[发明专利]环境一号HJ-1A/B星CCD数据的云检测方法

说明书

技术领域

本发明涉及卫星遥感数据云检测领域技术领域，涉及一种环境一号卫星CCD数据的云检测方法，尤其涉及一种基于地表反射率数据库的环境一号HJ-1A/B星CCD数据的云检测方法。

背景技术

云在时间和空间分布上有极大的不确定性，其高度、厚度、组成种类以及太阳高度角、方位角的变化导致其卫星云图特征千变万化。在利用航天遥感手段获取地球空间信息的过程中，云是光信号传播的严重障碍，在很大程度上影响遥感信息获取的质量，从而降低了数据的利用率。云遮挡问题是遥感数据普遍存在的现象，也是卫星遥感数据定量化应用中的一大难题。准确的分离云和晴空是反演大气和地表各种参数的必要前提。因此采用实时有效的云检测方法，剔除遥感影像上云覆盖区域，是缓解遥感图像海量数据对传输通道的压力，增加遥感数据利用率的一个重要途径，也是遥感定量化应用前，影像预处理中的一个重要环节。

目前，关于遥感影像云检测的技术很多，主要分为3类:阈值法、聚类分析法和人工神经网络法。阈值法是这三种方法当中相对较成熟且易于实现的方法。其主要思想是对需要分析的像元利用不同通道组合的亮温、亮温差、反射率与所设置的阈值进行比对，从而判断出像元是否为云污染像元。其中阈值的获取有基于影像自身直方图分析的方法，有采用滑动窗和嵌套窗的方法，也有对不同时相的影像资料进行统计分析，最终确定阈值的。目前阈值法主要有ISCCP（The International Satellite Cloud Climatology Project）方法、APPOLLO（The AVHRR Processing Scheme Over Cloud Land And Ocean）方法、CLAVR（The NOAA Cloud Advanced Very High Resolution Radiometer）方法等。ISCCP算法假定观测辐射只来自晴空和云两种大气状况，与这两种大气状况相联系的辐射值其变化范围并不相互重叠。检测方法中使用了0.6μm可见光波段和11μm红外窗区波段的资料，将像元和晴空的观测辐射值进行比较，当像元的辐射值明显有别于晴空像元时，即某个像元与晴空辐射值的差值明显大于晴空辐射值本身的变化时，该像元被判定为云点。这种方法使云检测的误差最小。但算法依赖于阈值，当像元只有部分云覆盖时则会发生误判现象。APPOLLO算法使用AVHRR五个全分辨率探测通道资料，对有云像元的判定须满足如下条件：①通道2、1的比值范围为[0.7-1.1]；②像元的反射率高于所设定的阈值或温度低于所设定的阈值；③通道4、5其亮温差比所设定的阈值大；④对位于海洋上的像元，还要判断其空间均一性是否比所设定的阈值大。CLAVR算法同APPOLLO方法一样是采用了一系列判识阈值，不同的是，其判识单位为2*2的像元矩阵，算法根据下垫面性质和观测时间的不同，可分为四类:白天海洋、白天陆地、夜间海洋和夜间陆地。

聚类分析法在20世纪70年代被提出，80年代起该方法被用于研究云分类问题。通过将影像分割成为一系列像元阵列，采用聚类分析法获取影像中各像元所代表的云或地物类型。当像元阵内各种地类观测值存在明显差别时，检测结果可能较为合理。但由于该方法的结果较依赖于卫星观测角内观测对象的值域特征，从而在一定程度上影响了该方法的使用。聚类方法主要有直方图聚类、自适应阈值聚类、动态阈值聚类、动态聚类等。

人工神经网络法通过对多个样本的学习，获取样本的知识并将其分布存贮于网络中，从而达到对云的理解和识别。该方法是模拟人脑神经系统的工作原理，具有很强的自组织自适应学习能力，但其结果对于训练资料的选取非常敏感。

随着环境一号卫星的发射成功，其卫星影像凭借获取方便、监测区域大、分辨率较高的优点，已在生态破坏、环境污染和灾后评估等领域得到广泛应用。然而，由于其波段设置较少、空间分辨率比较高等特点，已有的云检测技术都在不同程度上存在一定的局限性和不稳定性。而对于同一地区，不同年份同时期的地表反射率变化较小，如将地表反射率数据引入到云检测算法中，不仅有利于提高云检测的效率，还可提高云检测的精度。

发明内容

（一）要解决的技术问题

本发明要解决的技术问题是，针对现有技术的不足，提供一种环境一号HJ-1A/B星CCD数据的云检测方法，可以稳定的，且快速、方便地对环境一号HJ-1A/B星CCD遥感影像进行云识别的检测方法。

（二）技术方案