CN104502999B - 一种基于静止卫星多通道数据的昼夜云检测方法与装置 - Google Patents
一种基于静止卫星多通道数据的昼夜云检测方法与装置 Download PDFInfo
- Publication number
- CN104502999B CN104502999B CN201410759430.1A CN201410759430A CN104502999B CN 104502999 B CN104502999 B CN 104502999B CN 201410759430 A CN201410759430 A CN 201410759430A CN 104502999 B CN104502999 B CN 104502999B
- Authority
- CN
- China
- Prior art keywords
- cloud
- detection
- pixel
- bright temperature
- daytime
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
Landscapes
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Image Processing (AREA)
- Radiation Pyrometers (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明涉及一种基于静止卫星多通道数据的昼夜云检测方法,包括:S1:对数据进行预处理,并生成一整年逐月的晴空背景底图数据;S2:对当前影像逐像元进行日夜判别,并利用相应的检测算法进行检测。本发明通过采用多步云检测算法,综合使用了可见光和热红外波段信息,减小了误判的概率,对于下垫面为冰雪、沙漠和植被覆盖地表,均能够快速、准确、稳定的实现云检测且具有良好的适用性。本发明还提出了一种基于静止卫星多通道数据的昼夜云检测装置。
Description
技术领域
本发明涉及遥感图像处理以及大气科学技术领域,尤其涉及一种基于静止卫星多通道数据的昼夜云检测方法与装置。
背景技术
目前,云检测是世界气候研究计划的重要组成部分,现有的卫星图像云检测一般分为统计法和阈值法两类,同时结合了聚类分析、模式识别、小波分析和神经网络法等。ISCCP采用可见光及红外通道数据,利用晴空辐射与观测辐射之间的差值阈值实现云检测;MODIS及NOAA采用CO2薄片法实现云检测。实践表明单一的算法总是具有局限性,例如对高纬度和季节性云变化情况下的云检测精度不高,不同卫星的光谱通道和时间分辨率不一致导致算法的实际应用受限等,多算法的配合使用,可以提高云检测过程的自动化程度与云检测精度。现有算法多关注于日间云检测方法的选择及识别精度情形,而对夜间云检测的算法则较少。
动态云检测具有随时间及区域变化的特征,其检测精度受区域大小、下垫面类型、像元特征及光谱特性的影响。当下垫面为多层云覆盖,或者像元部分晴空部分被云遮蔽,下垫面类型和地形崎岖复杂,同时存在云与冰雪等问题时,区域动态云检测的提取精度不高,其合理性也值得商榷。对于大范围动态云检测多采用滑动窗口或者嵌套窗口,并采用多光谱通道,多算法综合的方法来实现。
对于静止卫星云检测,由于其覆盖范围广,且受太阳及卫星天顶角、季节、大气环境、下垫面、时间等诸多因素的影响,上述很多方法就不再适用,需要考虑更多的因素。如根据不同分区的动态阈值云检测,但不同区域阈值的确定是该算法的难点;考虑卫星天顶角影响的APOLLO中的亮温差法等。由于薄云的辐射特性与地面相近,难以区分,同时,低云与雾的红外辐射特性相近,反射率与雪等容易混淆,一直是云检测的难点。夜间及晨昏时的可见光等通道无效,导致云检测效果较差。
经对现有技术文献的检索发现,中国专利申请号:CN201410181111,发明名称:一种航空图像自动云检测方法,公开号:CN103927759A,该专利通过构建比值图和多尺度细节图两种不同的特性标准得到云检测结果。中国专利申请号:CN201410146828,发明名称:一种有效的卷云监测方法,公开号:CN103995302A,该专利利用NPPVIIRS数据的1.38μm和11μm通道信息的亮温,将亮温与多天合成的地表温度作对比以识别卷云。中国专利申请号:CN201310606332,发明名称:一种基于光谱反射率特性的星载高光谱图像云检测方法,公开号:CN103604421A,该专利采用高光谱图像五个波长的数据,以及卫星和太阳几何位置,采用多通道阈值法实现云检测。中国专利申请号:CN201210326572,发明名称:环境一号HJ-1A/B星CCD数据的云检测方法,公开号:CN102854513A,该专利采用HJ-1A/B卫星CCD数据,建立地表反射率数据库,与星上表观反射率差值的阈值进行比对,并结合第3波段表观反射率、第3与第4波段表观反射率比值的阈值范围,得到最终的云掩膜结果。
综上所示,各种云检测方法各有其不足之处,如:阈值法和统计方程法受到时空局限性的影响;辐射传输算法受到算法模型的限制,往往成为其他方法的辅助方法;综合云检测方法尽管相对于各基本方法具有一定优势,但由于薄云、低云和雾的特殊辐射特性,对它们的检测仍然存在难度。而已有的专利文献则较多的关注于极轨卫星和航空数据的云检测方法,且重点在白天可见光数据可用情形下的云检测,而对静止卫星云检测的专利文献则较少。
发明内容
