CN109815968A - 一种基于Himawari-8卫星数据的晨昏时刻海雾探测算法 - Google Patents
一种基于Himawari-8卫星数据的晨昏时刻海雾探测算法 Download PDFInfo
- Publication number
- CN109815968A CN109815968A CN201910158699.7A CN201910158699A CN109815968A CN 109815968 A CN109815968 A CN 109815968A CN 201910158699 A CN201910158699 A CN 201910158699A CN 109815968 A CN109815968 A CN 109815968A
- Authority
- CN
- China
- Prior art keywords
- morning
- evening
- moment
- sea
- sea fog
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于Himawari‑8卫星数据的晨昏时刻海雾探测算法,涉及新一代静止卫星数据应用技术领域。本发明通过对Himawari‑8数据预处理获取晨昏时刻海域数据;利用图像分割剔除中高云和低云;设定远红外波段的亮温阈值剔除遗漏的中高云;提取敏感波段、构建判识指数形成判断条件,进而设定相应的阈值剔除海表,最后获得海雾识别结果。本发明综合考虑地物在晨昏时刻的变化特征、海雾与低云的光谱相似性特征,通过图像分割与设定判断条件的判断阈值相结合,可以实现晨昏时刻的海雾探测,为全天时海雾探测提供基础。
Description
技术领域:
本发明涉及静止卫星数据应用技术领域,尤其涉及一种基于静止卫星数据的晨昏时刻海雾探测领域。
背景技术
海雾作为一种灾害性天气,一旦发生将严重影响海上船舶运输、石油勘探、渔业捕捞等经济作业,甚至威胁相关作业人员的生命安全。而目前的海雾探测多是集中于白天或夜间,晨昏时刻作为海雾发生的起始阶段对于了解海雾的生消规律至关重要。因此,晨昏时刻的海雾探测不仅能够结合白天、夜间的海雾探测实现海雾全天时探测,还为海雾预报研究提供可靠的数据支持。
传统的海雾探测主要依靠沿岸或近海区域设置的稀疏气象站或浮标,虽然精度较高,但是由于站点多分布于近海且数量有限,远离海岸线的海雾以及大范围的海雾探测均无法实现。而卫星遥感技术具有快速、近实时、大范围观测的优势,尤其是静止卫星能够实现海雾的动态性连续探测,成为目前海雾探测的主要技术手段。
目前,基于卫星遥感技术的海雾探测算法以阈值法为主,通过光谱与纹理分析选取敏感波段进而设定一系列固定的阈值,实现海雾探测。然而晨昏时刻的辐射量变化较快,海雾等地物的辐射量逐渐减小,尤其是反射率变化极为明显,白天或夜间的海雾探测算法均不适用,且设置固定阈值无法满足晨昏时刻海雾探测的精度要求。考虑到低云和海雾的光谱特性和变化趋势较为相似,仅利用光谱特性难以实现晨昏时刻海雾的探测,因此,本发明选择基于面向对象的图像分割算法,综合考虑地物的像素亮度、纹理特征以及颜色和边缘特征等实现中高云、低云的剔除,结合动态阈值实现晨昏时刻的海雾探测。
发明内容
(一)要解决的技术问题
本发明提供了一种基于Himawari-8卫星数据的晨昏时刻海雾探测算法,针对海雾和低云光谱特征相似、固定阈值无法应对晨昏时刻地物辐射量变化迅速、白天与夜间的海雾探测算法均不适于晨昏时刻海雾探测的问题,该方法通过结合面向对象的图像分割和设定部分判断条件的动态阈值实现晨昏时刻海雾的探测。
(二)技术方案
本发明包含以下步骤:
(1)Himawari-8卫星数据预处理,得到晨昏时刻的海域数据。
其中,晨昏时刻的海域数据包括晨昏时刻太阳天顶角数据和晨昏时刻影像数据。
(2)对晨昏时刻影像数据进行图像分割,剔除中高云和低云。
(3)针对步骤(2)得到的影像数据设定远红外波段亮度温度B14阈值,剔除遗漏的中高云。
其中,B14代表第14波段的亮度温度。
(4)针对步骤(3)得到的影像数据提取敏感波段B1、B4、B6、B7、B14,构建海雾判识指数B1、B6、Sum_Ref、D_value。
其中,B1、B4、B6分别代表第1、4、6波段的反射率,B7、B14则分别代表第7、14波段的亮度温度,Sum_Ref代表第4、6波段反射率之和,D_value代表第7、14波段的亮度温度之差。
(5)针对步骤(4)得到的影像数据,设定不同海雾判识指数的值与太阳天顶角度SOZ的关系(即判断条件),进而设定相应的判断阈值Th1,Th2,Th3,Th4,通过组合判断条件,剔除海表,获取海雾识别结果。
