：先确认元数据中的 REFLECTANCE_MULT_BAND_x 与 REFLECTANCE_ADD_BAND_x，再除以 sin(太阳高度角) 完成太阳角校正。下面给出一个可直接运行的 Python 片段，用 rasterio 读取蓝光波段并生成候选掩膜：
import numpy as np
import rasterio
BLUE_BAND = 2 # 示例：蓝光波段索引
T = 0.28 # 示例阈值，需目视调优
NODATA = 0
with rasterio.open("scene.tif") as src:
blue = src.read(BLUE_BAND).astype("float32")
profile = src.profile.copy()
nodata_mask = (blue == NODATA)
# 若数据为 DN，先按元数据转为 TOA 反射率（示例系数，实际以元数据为准）
refl = blue * 2.0e-5 - 0.1
refl = np.clip(refl, 0, 1)
cloud = (refl >= T) & (~nodata_mask)
profile.update(dtype="uint8", count=1, nodata=0)
with rasterio.open("cloud_candidate.tif", "w", **profile) as dst:
dst.write(cloud.astype("uint8"), 1)注意：上面的定标系数只是示例占位，实际必须替换为影像元数据中的真实值；若影像已是反射率产品，则跳过定标，直接对反射率设阈值。
阈值扫描与目视对比的判读逻辑
单阈值无法一次定准，推荐做“阈值扫描 + 目视对比”。选取 3–5 个候选阈值（例如 0.20、0.24、0.28、0.32、0.36），分别生成二值掩膜，叠加到真彩色影像上，重点观察四类区域：云区内部是否连续、云边缘是否被削、暗地表（水体、浓密植被）是否被误判、亮地表（裸沙、建筑屋顶、雪）是否被误判。判读时不要只看总体像元比例，而要看“错误发生在哪类地物上”。
上图把“反射率轴—地物区间—候选阈值—掩膜形态”放在同一视野里：阈值线落在雪/亮沙区间左侧时，亮地表被大量误判；落在厚云区间右侧时，云区被削出空洞。平衡点通常位于厚云反射率分布的下沿附近，本例示例数据下约在 0.28 左右，但必须用本景影像实测分布确认，不能照搬。
用直方图辅助定位候选阈值
目视对比之外，可先看蓝光反射率直方图：厚云像元会在高反射端形成一个明显的次峰或长尾。把候选阈值放在该峰谷之间，再回到影像上验证。下面片段输出分位数，帮助快速圈定扫描范围：
valid = refl[~nodata_mask]
for q in (50, 75, 90, 95, 99):
print(f"P{q} = {np.percentile(valid, q):.3f}")若 P90 约为 0.22、P99 约为 0.45，说明高反射端存在厚云聚集，可把扫描区间定在 0.20–0.36。分位数只用于缩小范围，最终仍以目视判读为准。
结果检查与通过条件
- 云区连续性：厚云主体内部不应出现大面积空洞；若出现，说明阈值偏高。
- 暗地表洁净度：水体、浓密植被区不应成片进入掩膜；若成片，说明阈值偏低或定标口径有误。
- 亮地表误判：裸沙、建筑屋顶、雪若被大量纳入，需记录并在后续案例中用亮温或光谱指数修正，本例只做记录不做处理。
- 可复现性：记录波段号、定标系数来源、阈值、扫描候选集与判读截图，保证他人可复算。