本发明所要解决的技术问题是如何提供一种静止卫星图像的昼夜云检测方法与装置,充分利用静止卫星的高时间分辨率特征和多通道优势,针对不同的下垫面特征,准确的区分冰雪,高云、低云区域,实现静止卫星的实时昼夜云检测的关键问题。
为此目的,本发明提出了一种基于静止卫星多通道数据的昼夜云检测方法,包括以下具体步骤:
S1:对数据进行预处理,并生成一整年逐月的晴空背景底图数据;
S2:对当前影像逐像元进行日夜判别,并利用相应的检测算法进行检测。
具体地,所述晴空背景底图数据包括:可见光波段地表晴空反射率、10.8μm波段表观亮温、12.0μm波段表观亮温、3.9μm波段表观亮温以及时间分辨率,其中,所述可见光波段反射率与所述10.8μm表观亮温用于日间云检测;10.8μm与3.9μm波段表观亮温用于夜间云检测。
进一步地,所述步骤S2进一步包括:如果像元的太阳天顶角大于80度,则采用热红外多通道阈值法实现云检测;否则采用云光学厚度或三步法进行日间云检测,其中,所述热红外多通道阈值法包括夜间11.0μm阈值云检测法以及夜间通道亮温差阈值法,所述三步法包括时间差分法、动态阈值法以及光谱识别法。
进一步地,所述如果像元的太阳天顶角大于80度,则采用热红外多通道阈值法实现云检测,具体包括:利用10.8μm波段亮温、10.8μm波段亮温与晴空背景的差值与云检测阈值进行比较;10.8μm温度低于10.8μm阈值、以及与晴空背景值差小于给定阈值的像元判定为有云,其中,10.8μm阈值是对不同纬度和海拔区域的亮温采用直方图统计得到。
进一步地,所述如果像元的太阳天顶角大于80度,则采用热红外多通道阈值法实现云检测,具体还包括:利用3.9μm与10.8μm通道的亮温差进行云边缘、高云以及薄云的检测,其中,亮温差阈值为预先对数据进行统计得到。
进一步地,所述如果像元的太阳天顶角不大于80度,则采用光学厚度或所述三步法进行日间云检测,具体包括:判读输入数据是否为首幅影像,若是且当前时刻为日间,则采用辐射传输方程,辅助大气和地表参数,计算云光学厚度;
通过所述云光学厚度阈值法实现云检测;若判断输入数据不为首幅图像,则利用所述三步法进行日间云检测。
进一步地,所述若判断输入数据不为首幅图像,则利用所述三步法进行日间云检测,具体包括:分别计算前一时刻与当前时刻卫星观测值变化和晴空视场下的背景参数变化;
再与先前设定的云检测阈值相比较。
进一步地,所述若判断输入数据不为首幅图像,则利用所述三步法进行日间云检测,具体还包括:所有通过所述时间差分法检验的像元被用来扩展到周边时间差分未探测到的有云像元。
进一步地,所述若判断输入数据不为首幅图像,则利用所述三步法进行日间云检测,具体还包括:利用云的高反射率和低亮温特性,将反射率值以及亮温值明显高于最大晴空背景值的像元被判定为有云像元。
为此目的,本发明还提出了一种基于静止卫星多通道数据的昼夜云检测装置,包括:
预处理模块,用于对数据进行预处理;
生成模块,用于生成一整年逐月的晴空背景底图数据;
判别模块,用于对当前影像逐像元进行日夜判别;
检测模块,用于对判别后的所述当前影像利用相应的检测算法进行检测。
具体地,所述晴空背景底图数据包括:可见光波段地表晴空反射率、10.8μm波段表观亮温、12.0μm波段表观亮温、3.9μm波段表观亮温以及时间分辨率,其中,所述可见光波段反射率与所述10.8μm表观亮温用于日间云检测;10.8μm与3.9μm波段表观亮温用于夜间云检测。
进一步地,所述处理模块还包括:
判定单元,用于判定如果像元的太阳天顶角大于80度,则采用热红外多通道阈值法实现云检测;否则采用云光学厚度或三步法进行日间云检测,其中,所述热红外多通道阈值法包括夜间11.0μm阈值云检测法以及夜间通道亮温差阈值法,所述三步法包括时间差分法、动态阈值法以及光谱识别法。
进一步地,所述判定单元还包括:
比较子单元,用于利用10.8μm波段亮温、10.8μm波段亮温与晴空背景的差值与云检测阈值进行比较;10.8μm温度低于10.8μm阈值、以及与晴空背景值差小于给定阈值的像元判定为有云,其中,10.8μm阈值是对不同纬度和海拔区域的亮温采用直方图统计得到。
进一步地,所述判定单元还包括:
检测子单元,用于利用3.9μm与10.8μm通道的亮温差进行云边缘、高云以及薄云的检测,其中,亮温差阈值为预先对数据进行统计得到。
进一步地,所述判定单元还包括:
计算子单元,用于判断输入数据是否为首幅影像,若是且当前时刻为日间,则采用辐射传输方程,辅助大气和地表参数,计算云光学厚度;通过所述云光学厚度阈值法实现云检测;
三步法检测子单元,用于若判断输入数据不为首幅图像,则利用所述三步法进行日间云检测。
本发明公开了一种基于静止卫星多通道数据的昼夜云检测方法,通过采用多步云检测算法,综合使用了可见光和热红外波段信息,减小了误判的概率,对于下垫面为冰雪、沙漠和植被覆盖地表,均能够快速、准确、稳定的实现云检测,得到云掩膜信息,为进一步反演大气和地表参数提供了必要的前提,更进一步地,本发明提出的一种基于静止卫星多通道数据的昼夜云检测方法,还适应于全球所有静止卫星的云检测,同时又不局限于静止卫星系列,同时适应于携带可见光及10.8μm和3.9μm通道的航空级极轨卫星影像的云检测应用,且实验测试多颗卫星图像,该方法均能够较好地检测出厚云及薄云,具有良好的适用性。本发明还公开了一种基于静止卫星多通道数据的昼夜云检测装置。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1示出了本发明实施例中的一种基于静止卫星多通道数据的昼夜云检测方法的步骤流程图;
