CN109033984A - 一种夜间雾快速自动检测方法 - Google Patents

Abstract

本发明公开了一种夜间雾快速自动检测方法，首先获取亮温差数据；对亮温差数据做canny边缘检测获取边缘混合像元，统计边缘混合像元直方图，拟合边缘混合像元直方图的一阶偏导数曲线，一阶偏倒数曲线中位于(‑2k，2k)范围内的0值点为混合像元中地表像元形成的峰P_L，取峰P_L左侧所有混合像元亮温和差均值作为雾与晴空地表的分离阈值，若一阶偏导数曲线中(‑2k，2k)范围内未检测到0值点，则使用固定值‑3k作为雾与地表分离阈值，获取低层云和雾检测结果；最后利用多天红外数据合成晴空底图阈值法去除影像中的低层云。本发明是当前具有高时间分辨率的静止卫星数据的条件下的一种可准确、自动实现夜间雾提取的方法。

Description

一种夜间雾快速自动检测方法

技术领域

本发明涉及环境监测与气象预报领域，特别涉及一种基于H8/AHI的夜间雾快速自动提取的方法。

背景技术

夜间雾已成为交通事故重要隐患，开展夜间雾检测，对防治和减少因雾造成的事故和损失，保障人民生命财产安全具有重要的意义。随着卫星遥感技术的快速发展，静止卫星覆盖范围广和时间分辨率高等特性较适宜捕捉生命周期短发展变化快的雾。相比以往的静止气象卫星，H8/AHI数据具有高时间分辨率(10min获取一副全盘影像)、高空间分辨率(500米)及高光谱分辨率(16个通道)等特征，为雾近实时快速检测提供了一个良好的数据源。

传统方法主要利用雾、云和晴空地表在双红外通道亮温差的差异，使用阈值法实现夜间雾检测，该方法简单快速，但夜间雾检测阈值难以自动确定，导致无法实现近实时、快速、准确的夜间雾检测。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种夜间雾快速自动检测方法，自动、准确地检测夜间雾，减少因雾造成的生命、财产等损失。

为解决上述技术问题，本发明所采用的技术方案是：一种夜间雾快速自动检测方法，包括以下步骤：

1)获取亮温差数据I_BTD；

2)利用所述获取亮温差数据I_BTD获取低层云与雾检测结果I_FC；

3)利用多天红外数据合成晴空底图I_BT，计算当前时刻热红外I_B14数据与晴空底图的差值影像I_差值，利用I_差值去除I_FC中的低层云，获取卫星雾检测结果I_F。

步骤1)的具体实现过程包括：对当前时刻中红外I_B7数据与热红外I_B14数据做差，获取差值影像I_BTD：I_BTD＝I_B7-I_B14。

步骤2)的具体实现过程包括：

1)对亮温差数据I_BTD做canny边缘检测，获取边缘混合像元数据I_FCG；

2)统计边缘混合像元数据I_FCG直方图，并拟合边缘混合像元直方图的一阶偏导数曲线；

3)获取一阶偏导数曲线中位于(-2k，2k)范围内的0值点，其中k为温度单位开尔文，该0值点为混合像元中地表像元形成的峰P_L；

4)取峰P_L左侧所有混合像元亮温差的均值，将其作为雾与晴空地表的分离阈值S；若一阶偏导数曲线中(-2k，2k)范围内未检测到0值点，则使用固定值S＝-3k作为雾与地表的分离阈值，获取低层云和雾检测结果I_FC：

本发明中，所述边缘混合像元数据I_FCG包含四种类型：(1)雾与晴空地表的边缘混合像元；(2)云与晴空地表的边缘混合像元；(3)纹理复杂的云内部纹理边缘像元；(4)部分不同地表类型边缘像元。

所述边缘混合像元数据直方图呈三峰-两谷，三峰分别指混合像元中雾像元形成的峰P_F，混合像元中云像元和纹理复杂的云内部纹理边缘像元形成的峰P_C，混合像元中地表像元和部分不同地表类型边缘像元形成的峰P_L。

步骤3)的具体实现过程包括：

1)利用多天热红外数据合成晴空底图，使用当天及前9天当前时刻和热红外I_B14数据，结合晴空地表亮度温度大于云雾的亮度温度这一特征，合成晴空底图I_BT；

2)对当前时刻I_B14数据与晴空合成底图I_BT做差，获取差值影像I_差值；I_差值＝I_B14–I_BT；

3)采用阈值法去除影像I_FC中的低层云，获取最终卫星雾检测结果I_F：

与现有技术相比，本发明所具有的有益效果为：本发明能自动、准确地检测夜间雾，减少因雾造成的生命、财产等损失。

附图说明

图1示出了边缘混合像元数据统计直方图和一阶偏导数图像；其中，(a)边缘混合像元统计直方图；(b)一阶偏导数曲线；

图2示出了夜间雾检测算法流程；

图3示出了2015年11月30日20:00卫星雾检测结果与地面观测数据叠加图，黑色区域为卫星雾检测结果；特浓雾、浓雾、雾、×：非雾；

图4示出了雾检测结果与H8/AHI假彩色影像叠加图；其中，(a)17:00雾检测结果；(b)18:00雾检测结果；(c)19:00雾检测结果；(d)20:00雾检测结果；(e)21:00雾检测结果；(f)22:00雾检测结果；(g)23:00雾检测结果；(h)00:00雾检测结果；(i)01:00雾检测结果；(j)02:00雾检测结果；(k)03:00雾检测结果；(l)04:00雾检测结果；(m)05:00雾检测结果；(n)06:00雾检测结果；(o)07:00雾检测结果。