其中,不同的太阳天顶角度与判断条件设置如下:
进一步,所述步骤(1)中晨昏时刻太阳天顶角范围为:60°~85°
进一步,所述步骤(2)中图像分割参数设定为:基于边缘检测的图像分割(阈值:15.0),基于Full Lamda Schedule的图像合并(阈值:50.0),纹理内核大小为3,规则设定area大于9×108。
进一步,所述步骤(3)中B14大于270K。
进一步,所述步骤(4)中B1波段范围:0.43~0.48μm,B4波段范围:0.85~0.87μm,B6波段范围:2.25~2.27μm,B7波段范围:3.74~3.96μm,B14波段范围:11.1~11.3μm。
进一步,所述步骤(5)中不同判断条件的阈值Th1、Th2、Th3、Th4设置如下:
Th1=-0.00885×SOZ+0.608,
Th2=-0.00647×SOZ+0.5476,
Th3=-0.01571×SOZ+1.406,
Th4=1.5
(三)有益效果
本发明的优点体现在:
本发明综合考虑纹理、光谱以及边缘等特征,同时又兼顾地物在晨昏时刻的变化特征,通过图像分割、设定部分判断条件的动态阈值以提高晨昏时刻海雾提取精度,对于全面掌握海雾的生消规律具有重要意义。
附图说明
图1为本发明实施的具体步骤流程图。
具体实施方式
为使本发明的目的、内容和优点更加清晰,下面结合附图与实例,对本发明的实施方式作进一步的详细描述:
参照图1,本发明的具体实施步骤为:
(1)将Himawari-8卫星数据进行预处理,得到晨昏时刻太阳天顶角数据和影像数据。预处理包括:几何校正,陆地掩膜,确定海雾、海表的反射率与太阳天顶角之间的关系。晨昏时刻太阳天顶角范围为:60°~85°,海雾、海表的反射率与太阳天顶角的变化关系表达式见表1:
表1
海雾 | 海表 |
y<sub>1</sub>:Ref=-0.00885×SOZ+0.808 | Y<sub>1</sub>:Ref=-0.004×SOZ+0.381 |
y<sub>2</sub>:Ref=-0.0085×SOZ+0.773 | Y<sub>2</sub>:Ref=-0.00348×SOZ+0.326 |
y<sub>3</sub>:Ref=-0.00837×SOZ+0.756 | Y<sub>3</sub>:Ref=-0.00263×SOZ+0.246 |
y<sub>4</sub>:Ref=-0.00924×SOZ+0.84 | Y<sub>4</sub>:Ref=-0.0021×SOZ+0.201 |
y<sub>5</sub>:Ref=-0.0087×SOZ+0.785 | Y<sub>5</sub>:Ref=-0.00134×SOZ+0.128 |
y<sub>6</sub>:Ref=-0.00647×SOZ+0.576 | Y<sub>6</sub>:Ref=-0.000834×SOZ+0.0798 |
其中,Ref表示反射率,SOZ表示太阳天顶角,yn表示第n波段海雾的反射率与太阳天顶角的变化关系,Yn表示第n波段海表的反射率与太阳天顶角的变化关系,n的取值范围为1~6。
(2)对晨昏时刻影像数据进行图像分割,剔除中高云和低云。
使用ENVI的Rule Based Feature Extraction工具对晨昏时刻的影像数据进行分割,参数设定为:基于edge的图像分割(阈值:15.0),基于Full Lamda Schedule的图像合并(阈值:50.0),纹理内核大小为3,规则设定area大于9×108;删除特征矢量文件中不符合上述阈值要求的要素后,裁剪晨昏时刻影像数据,剔除中高云和低云。
(3)针对步骤(2)得到的影像数据设定远红外波段亮度温度B14阈值,剔除遗漏的中高云。
其中,B14代表第14波段的亮度温度,B14大于270K。
(4)针对步骤(3)得到的影像数据提取敏感波段B1、B4、B6、B7、B14,构建海雾判识指数B1、B6、Sum_Ref、D_value。其具体计算公式如下:
Sum_Ref=B4+B6
D_value=B7-B14
其中,B1、B4、B6分别代表第1、4、6波段的反射率,B7、B14则分别代表第7、14波段的亮度温度;B1波段范围:0.43~0.48μm,B4波段范围:0.85~0.87μm,B6波段范围:2.25~2.27μm,B7波段范围:3.74~3.96μm,B14波段范围:11.1~11.3μm。
(5)针对步骤(4)得到的影像数据,设定不同海雾判识指数的值与太阳天顶角度SOZ的关系(即判断条件),进而设定相应的判断阈值Th1,Th2,Th3,Th4,通过组合判断条件,剔除海表,获取海雾识别结果。
