共查询到18条相似文献，搜索用时 171 毫秒
1.
2.
3.
4.
5.
目前基于深度学习的云检测方法,受训练样本限制,算法难以推广及应用。为了快速实现针对多种传感器的高精度的云检测,Sun等（2020）提出统一样本云检测方法。基于AVIRIS高光谱样本库模拟出待检测传感器的云和晴空地表像元,将模拟得到的多光谱样本数据输入到BP神经网络中进行逐像元分类,生成云检测模型,实现Landsat 8 OLI等宽光谱传感器较高精度的云检测。该方法基于统一样本模拟出不同传感器的样本像元库,适用于多种传感器的云检测。由于Landsat 8 OLI波段较多,波谱范围覆盖宽,容易实现云的高精度识别。为了进一步提高其在光谱范围较窄的GF-6 WFV数据上的云检测应用精度,在模拟出的样本库中加入GF-6 WFV数据典型高亮地表像元。通过目视解译对云检测结果进行精度验证,结果表明,该算法利用可见光和近红外通道的遥感数据可以高精度的识别出植被、水体、建筑、裸地等地表类型上空的厚云、碎云和薄云。改进后的云检测算法,云像元平均正确率达到88.40%,在高亮地表上空云像元正确率达到87.40%,在不同地表类型上空的云像元平均正确率为92.60%。结果表明,加入高反射率地物的算法可以利用有限波段实现云和地表的高精度分离。 相似文献
6.
针对ACCA（云量自动评估）算法难以检测Landsat图像中的半透明云问题,提出了一种ACCA和WSVM（加权支持向量机）相结合的云检测算法．首先根据云在不同波段中的大气辐射特点,结合Landsat ETM+图像数据的光谱特性,利用ACCA算法将图像像元初步分成云像元、非云像元和待定像元,再以云的光谱特性构造特征向量,利用WSVM算法进行待定像元的云层检测,最终获得全部图像的云检测结果．仿真实验结果表明,该方法既具有ACCA算法的云检测优势,还对ACCA算法难以识别的半透明云有很好的检测效果． 相似文献
7.
高分五号（GF-5）号卫星所搭载的大气多角度偏振探测仪（DPC）能够对地球进行多波段,多角度和的连续观测,其数据对研究全球大气云分布及云辐射反馈作用提供新的视角。本文通法国多角度偏振载荷POLDER（POLarization and Directionality of the Earth’s Reflectances）云检测算法为参考,结合DPC多波段反射率、偏振反射率、表观压强等信息开发了一个适用于DPC的云检测算法。算法主要分为3个部分：首先是阈值方法对云像元进行检测,同时引入表观压强对不同高度的云（如卷云、层积云等）进行进一步的条件约束,然后利用865 nm波段偏振反射率对海表反射的太阳耀斑区进行识别,修正了反射率阈值识别云像元时受到的太阳耀斑干扰。为了验证算法的准确性,利用2018-10-01的MODIS的MOD06云掩码产品与本文云检测算法结果进行定性分析,从目视判读结果可以看出本文云检测结果与MOD06产品具有较高的吻合度;随后又利用2018-10-01—04的CALIPSO-VFM数据与本文云检测结果和MYDO6云掩码产品进行定量分析,分别计算了中低纬度区域（60°N—60°S）的云/晴空像元命中率和云/晴空像元错误预报率,计算结果显示算法云命中率均值相较MYD06云掩码产品高出13.501%的前提下云错误预报率仅高出3.561%,可表明该算法在全球中低纬度区域有着良好的云检测效果。本文提出的云检测算法,可为后续DPC的云参数、水汽、气溶胶等研究提供重要数据支撑。 相似文献
8.
基于光谱分析的MODIS云检测算法研究 总被引：11，自引：1，他引：11
总结了云、雪、植被、沙漠、水体等目标的光谱特性以及云和不同目标间的光谱差异，结合MODIS影像的波段范围，提出了一种对不同下垫面通用的多光谱云检测算法，试验证明了算法的有效性。 相似文献
9.
10.