图2示出了本发明另一实施例中的一种基于静止卫星多通道数据的昼夜云检测方法的步骤流程图;
图3示出了本发明实施例中的一种基于静止卫星多通道数据的昼夜云检测装置的结构示意图。
具体实施方式
本发明提出了一种基于静止卫星多通道数据的昼夜云检测方法与装置,对白天与夜间的云检测分别采用不同的算法实现。具体地,对于日间云检测采用三步来完成;即时间差分;动态阈值;光谱识别;对于夜间云检测采用多通道热红外阈值法。其中,每种方法分别利用云在时间、空间、光谱方面的不同特征,以便快速准确的检测云。
下面将结合附图对本发明的实施例进行详细描述。
为了更好的理解与应用本发明提出的一种基于静止卫星多通道数据的昼夜云检测方法与装置,以如下附图示例进行详细说明。
如图1所示,本发明提出了一种基于静止卫星多通道数据的昼夜云检测方法,包括以下具体步骤:
步骤S1:对数据进行预处理,并生成一整年逐月的晴空背景底图数据。其中,晴空背景底图数据包括:可见光波段地表晴空反射率、10.8μm波段表观亮温、12.0μm波段表观亮温、3.9μm波段表观亮温以及时间分辨率,其中,可见光波段反射率与10.8μm表观亮温用于日间云检测;10.8μm与3.9μm波段表观亮温用于夜间云检测。
步骤S2:对当前影像逐像元进行日夜判别,并利用相应的检测算法进行检测。
具体地,步骤S2进一步包括:如果像元的太阳天顶角大于80度,则采用热红外多通道阈值法实现云检测;否则采用云光学厚度或三步法进行日间云检测,其中,热红外多通道阈值法包括夜间11.0μm阈值云检测法以及夜间通道亮温差阈值法,三步法包括时间差分法、动态阈值法以及光谱识别法。
进一步地,如果像元的太阳天顶角大于80度,则采用热红外多通道阈值法实现云检测,具体包括:利用10.8μm波段亮温、10.8μm波段亮温与晴空背景的差值与云检测阈值进行比较;10.8μm温度低于10.8μm阈值、以及与晴空背景值差小于给定阈值的像元判定为有云,其中,10.8μm阈值是对不同纬度和海拔区域的亮温采用直方图统计得到。
更进一步地,如果像元的太阳天顶角大于80度,则采用热红外多通道阈值法实现云检测,具体还包括:利用3.9μm与10.8μm通道的亮温差进行云边缘、高云以及薄云的检测,其中,亮温差阈值为预先对数据进行统计得到。
进一步地,如果像元的太阳天顶角不大于80度,则采用光学厚度或三步法进行日间云检测,具体包括:判读输入数据是否为首幅影像,若是且当前时刻为日间,则采用辐射传输方程,辅助大气和地表参数,计算云光学厚度;通过云光学厚度阈值法实现云检测;若判断输入数据不为首幅图像,则利用三步法进行日间云检测。
更进一步地,若判断输入数据不为首幅图像,则利用三步法进行日间云检测,具体包括:分别计算前一时刻与当前时刻卫星观测值变化和晴空视场下的背景参数变化;再与先前设定的云检测阈值相比较,其中,只有可见光和10.8μm、12.0μm波段红外检测都为云的像元才被标志为有云。为避免阴影的影响,太阳天顶角大于80°的像元归入夜间云检测算法。
更进一步地,若判断输入数据不为首幅图像,则利用三步法进行日间云检测,具体还包括:所有通过时间差分法检验的像元被用来扩展到周边时间差分未探测到的有云像元。具体地,在时间差分法中被判定的云点,辐射特征信息在动态阈值方法使用。该云点周边具有相似辐射特征的点即被判定为云。影像被分成规则的格网,对于每个格网,获得的局部云辐射特征被用来动态定义局部亮温,即反射率有云或无云的阈值。格网内亮温值低于该局部动态阈值,即可见光反射率高于该动态阈值的像元被归为有云的类别。
更进一步地,若判断输入数据不为首幅图像,则利用三步法进行日间云检测,具体还包括:利用云的高反射率和低亮温特性,将反射率值以及亮温值明显高于最大晴空背景值的像元被判定为有云像元,即以上步骤完成后,可能还会存在一些静止不动的云,也就是在分析时段内空间和辐射属性都没有发生改变的云还没有被检测出来。为了检测出这些静止的云,利用上述操作方法可以获得实现。
为了更好的理解与应用本发明提出的一种基于静止卫星多通道数据的昼夜云检测方法,结合图2进行以下示例,且本发明不局限以下示例。
步骤S1:晴空背景数据生成。
具体地,从静止卫星数据的可见光及10.8μm、12.0μm和3.9μm通道的辅助数据文件中获取定标系数,获取红外通道的亮度温度,并结合辐射传输模型,综合考虑地表反射、日-地-星间的几何关系等参数,从卫星观测的大气层顶表观反射率求算出地表反射率。以一个月的时间窗口作为步长,将连续一年每个月的最低地表反射率、最高亮温作为晴空背景值,并录入数据库。其中,高反射地表,即大于0.4的像元标识为冰雪覆盖区。
步骤S2:对于当前影像的每个像元,根据经纬度、成像日期及时间判断像元是否可照。若像元的太阳天顶角大于80°,则视为夜间像元,进入步骤S3;否则进入步骤S4。
步骤S3:对于夜间像元,采用10.8μm、3.9μm的影像值和10.8μm的晴空背景值进行多通道阈值云检测。
进一步地,步骤S3进一步包括如下步骤:
步骤S3.1:将10.8μm的影像值与晴空背景值、10.8μm阈值进行比较,如果10.8μm的亮温值低于阈值CB1且与晴空背景的差别低于给定阈值CB2,则标志为有云,否则无云:
(330-T10.8)*5>CB1并且T10.8-BTt<CB2
其中,T10.8为10.8μm的波段亮温,BTt是晴空背景值,CB1和CB2为阈值。CB1通过对不同季节、不同纬度和高程进行分区统计得到,CB2为15K。
步骤S3.2:对夜间像元计算3.9μm和10.8μm的亮温差,并选取两个阈值CB3和CB4(CB3<CB4),将通道亮温差与阈值比较,得到第一步中漏检的薄云、边缘云和厚云:
满足T3.9-T10.8>CB3并且T3.9-T10.8<CB4,为薄云或云块边缘;
满足T3.9-T10.8>CB4为低云。CB3和CB4分别为8K和20K。
步骤S4:对于日间像元,判断当前影像是否是要进行云检测的第一幅图像,若是,则利用云光学厚度判别,否则进入步骤S5。
具体地,利用分裂窗算法得到大气水汽,从背景数据库中获取当前成像时刻的地表反射率数据,从卫星成像时刻获取太阳天顶角和方位角,根据卫星位置获取卫星天顶角和方位角,结合地表高程数据和辐射传输方程,从可见光波段直接反演得到云光学厚度数据。若光学厚度大于0,则标志为有云,否则无云。
步骤S5:对于日间像元且当前影像不是要进行云检测的第一幅影像,结合阈值法和光谱识别法,生成云掩膜图像。
进一步地,步骤S5进一步包括如下步骤:
步骤S5.1:分别计算出各自卫星观测值变化和晴空视场下的背景参数变化,单个像元的可见光反射率变化为:
ΔV=Vt-Vt-Δt
其中,Vt-Δt是可见光波段在t-Δt时刻的反射率,Vt是t时刻的可见光反射率。
晴空背景下的可见光反射率变化为:
ΔBV=BVt-BVt-Δt
即采用同样的方法,将10.8μm和12.0μm波段的亮温变化与背景的亮温变化相比较。卫星观测值变化与背景值变化间的差值如果大于给定的阈值,则该像元被认为有云覆盖。可见光的阈值设置为0.08,10.8μm和12.0μm波段的阈值设定为2。只有可见光、10.8μm和12.0μm波段检测都为云的像元才被标志为有云。
步骤S5.2:将遥感影像分为200×200的像元矩阵。每个区域集合中的最大最小值用来计算判断反射率和亮温有云无云的最终阈值。
Tcld=Tmax–γ(Tmax-Tmin)
Vcld=Vmax+δ(Vmax-Vmin)
其中,式中γ和δ为可调节的参数,Tmax,Tmin,Vmax,Vmin是10.8μm波段亮温和可见光反射率集合中的最大和最小值。对于裸露地表,包括沙漠,裸土和沙地等区域,γ和δ分别取值0.85,其余情形γ取值0.3,δ取值0.2。如果满足如下关系式,则该像元被判定为有云。
V>Vcld且T<Tcld
步骤S5.3:以上两步完成后,利用下式进行最后一步云判别:
Vt-BVt>Ωvis
BTt-Tt>ΩIR
其中,变量ΩVis取值0.08,ΩIR取值2。
步骤S6:根据步骤S3-步骤S5的云像元识别结果,得到最终的静止卫星数据云掩膜图像。
本发明提出的一种基于静止卫星多通道数据的昼夜云检测方法,涉及一种新型遥感图像云检测方法,具体是一种基于高时间分辨率静止卫星可见光和热红外数据的云检测方法,用于遥感图像处理技术领域以及大气科学技术领域,适用于日渐和夜间云检测,不依赖于特定的传感器和云的形态,通过采用多步云检测算法,综合使用了可见光和热红外波段信息,减小了误判的概率,对于下垫面为冰雪、沙漠和植被覆盖地表,均能够快速、准确、稳定的实现云检测,得到云掩膜信息,为进一步反演大气和地表参数提供了必要的前提,更进一步地,本发明提出的一种基于静止卫星多通道数据的昼夜云检测方法,还适应于全球所有静止卫星的云检测,同时又不局限于静止卫星系列,同时适应于携带可见光及10.8μm和3.9μm通道的航空级极轨卫星影像的云检测应用,且实验测试多颗卫星图像,该方法均能够较好地检测出厚云及薄云,具有良好的适用性。
如图3所示,本发明还提出了一种基于静止卫星多通道数据的昼夜云检测装置10,包括:预处理模块101、生成模块102、判别模块103以及检测模块104。
具体地,预处理模块101用于对数据进行预处理;生成模块102用于生成一整年逐月的晴空背景底图数据,其中,晴空背景底图数据包括:可见光波段地表晴空反射率、10.8μm波段表观亮温、12.0μm波段表观亮温、3.9μm波段表观亮温以及时间分辨率与要进行云检测的静止卫星数据一致,其中,可见光波段反射率与10.8μm表观亮温用于日间云检测;10.8μm与3.9μm波段表观亮温用于夜间云检测;处理模块102用于对生成模块101生成的数据进行预处理;判别模块103用于对当前影像逐像元进行日夜判别;检测模块104用于对判别后的当前影像利用相应的检测算法进行检测。
进一步地,处理模块102还包括:判定单元(图中未示出)用于判定如果像元的太阳天顶角大于80度,则采用热红外多通道阈值法实现云检测;否则采用云光学厚度或三步法进行日间云检测,其中,热红外多通道阈值法包括夜间11.0μm阈值云检测法以及夜间通道亮温差阈值法,三步法包括时间差分法、动态阈值法以及光谱识别法。
更进一步地,判定单元还包括:比较子单元(图中未示出)用于利用10.8μm波段亮温、10.8μm波段亮温与晴空背景的差值与云检测阈值进行比较;10.8μm温度低于10.8μm阈值、以及与晴空背景值差小于给定阈值的像元判定为有云,其中,10.8μm阈值是对不同纬度和海拔区域的亮温采用直方图统计得到。
更进一步地,判定单元还包括:检测子单元(图中未示出)用于利用3.9μm与10.8μm通道的亮温差进行云边缘、高云以及薄云的检测,其中,亮温差阈值为预先对数据进行统计得到。
更进一步地,判定单元还包括:计算子单元(图中未示出)用于判断输入数据是否为首幅影像,若是且当前时刻为日间,则采用辐射传输方程,辅助大气和地表参数,计算云光学厚度;通过云光学厚度阈值法实现云检测;三步法检测子单元(图中未示出)用于若判断输入数据不为首幅图像,则利用三步法进行日间云检测。