其中,不同的太阳天顶角度与判断条件及阈值设置如下:
Claims (6)
1.一种基于Himawari-8卫星数据的晨昏时刻海雾探测算法,其特征在于,包括以下几个步骤:
(1)Himawari-8卫星数据预处理,得到晨昏时刻的海域数据。
其中,晨昏时刻的海域数据包括晨昏时刻太阳天顶角数据和晨昏时刻影像数据。
(2)对晨昏时刻影像数据进行图像分割,剔除中高云和低云。
(3)针对步骤(2)得到的影像数据设定远红外波段亮度温度B14阈值,剔除遗漏的中高云。
其中,B14代表第14波段的亮度温度。
(4)针对步骤(3)得到的影像数据提取敏感波段B1、B4、B6、B7、B14,构建海雾判识指数B1、B6、Sum_Ref、D_value。
其中,B1、B4、B6分别代表第1、4、6波段的反射率,B7、B14则分别代表第7、14波段的亮度温度,Sum_Ref代表第4、6波段反射率之和,D_value代表第7、14波段的亮度温度之差。
(5)针对步骤(4)得到的影像数据,设定不同海雾判识指数的值与太阳天顶角度SOZ的关系(即判断条件),进而设定相应的判断阈值Th1,Th2,Th3,Th4,通过组合判断条件,剔除海表,获取海雾识别结果。
其中,不同的太阳天顶角度与判断条件设置如下:
2.根据权利要求1所述的一种基于Himawari-8静止卫星数据的晨昏时刻海雾探测算法,其特征在于:所述步骤(1)中晨昏时刻的太阳天顶角范围为:60°~85°。
3.根据权利要求1所述的一种基于Himawari-8静止卫星数据的晨昏时刻海雾探测算法,其特征在于:所述步骤(2)中图像分割参数设定为:基于边缘检测的图像分割(阈值:15.0),基于Full Lamda Schedule的图像合并(阈值:50.0),纹理内核大小为3,规则设定area大于9×108。
4.根据权利要求1所述的一种基于Himawari-8静止卫星数据的晨昏时刻海雾探测算法,其特征在于:所述步骤(3)中B14大于270K。
5.根据权利要求1所述的一种基于Himawari-8静止卫星数据的晨昏时刻海雾探测算法,其特征在于:所述步骤(4)中的B1波段范围:0.43~0.48μm,B4波段范围:0.85~0.87μm,B6波段范围:2.25~2.27μm,B7波段范围:3.74~3.96μm,B14波段范围:11.1~11.3μm。
6.根据权利要求1所述的一种基于Himawari-8静止卫星数据的晨昏时刻海雾探测算法,其特征在于:所述步骤(5)中不同判断条件的阈值Th1、Th2、Th3、Th4设定如下:
Th1=-0.00885×SOZ+0.608,
Th2=-0.00647×SOZ+0.5476,
Th3=-0.01571×SOZ+1.406,
Th4=1.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910158699.7A CN109815968A (zh) | 2019-03-04 | 2019-03-04 | 一种基于Himawari-8卫星数据的晨昏时刻海雾探测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910158699.7A CN109815968A (zh) | 2019-03-04 | 2019-03-04 | 一种基于Himawari-8卫星数据的晨昏时刻海雾探测算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109815968A true CN109815968A (zh) | 2019-05-28 |
Family
ID=66608167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910158699.7A Pending CN109815968A (zh) | 2019-03-04 | 2019-03-04 | 一种基于Himawari-8卫星数据的晨昏时刻海雾探测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109815968A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287838A (zh) * | 2020-10-29 | 2021-01-29 | 北京邮电大学 | 基于静止气象卫星影像序列的云雾自动判识方法及系统 |
CN112419645A (zh) * | 2020-11-18 | 2021-02-26 | 四创科技有限公司 | 一种基于卫星遥感的森林火情监测方法 |