近年来,深度学习算法得到了长足的发展,并开始应用于云检测。但是深度神经网络模型参数众多,依赖大量训练样本,因此理解其泛化性能对于深度学习在不同遥感影像的实际应用具有重要的参考价值。本文以深度语义分割算法DeepLabv3+为例,以一组广泛使用的云标记数据集"L8 Biome"为验证数据,探讨该算法用于云检测时在不同的地表景观、空间分辨率和光谱波段组合的遥感影像上的泛化性能。云标记数据集"L8Biome"包含96景具有全球代表性的Landsat 8 OLI影像及相应的人工云掩膜,被广泛用于测试云和云阴影检测算法性能。首先,利用Landsat 8 OLI云标记数据集"L8 Biome",构建不同类型景观、不同空间分辨率、不同波段组合的训练影像集和测试影像集;其次基于不同训练样本集和测试集,评估了DeepLabv3+算法在不同情况下的云检测精度,并与Fmask算法作对比分析。研究结果表明:(1)使用全混合景观类型的训练集训练出来的云检测网络在总体检测精度(92.81%)与稳定度(标准差12.08%)上都优于使用单一景观类型的训练集训练得到的云检测网络,也优于Fmask的总体精度(88.75%)与稳定度(标准差17.34%),说明在构建深度学习算法的训练集时,应该尽可能包含多类型的地表景观;(2)将全混合景观训练集中剔除一类景观的样本(冰/雪景观除外)构建的"混合-1"训练集与全混合景观训练集训练的DeepLabv3+网络的云检测精度也相差不大,说明现有训练样本集已具备较强的景观泛化能力;(3)基于30 m空间分辨率的全混合景观训练样本集训练得到的DeepLabv3+云检测网络在不同分辨率(30 m、60 m、120 m、240 m)的测试集上云检测精度差异不大,都取得较好的效果,说明DeepLabv3+能够泛化应用于不同空间分辨率的遥感影像,相反Fmask直接应用于低分辨率影像时精度明显下降;(4) DeepLabv3+能充分自适应不同波段的信息用于云检测,总体来说更多的光谱波段输入能够提高DeepLabv3+的云检测的精度和稳定度,其中短波红外波段对于DeepLabv3+区分冰/雪与云具有重要价值,而热红外波段对DeepLabv3+云检测网络的性能提升很微小。以上结果说明利用现有数据集"L8 Biome"训练的DeepLabv3+云检测网络能够适用于多种类型的遥感影像,并优于Fmask算法。 相似文献
11.
北京地区HJ-1卫星CCD数据的气溶胶反演及在大气校正中的应用 总被引：1，自引：1，他引：0
与现有的大气卫星传感器相比,环境一号卫星(HJ-1)CCD相机具有较高的空间分辨率(30m),使得在城市地区找到光谱纯像元的机率大大增加。本文提出一种基于纯像元提取的城市地区气溶胶光学厚度(AerosolOpticalDepth,AOD)反演算法,利用像元纯净指数来提取CCD影像上的纯像元,并由HJ-1A星和B星的多时相CCD观测数据结合地表双向反射率模型确定纯像元的地表反射特性,在此基础上反演AOD。与AERONET地基测量数据的对比表明,该算法具有较高精度,相关系数为0.83,线性拟合斜率为1.091,截距为0.053。基于该方法的AOD反演结果作为输入,能较大程度提高HJ-1卫星CCD影像大气校正的精度。 相似文献
12.
以准同步的Terra/MODIS反演的气溶胶为辅助,采用FLAASH模型对2009-10-24鄱阳湖HJ-1A/B卫星CCD影像进行大气校正处理。结果表明,大气影响可以被有效去除,在水体遥感反射率较高的红、绿波段,大气校正精度较高,平均相对误差分别为13.4%和9.8%;而在水体遥感反射率较低的近红外、蓝波段,大气校正精度较低,这可能与波段不同的信噪比和陆地邻近像元效应有关。 相似文献
13.