本发明公开了一种基于静止卫星多通道数据的昼夜云检测方法,通过采用多步云检测算法,综合使用了可见光和热红外波段信息,减小了误判的概率,对于下垫面为冰雪、沙漠和植被覆盖地表,均能够快速、准确、稳定的实现云检测,得到云掩膜信息,为进一步反演大气和地表参数提供了必要的前提,更进一步地,本发明提出的一种基于静止卫星多通道数据的昼夜云检测方法,还适应于全球所有静止卫星的云检测,同时又不局限于静止卫星系列,同时适应于携带可见光及10.8μm和3.9μm通道的航空级极轨卫星影像的云检测应用,且实验测试多颗卫星图像,该方法均能够较好地检测出厚云及薄云,具有良好的适用性。本发明还公开了一种基于静止卫星多通道数据的昼夜云检测装置。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (8)
1.一种基于静止卫星多通道数据的昼夜云检测方法,其特征在于,包括以下具体步骤:
S1:对数据进行预处理,并生成一整年逐月的晴空背景底图数据;其中,所述晴空背景底图数据包括:可见光波段地表晴空反射率、10.8μm波段表观亮温、12.0μm波段表观亮温、3.9μm波段表观亮温以及时间分辨率,其中,所述可见光波段反射率与所述10.8μm表观亮温用于日间云检测;10.8μm与3.9μm波段表观亮温用于夜间云检测;
S2:对当前影像逐像元进行日夜判别,并利用相应的检测算法进行检测;
如果像元的太阳天顶角大于80度,则采用热红外多通道阈值法实现云检测,具体包括:利用10.8μm波段亮温、10.8μm波段亮温与晴空背景的差值与云检测阈值进行比较;10.8μm温度低于10.8μm阈值、以及与晴空背景值差小于给定阈值的像元判定为有云,其中,10.8μm阈值是对不同纬度和海拔区域的亮温采用直方图统计得到;
如果像元的太阳天顶角不大于80度,则采用光学厚度或三步法进行日间云检测,具体包括:判读输入数据是否为首幅影像,若是且当前时刻为日间,则采用辐射传输方程,辅助大气和地表参数,计算云光学厚度;通过所述云光学厚度阈值法实现云检测;若判断输入数据不为首幅图像,则利用所述三步法进行日间云检测;所述三步法包括时间差分法、动态阈值法以及光谱识别法,对于日间像元,只有可见光、10.8μm和12.0μm波段检测都为云的像元才被标志为有云。
2.如权利要求1所述的方法,其特征在于,所述如果像元的太阳天顶角大于80度,则采用热红外多通道阈值法实现云检测,具体还包括:利用3.9μm与10.8μm通道的亮温差进行云边缘、高云以及薄云的检测,其中,亮温差阈值为预先对数据进行统计得到。
3.如权利要求1所述的方法,其特征在于,所述若判断输入数据不为首幅图像,则利用所述三步法进行日间云检测,具体包括:分别计算前一时刻与当前时刻卫星观测值变化和晴空视场下的背景参数变化;
再与先前设定的云检测阈值相比较。
4.如权利要求1所述的方法,其特征在于,所述若判断输入数据不为首幅图像,则利用所述三步法进行日间云检测,具体还包括:所有通过所述时间差分法检验的像元被用来扩展到周边时间差分未探测到的有云像元。
5.如权利要求1所述的方法,其特征在于,所述若判断输入数据不为首幅图像,则利用所述三步法进行日间云检测,具体还包括:利用云的高反射率和低亮温特性,将反射率值以及亮温值明显高于最大晴空背景值的像元被判定为有云像元。
6.一种基于静止卫星多通道数据的昼夜云检测装置,其特征在于,包括:
预处理模块,用于对数据进行预处理;
生成模块,用于生成一整年逐月的晴空背景底图数据,其中,所述晴空背景底图数据包括:可见光波段地表晴空反射率、10.8μm波段表观亮温、12.0μm波段表观亮温、3.9μm波段表观亮温以及时间分辨率,其中,所述可见光波段反射率与所述10.8μm表观亮温用于日间云检测;10.8μm与3.9μm波段表观亮温用于夜间云检测;
判别模块,用于对当前影像逐像元进行日夜判别;
检测模块,用于对判别后的所述当前影像利用相应的检测算法进行检测;
所述检测模块还包括判定单元,用于判定如果像元的太阳天顶角大于80度,则采用热红外多通道阈值法实现云检测;所述判定单元还包括比较子单元,用于利用10.8μm波段亮温、10.8μm波段亮温与晴空背景的差值与云检测阈值进行比较;10.8μm温度低于10.8μm阈值、以及与晴空背景值差小于给定阈值的像元判定为有云,其中,10.8μm阈值是对不同纬度和海拔区域的亮温采用直方图统计得到;
否则采用云光学厚度或三步法进行日间云检测,具体包括:判读输入数据是否为首幅影像,若是且当前时刻为日间,则采用辐射传输方程,辅助大气和地表参数,计算云光学厚度;通过所述云光学厚度阈值法实现云检测;若判断输入数据不为首幅图像,则利用所述三步法进行日间云检测;所述三步法包括时间差分法、动态阈值法以及光谱识别法,对于日间像元,只有可见光、10.8μm和12.0μm波段检测都为云的像元才被标志为有云。
7.如权利要求6所述的装置,其特征在于,所述判定单元还包括:
检测子单元,用于利用3.9μm与10.8μm通道的亮温差进行云边缘、高云以及薄云的检测,其中,亮温差阈值为预先对数据进行统计得到。
8.如权利要求6所述的装置,其特征在于,所述判定单元还包括:
计算子单元,用于判断输入数据是否为首幅影像,若是且当前时刻为日间,则采用辐射传输方程,辅助大气和地表参数,计算云光学厚度;通过所述云光学厚度阈值法实现云检测;