具体实施方式

以下结合附图对本发明进行详细说明。

1、获取亮温差数据I_BTD；

实验使用2015年11月27日-2015年12月1日H8/AHI卫星2km空间分辨率10分钟时间分辨率的时序影像I_B7和I_B14数据，对当前时刻中红外I_B7数据和热红外I_B14数据做差，获取亮温差数据I_BTD；

I_BTD＝I_B7-I_B14 (1)

2、获取低层云与雾检测结果I_FC；

首先对当前时刻亮温差数据I_BTD做canny边缘检测，获取边缘混合像元数据I_FCG；边缘混合像元数据I_FCG中包含四种类型：(1)雾与晴空地表的边缘混合像元；(2)云与晴空地表的边缘混合像元；(3)纹理复杂的云内部纹理边缘像元；(4)部分不同地表类型边缘像元；边缘混合像元直方图普遍呈三峰-两谷，三峰分别指混合像元中雾像元形成的峰P_F，混合像元中云像元和纹理复杂的云内部纹理边缘像元形成的峰P_C，混合像元中地表像元和部分不同地表类型边缘像元形成的峰P_L；

之后统计边缘混合像元数据I_FCG直方图，并拟合边缘混合像元直方图的一阶偏导数曲线；

获取一阶偏导数曲线中位于(-2k，2k)范围内的0值点，其中k为温度单位开尔文，该0值点为混合像元中地表像元形成的峰P_L；

取峰P_L左侧所有混合像元亮温差的均值，将其作为雾与晴空地表的分离阈值S；若一阶偏导数曲线中(-2k，2k)范围内未检测到0值点，则使用固定值S＝-3k作为雾与地表的分离阈值，获取低层云和雾检测结果I_FC；

3、利用多天红外数据合成晴空底图I_BT，计算当前时刻I_B14数据与晴空底图的差值影像I_差值，阈值法去除影像I_FC中的低层云，获取卫星雾检测结果I_F。

结合2015年11月17日-2015年11月26日数据对2015年11月27日-2015年12月1日当前时刻I_B14数据合成晴空底图I_BT；

对2015年11月27日-12月1日当前时刻I_B14数据与晴空底图I_BT做差，获取差值影像I_差值，I_差值＝I_B14-I_BT；

采用阈值法(设置阈值-6)去除影像I_FC中的低层云，与I_FC相乘获取最终卫星雾检测结果I_F：

4、检测结果精度定量验证

选取中国气象局2015年11月27日-2015年12月1日夜间卫星影像对应时刻20:00的地面观测数据，验证夜间雾检测算法的精度。图3可知示出卫星雾检测结果与地面验证数据的特浓雾、浓雾和雾的位置基本一致，说明该算法在夜间雾检测方面具有巨大的潜力。为进一步验证算法的有效性，对检测结果进行定量精度指标评价。

常用指标评价体系评价分类的精度，验证算法的有效性，其中检验指标包括正确率(probabilityofdetection，POD)，误警率(falsealarmratio，FAR)和可靠性因子(criticalsuccessindex，CSI)。这些指标定义为：

式中：NX为检测个数，其下标X为检测指标种类，包括H、M和F(H表示卫星检测结果与地面观测结果一致，即正确检测；M表示卫星检测结果中没雾而地面数据显示有雾，即失误检测；F表示卫星检测结果中有雾而地面数据显示没雾，即错误检测)。上述检测指标范围均为0-1，POD越大表示检测精度越高；CSI越大说明方法越有效。

表1 5天中20:00卫星雾检测结果正确率的平均值为94.4％，错误率的平均值为29.8％，可靠性因子的平均值为67.8％。正确率较高，但错误率也较高，同时可靠性因子较低，分析其原因是：2015年11月27日卫星雾检测结果中部分雾区地面观测结果为霾，由于雾与霾同样引起能见度降低，地面观测对二者的界限标定难以准确区分，很难说明是否检测结果错误；2015年11月28日卫星雾检测结果显示完整雾区，而地面观测数据认为卫星雾检测结果中心雾区属于轻雾，边缘不存在雾，进一步分析该区域极大可能是雾逐步抬升成为低层云，中心区域至边缘区域地面能见度缓慢升高，但在遥感影像上仍主要显示为雾的影像特征，因此使用本发明提出的算法易将逐步抬升为低层云的雾区判别范围过大；2015年11月29日和2015年11月30日卫星雾检测结果中部分区域地面观测数据天气现象分别为小雪和小雨，因天气预报中两种天气雾与雨雪同时出现的时雨雪天气现象会优先预报，很难确定其是否为雪上雾、雨中雾或者误判，如确实两种天气均同时出现，则使用本发明提出的算法可有效地将雪上雾和雨中雾提取出来，如为误判则使用本发明提出的算法容易将存在降雨雪的云误判为雾。2015年12月1日未有相关伴随雾的天气现象出现，检测结果正确率为94.6％，错误率为0.05％，可靠性因子为90.1％。综上所述，本次实验提出的算法较适合对大面积浓雾进行雾检测，对地表存在的特殊天气情况，如霾，雨天，雪天等或者雾发展为低层云的情况，算法易虚假报警。

