在GEE上利用哨兵2遥感图像，并采用cloudprobablity、NDVI去云。代码。

好的，以下是利用哨兵2遥感图像，在GEE上采用cloudprobablity、NDVI去云的代码：

// 定义区域
var geometry = /* color: #d63000 */ee.Geometry.Polygon(
        [[[114.380798742157, 30.474688146635894],
          [114.380798742157, 30.14628334146268],
          [114.932848899032, 30.14628334146268],
          [114.932848899032, 30.474688146635894]]], null, false);

// 加载哨兵2数据集
var sentinel2 = ee.ImageCollection('COPERNICUS/S2')
                  .filterBounds(geometry)
                  .filterDate('2021-01-01', '2021-06-01')
                  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20))
                  .map(function(img){
                    var ndvi = img.normalizedDifference(['B8','B4']).rename('NDVI');
                    var cloudProb = ee.Image(img.get('CLOUDY_PIXEL_PERCENTAGE')).rename('cloudProb');
                    return img.addBands(ndvi).addBands(cloudProb);
                  });

// 定义可视化参数
var visParams = {bands: ['B4', 'B3', 'B2'], min: 0, max: 3000};

// 显示图像
Map.centerObject(geometry, 10);
Map.addLayer(sentinel2.median(), visParams, 'Sentinel2');

// 进行云去除
var cloudFree = sentinel2.map(function(img){
  var cloudLikelihood = img.select('cloudProb').divide(100);
  var ndvi = img.select('NDVI');
  var cloudMask = cloudLikelihood.lt(0.2).and(ndvi.gt(0.2));
  return img.updateMask(cloudMask);
});

// 显示云去除后的图像
Map.addLayer(cloudFree.median(), visParams, 'Cloud-free');

其中，`geometry` 定义了我们感兴趣的区域，可以根据实际情况进行修改。`sentinel2` 是加载的哨兵2数据集，筛选了感兴趣的区域、时间段和云覆盖度小于20%的影像，并且添加了 NDVI 和 cloudProb 两个波段。`visParams` 定义了可视化参数，可以根据实际情况进行修改。`cloudFree` 则是进行云去除的结果，其中 `cloudLikelihood` 是云概率图像，`ndvi` 是 NDVI 图像，`cloudMask` 是由云概率图像和 NDVI 图像计算得到的云掩膜。最后，我们将原始图像和云去除后的图像在地图上进行了展示。