三步法检测子单元,用于若判断输入数据不为首幅图像,则利用所述三步法进行日间云检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410759430.1A CN104502999B (zh) | 2014-12-10 | 2014-12-10 | 一种基于静止卫星多通道数据的昼夜云检测方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410759430.1A CN104502999B (zh) | 2014-12-10 | 2014-12-10 | 一种基于静止卫星多通道数据的昼夜云检测方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104502999A CN104502999A (zh) | 2015-04-08 |
CN104502999B true CN104502999B (zh) | 2019-07-19 |
Family
ID=52944410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410759430.1A Expired - Fee Related CN104502999B (zh) | 2014-12-10 | 2014-12-10 | 一种基于静止卫星多通道数据的昼夜云检测方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104502999B (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105426903A (zh) * | 2015-10-27 | 2016-03-23 | 航天恒星科技有限公司 | 一种遥感卫星图像的云判方法及系统 |
CN105260729B (zh) * | 2015-11-20 | 2018-10-26 | 武汉大学 | 一种基于随机森林的卫星遥感影像云量计算方法 |
CN106997464A (zh) * | 2017-04-07 | 2017-08-01 | 中国科学院遥感与数字地球研究所 | 一种高程辅助的云霾识别方法 |
CN108564608A (zh) * | 2018-04-23 | 2018-09-21 | 中南大学 | 一种基于h8/ahi的白天雾快速提取的方法 |
CN108761484A (zh) * | 2018-04-26 | 2018-11-06 | 江苏省气象台 | 一种基于多源卫星遥感数据的海雾监测方法 |
CN109033984B (zh) * | 2018-06-29 | 2022-04-05 | 中南大学 | 一种夜间雾快速自动检测方法 |
CN109255353B (zh) * | 2018-09-12 | 2022-06-28 | 首都师范大学 | 一种动目标检测方法、装置、电子设备及存储介质 |
CN109297605B (zh) * | 2018-10-09 | 2020-02-11 | 北京大学 | 一种基于中红外与热红外数据的地表温度反演方法 |
US10823881B2 (en) * | 2018-11-05 | 2020-11-03 | Tianjin Kantian Technology Co., Ltd. | Cloud forecast using sequential images |
CN110261341B (zh) * | 2019-06-20 | 2020-10-02 | 中国矿业大学(北京) | 一种基于静止气象卫星数据的火山灰云检测方法及系统 |
CN110489505B (zh) * | 2019-08-05 | 2023-04-07 | 中国科学院遥感与数字地球研究所 | 一种动态阈值法来识别低云大雾的方法 |
CN110969609B (zh) * | 2019-11-29 | 2022-04-29 | 华中科技大学 | 一种微波遥感亮温图像云检测方法 |
CN111060991B (zh) * | 2019-12-04 | 2021-08-31 | 国家卫星气象中心(国家空间天气监测预警中心) | 风云静止卫星的晴空辐射产品的生成方法 |
CN111382698A (zh) * | 2020-03-09 | 2020-07-07 | 上海眼控科技股份有限公司 | 云类型计算方法、装置、计算机设备和存储介质 |
CN111912819B (zh) * | 2020-07-15 | 2023-11-07 | 北京华云星地通科技有限公司 | 基于卫星数据的生态检测方法 |
CN111929717A (zh) * | 2020-07-24 | 2020-11-13 | 北京航空航天大学 | 面向遥感图像目标特性识别的星载图像处理器及处理方法 |
CN112597863A (zh) * | 2020-12-16 | 2021-04-02 | 上海眼控科技股份有限公司 | 云分类方法及设备 |
CN112949726B (zh) * | 2021-03-11 | 2024-05-14 | 易天气(北京)科技有限公司 | 基于fy-4a卫星的isccp云分类方法、系统、介质及终端 |
CN113096129B (zh) * | 2021-06-08 | 2021-09-10 | 自然资源部国土卫星遥感应用中心 | 高光谱卫星影像中的云量检测方法和装置 |
CN113570642B (zh) * | 2021-06-10 | 2024-01-05 | 国家卫星气象中心(国家空间天气监测预警中心) | 基于背景场资料和机器学习的静止轨道卫星对流初生预警方法 |