利用HJ-1A/B卫星CCD数据,提取2013—2015年三年江汉平原农田的归一化植被指数NDVI,构建时间序列曲线,利用小波变换对HJ-1A/B卫星所得的NDVI数据进行平滑降噪处理,结合地面调研资料,提取江汉平原农作物的物候信息。研究结果表明,HJ-1A/B卫星可用于农田物候监测,对于小区域的农田作物长势监测具有独特的优势。 相似文献
14.
在卫星海洋遥感中,云作为海气耦合系统最重要的调节器之一,其检测结果对海洋上空云微物理特性的反演精度有较大影响。因此,快速而准确识别海洋上空的云像元是卫星遥感数据处理过程中首要解决的关键问题。以PARASOL (Polarization and Anisotropy of Reflectances for Atmospheric Sciences coupled with Observations from a Lidar)卫星搭载的POLDER3载荷遥感数据为研究对象,提出一种改进的海洋上空云检测方法。首先剔除海洋耀光;接着利用有云与晴空区近红外反射率差异检验识别有云像元,并利用偏振反射率检验进一步识别低反射率的云像元;然后利用近红外与可见光反射率比值检验识别晴空像元;最后建立多角度云检测结果空间融合规则,重新标记有云、晴空和未定像元。以印度洋海区为例进行实验分析,将云检测结果与Buriez方法进行对比,发现检测精度基本相当,而有云像元的识别速度却平均提高约3倍。结果表明:该方法能有效的检测出海洋上空的云像元,满足业务化数据处理的高精度及时效性要求,为后续云微物理特性反演提供可靠的数据源。 相似文献
15.
高分辨率数据中云高度的差异性突显,特别是边缘处高度在云阴影识别和地表辐射估算等方面成为需要考虑的重要因素。热红外数据获取云高度分辨率较低、缺乏细部差异性特征,为解决这一问题,首先将对应的热红外和可见光数据进行特征点配准,再将基于热红外数据计算的云高度重采样至高分辨率,然后以基于欧式距离变换的围线搜索方法及距离加权将热红外云边缘高度匹配至对应的可见光图像,最后根据云阴影的相似度匹配方法确定真实云高度。结果表明,算法在遵循热红外云高信息分布变化规律的同时,可以得到较准确的高分辨率云边缘高度,一定程度上解决了热红外技术获取云高在分辨率上的局限,扩展了其在云高反演方面的作用。 相似文献
16.
17.
地表温度被认为是影响生态系统的关键因子之一,它与许多地表过程有关。目前,热红外卫星遥感技术是获取有关区域和全球尺度地表温度信息的一个有效、可行的手段。针对不同卫星上搭载的热红外传感器,许多学者开展了大量的研究,其中针对单波段热红外的特点(如Landsat TM/ETM+,CBERS和HJ-1B)提出了单通道(或单窗)算法。该类算法需要准确的地表比辐射率和大气参数(如大气水分含量)。这些参数在现实中又很难轻易获得,从而在一定程度上限制了现有算法的应用。针对HJ-1B高回访频率的特点,本文提出了利用多时相影像的时空信息来直接反演地表温度的Multi-Temporal and Spatial Information-Based Single Channel(MTSC),以解决现有算法对地表比辐射率和大气参数的过度依赖性。实例分析结果显示,基于MTSC法由HJ-1B反演得到的地表温度结果与MODIS地表(陆表和海表)温度产品具有很好的空间一致性;HJ-1B的陆表温度结果总体上被高估了约1 K,而海表温度结果总体上被高估了0.5 K;同时,MTSC法得到的HJ-1B地表温度结果具有更好的细节和空间完整性。最后,通过分析和讨论指出了一些可能的完善途径,如相似像元的确定、修改优化求解中的目标函数、参数的自适应初始化等,以便提高MTSC法的反演精度和实用性。 相似文献
18.
利用HJ-1A/1B卫星CCD数据进行黄河凌汛监测,提出了基于主成分分析和决策树的冰凌提取方法。实验结果显示,利用HJ-1A/1B卫星CCD数据能有效地提取出黄河的冰凌范围,对黄河凌汛监测具有较大的应用潜力。 相似文献