[发明专利]一种基于微光云图数据的夜间低云大雾监测方法

说明书

技术领域

本发明属于遥感技术领域，是一种综合利用微光条件下多波段卫星遥感数据的夜间低云大雾监测方法。

背景技术

卫星遥感监测具有覆盖范围广，时间分辨率高，信息源可靠且成本较低等诸多优势，利用卫星遥感资料进行夜间低云大雾监测是有效的方法和技术途径。目前的方法主要有计盒维数法、基于灰度连通域加权分数维法、双红外亮温差值法以及双波段阈值法。其中，前两种方法主要利用云雾在纹理上的分形特征的不同，从红外遥感图像上识别纹理相对均匀的低云大雾区域，其能够较好地区分云雾与下垫面等背景，但由于某些中高云在纹理结构上与低云大雾类似，其识别结果中往往参杂有部分中高云。双红外亮温差值法是目前应用最广泛的夜间低云大雾监测方法。该方法利用低云大雾在中红外波段(3.7μm)和远红外波段(10.8μm)的亮温差异，选取合适的亮温差阈值(大约为2K)识别低云大雾区域。然而由于该方法仅使用两个红外波段的数据，其对于夜间低云大雾的识别存在很多局限，如该方法并不适合云雾层厚度小于100m的情况，在双红外波段上某些类型的土壤在无云雾情况下与低云大雾较为相似，中高层层状云也常常与低云大雾相混淆等[Ellrod G P,Advances in the detection and analysis of fog at night using goes multispectral infrared imagery.Weather and Forecasting,1995,10:606-619.]。双波段阈值法首次尝试结合夜间可见光波段与远红外波段数据，通过手动选取阈值实现夜间低云大雾监测，取得了一定的效果[周小柯，严卫，白衡等，基于DMSP/OLS数据的夜间低云大雾监测技术研究.遥感信息,2012,27(6):86-90.]。但由于该方法使用波段较少，其难以将低云大雾与亮地表(如城市灯光等光源、冰雪覆盖区域)区分开。目前，综合利用微光条件下多波段卫星遥感数据的夜间低云大雾监测方法还未见报道。因此，需要寻找一种基于微光云图数据的夜间低云大雾监测方法。

发明内容

本发明的目的在于，提供一种基于微光云图数据的夜间低云大雾监测方法，综合利用多波段卫星遥感数据对夜间低云大雾进行监测。

为了实现上述目的，本发明采取以下技术方案：一种基于微光云图数据的夜间低云大雾监测方法，其特征在于，所述方法包括以下步骤：

步骤1、分别选取夜间可见光、近红外以及远红外波段卫星遥感数据，进行去缺省值和图像匹配的预处理；

步骤2、利用云雾反照率数据与下垫面反照率数据(地表、水体、植被等)在可见光波段反照率差异较大的特点，采用最大类间方差法自动确定最佳图像分割阈值，将云雾与地表、水体以及植被等下垫面分离；

步骤3、利用微光传感器在夜间可见光波段接收到的云雾反射月光能量数据与城市灯光等光源自身辐射能量的差异，作目标区域的灰度直方图，依据直方图的分布情况手动选取合适的灰度阈值，将云雾与城市灯光等光源分离；

步骤4、利用冰雪反照率数据与云雾反照率数据在近红外波段(尤其是1.61μm附近)所表现出的反照率差异，综合采用归一化积雪指数(NDSI)和归一化植被指数(NDVI)将云雾与冰雪分离；

步骤5、利用低云大雾、下垫面以及中高云在远红外波段所表现出的亮温差异，作目标区域的亮温直方图，依据直方图的分布情况选取亮温阈值，将低云大雾、下垫面与中高云分离；

步骤6、合并步骤2、3、4、5所得结果的共同区域，得到云雾的相关数据，即初步的低云大雾监测结果；

步骤7、根据低云大雾应具有的连续均匀的特性，对步骤5得到的初步监测结果中的每3×3像元区域逐次进行均匀性检测，剔除噪声，进而得到最终的低云大雾监测结果。

步骤2中用于确定图像分割最佳阈值的最大类间方差法的公式如下：

假设图像大小为M×N，灰度级为L，图像中灰度为i(0≤i≤L-1)的像素数为N_i，则灰度i的概率为最佳阈值为：

G＝arg max_0≤g≤L-1[P_a(w_a-w₀)²+P_b(w_b-w₀)²]式中g为灰度值(0≤g≤L-1),其余参数定义如下：