CN113447136B (zh) * | 2021-06-29 | 2022-05-10 | 北京华云星地通科技有限公司 | 多维动态混合成像方法 |
CN113989644B (zh) * | 2021-11-03 | 2022-08-19 | 中科三清科技有限公司 | 基于Himawari-8数据的沙尘区域获取方法 |
CN113822381A (zh) * | 2021-11-22 | 2021-12-21 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种基于海温差阈值的海上云检测方法 |
CN115267941B (zh) * | 2022-07-29 | 2023-05-23 | 知天(珠海横琴)气象科技有限公司 | 一种高解析度真彩可见光模型生成、反演方法及其系统 |
CN115546658B (zh) * | 2022-09-26 | 2023-05-05 | 北华航天工业学院 | 一种数据集质量提升与改进cnn相结合的夜间云检测方法 |
CN115512236B (zh) * | 2022-10-13 | 2023-04-28 | 昆明理工大学 | 一种基于K-means ++的Himawari-8多光谱云检测方法及系统 |
CN117408949A (zh) * | 2023-09-20 | 2024-01-16 | 宁波大学 | 一种季节性动态阈值的云及云阴影检测方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464521A (zh) * | 2008-12-31 | 2009-06-24 | 国家卫星气象中心 | 静止气象卫星遥感白天和夜间海雾的检测方法 |
CN103293084A (zh) * | 2013-05-08 | 2013-09-11 | 南京大学 | 基于多光谱气象卫星信息的海雾全天时全天候反演方法 |
-
2014
- 2014-12-10 CN CN201410759430.1A patent/CN104502999B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464521A (zh) * | 2008-12-31 | 2009-06-24 | 国家卫星气象中心 | 静止气象卫星遥感白天和夜间海雾的检测方法 |
CN103293084A (zh) * | 2013-05-08 | 2013-09-11 | 南京大学 | 基于多光谱气象卫星信息的海雾全天时全天候反演方法 |
Non-Patent Citations (6)
Title |
---|
"FY-2云检测中动态阈值提取技术改进方法研究";刘健;《红外与毫米波学报》;20100830;第29卷(第4期);第287-292页 * |
"Spatial and temporal varying thresholds for cloud detection in GOES imagery";Gary J.Jedlovec;《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》;20080630;第46卷(第6期);第1705-1717页 * |
"中国区域云特性分析及在FY-2云检测中的应用";刘健;《应用气象学报》;20091231;第20卷(第6期);第673-681页 * |
"基于FY2C卫星资料的云地分离综合处理技术";王昌雨;《中国气象学会2005年年会论文集》;20051031;第830-839页 * |
"多通道卫星云图云检测方法的研究";马芳;《大气科学》;20070131;第31卷(第1期);第119-128页 * |
"韦伯定律及时间序列在FY2C云检测中的应用研究";杨昌军;《中国优秀博士学位论文全文数据库基础科学辑》;20080915;第二章第2.2-2.3节、第三章第3.3节、第四章序言及第4.3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN104502999A (zh) | 2015-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104502999B (zh) | 一种基于静止卫星多通道数据的昼夜云检测方法与装置 | |
Tapakis et al. | Equipment and methodologies for cloud detection and classification: A review | |
Escrig et al. | Cloud detection, classification and motion estimation using geostationary satellite imagery for cloud cover forecast | |
Zhang et al. | General comparison of FY-4A/AGRI with other GEO/LEO instruments and its potential and challenges in non-meteorological applications | |
Souza-Echer et al. | A simple method for the assessment of the cloud cover state in high-latitude regions by a ground-based digital camera | |