表1夜间雾检测精度

5、检测结果精度定性验证

雾具有时间上连续和空间上位置变化较小的特性，因此地面观测站点20:00数据确定为雾的区域，则可认为此时间段内其他时刻该区域也是雾，图4示出了2015年11月30日17:00-2016年12月1日7:00卫星雾检测结果，定性验证算法的精度。

图4示出(1)17:00-18:00为黄昏时刻，此时影像中左下角区域仍接收部分太阳辐射，所以此区域雾在双红外通道的差值与夜间有所不同，使用实验提出算法无法检测该副影像左下角区域的雾。5:00-7:00为黎明时刻，此时太阳从东方升起，影像中右下角区域亦无法使用夜间雾检测算法进行雾检测。因此对所有部分处于白天晨昏、部分处于夜间的该时段遥感影像来说，除去可接受到太阳光辐射的晨昏区域，其中的夜间遥感影像区域，使用实验提出的算法均可检测出90％左右的雾区，其他5幅同时间段数据雾检测结果同上，说明算法适合夜晚之初和夜晚将逝的遥感影像。(2)夜晚对应时刻19:00-凌晨5:00的雾检测结果占整个雾区90％以上，其他5幅同时间段数据雾检测结果同上，5天的夜间雾检测结果定性的验证了算法的可靠性。

Claims (6)

1.一种夜间雾快速自动检测方法，其特征在于，包括以下步骤：

1)获取亮温差数据I_BTD；

2)利用所述获取亮温差数据I_BTD获取低层云与雾检测结果I_FC；

3)利用多天红外数据合成晴空底图I_BT，计算当前时刻热红外I_B14数据与晴空底图的差值影像I_差值，利用I_差值去除I_FC中的低层云，获取卫星雾检测结果I_F。

2.根据权利要求1所述的夜间雾快速自动检测方法，其特征在于，步骤1)的具体实现过程包括：对当前时刻中红外I_B7数据与热红外I_B14数据做差，获取差值影像I_BTD：I_BTD＝I_B7-I_B14。

3.根据权利要求1所述的夜间雾快速自动检测方法，其特征在于，步骤2)的具体实现过程包括：

1)对亮温差数据I_BTD做canny边缘检测，获取边缘混合像元数据I_FCG；

2)统计边缘混合像元数据I_FCG直方图，并拟合边缘混合像元直方图的一阶偏导数曲线；

3)获取一阶偏导数曲线中位于(-2k，2k)范围内的0值点，其中k为温度单位开尔文，该0值点为混合像元中地表像元形成的峰P_L；

4)取峰P_L左侧所有混合像元亮温差的均值，将其作为雾与晴空地表的分离阈值S；若一阶偏导数曲线中(-2k，2k)范围内未检测到0值点，则使用固定值S＝-3k作为雾与地表的分离阈值，获取低层云和雾检测结果I_FC：

4.根据权利要求3所述的夜间雾快速自动检测方法，其特征在于，所述边缘混合像元数据I_FCG包含四种类型：(1)雾与晴空地表的边缘混合像元；(2)云与晴空地表的边缘混合像元；(3)纹理复杂的云内部纹理边缘像元；(4)部分不同地表类型边缘像元。

5.根据权利要求3所述的夜间雾快速自动检测方法，其特征在于，所述边缘混合像元数据直方图呈三峰-两谷，三峰分别指混合像元中雾像元形成的峰P_F，混合像元中云像元和纹理复杂的云内部纹理边缘像元形成的峰P_C，混合像元中地表像元和部分不同地表类型边缘像元形成的峰P_L。

6.根据权利要求1所述的夜间雾快速自动检测方法，其特征在于，步骤3)的具体实现过程包括：

1)利用多天热红外数据合成晴空底图，使用当天及前9天当前时刻和热红外I_B14数据，结合晴空地表亮度温度大于云雾的亮度温度这一特征，合成晴空底图I_BT；

2)对当前时刻I_B14数据与晴空合成底图I_BT做差，获取差值影像I_差值；I_差值＝I_B14–I_BT；

3)采用阈值法去除影像I_FC中的低层云，获取最终卫星雾检测结果I_F：