Zhu et al. | Cloud and cloud shadow detection for Landsat images: The fundamental basis for analyzing Landsat time series | |
Kuenzer et al. | Theoretical background of thermal infrared remote sensing | |
Zhang et al. | Lake-area mapping in the Tibetan Plateau: an evaluation of data and methods | |
Zhuge et al. | A fast cloud detection algorithm applicable to monitoring and nowcasting of daytime cloud systems | |
Harmel et al. | Estimation of the sunglint radiance field from optical satellite imagery over open ocean: Multidirectional approach and polarization aspects | |
Tebbi et al. | Artificial intelligence systems for rainy areas detection and convective cells' delineation for the south shore of Mediterranean Sea during day and nighttime using MSG satellite images | |
CN108319923A (zh) | 一种云阴影识别方法及系统 | |
Bell et al. | Single-blind determination of methane detection limits and quantification accuracy using aircraft-based LiDAR | |
CN113537018A (zh) | 基于多时相卫星遥感和无人机技术的水土保持监测方法 | |
Kazantzidis et al. | Short-term forecasting based on all-sky cameras | |
King et al. | Remote sensing of radiative and microphysical properties of clouds during TC4: Results from MAS, MASTER, MODIS, and MISR | |
Ma et al. | Using the gradient boosting decision tree to improve the delineation of hourly rain areas during the summer from advanced Himawari imager data | |
Lee et al. | New approach for snow cover detection through spectral pattern recognition with MODIS data | |
CN115507959A (zh) | 一种用于目标检测的红外辐射特性分析方法 | |
Forster et al. | Ice crystal characterization in cirrus clouds: a sun-tracking camera system and automated detection algorithm for halo displays | |
Heidinger et al. | Using sounder data to improve cirrus cloud height estimation from satellite imagers | |
Amin et al. | Optical algorithm for cloud shadow detection over water | |
Jee et al. | Development of GK-2A AMI aerosol detection algorithm in the East-Asia region using Himawari-8 AHI data | |
Bley et al. | Meteosat-based characterization of the spatiotemporal evolution of warm convective cloud fields over central Europe | |
Liandrat et al. | Cloud cover forecast from a ground-based all sky infrared thermal camera |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190719 Termination date: 20201210 |