CN113392694A (zh) * | 2021-03-31 | 2021-09-14 | 中南大学 | 一种基于h8/ahi的晨昏陆地雾快速提取方法、装置、介质及设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2019
- 2019-03-04 CN CN201910158699.7A patent/CN109815968A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 (5)
Title |
---|
JUNG-RIM LEE等: "Fog Detection Using Geostationary Satellite Data: Temporally Continuous Algorithm", 《ASIA-PACIFIC J. ATMOS. SCI》 * |
何月等: "利用静止气象卫星监测浙江海上大雾", 《遥感技术与应用》 * |
刘希等: "基于 MTSAT卫星的我国东部沿海雾区的自动识别", 《台湾海峡》 * |
吴晓京等: "利用动态阈值方法改进的风云二号卫星海雾检测技术", 《海洋气象学报》 * |
张春桂等: "基于 FY - 2E 卫星数据的福建沿海海雾遥感监测", 《国土资源遥感》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287838A (zh) * | 2020-10-29 | 2021-01-29 | 北京邮电大学 | 基于静止气象卫星影像序列的云雾自动判识方法及系统 |
CN112287838B (zh) * | 2020-10-29 | 2022-09-27 | 北京邮电大学 | 基于静止气象卫星影像序列的云雾自动判识方法及系统 |
CN112419645A (zh) * | 2020-11-18 | 2021-02-26 | 四创科技有限公司 | 一种基于卫星遥感的森林火情监测方法 |
CN113392694A (zh) * | 2021-03-31 | 2021-09-14 | 中南大学 | 一种基于h8/ahi的晨昏陆地雾快速提取方法、装置、介质及设备 |
CN113392694B (zh) * | 2021-03-31 | 2022-07-01 | 中南大学 | 一种基于h8/ahi的晨昏陆地雾快速提取方法、装置、介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106022288B (zh) | 基于sar图像的海洋溢油信息识别与提取方法 | |
CN109815968A (zh) | 一种基于Himawari-8卫星数据的晨昏时刻海雾探测算法 | |
CN112287871B (zh) | 基于多特征与光谱融合的近岸水产养殖区遥感图像提取方法 | |
CN107516317A (zh) | 一种基于深度卷积神经网络的sar影像海冰分类方法 | |
CN110645961B (zh) | 基于遥感和ndvi的森林资源动态变化检测方法 | |
CN108875659A (zh) | 一种基于多光谱遥感影像的海图养殖区识别方法 | |
CN105427305B (zh) | 一种绿潮信息提取方法 | |
CN104217196A (zh) | 一种遥感影像圆形油罐自动检测方法 | |
CN110060273B (zh) | 基于深度神经网络的遥感影像滑坡测图方法 | |
CN109359661B (zh) | 一种基于卷积神经网络的Sentinel-1雷达图像分类方法 | |
CN102254174A (zh) | 崩滑体中裸地信息的自动提取方法 | |
Chunyang et al. | Sea fog detection using U-Net deep learning model based on MODIS data | |
Han et al. | Research on multiple jellyfish classification and detection based on deep learning | |
CN104573662B (zh) | 一种云判方法和系统 | |
Wang et al. | IDUDL: Incremental double unsupervised deep learning model for marine aquaculture SAR images segmentation | |
El Abidi et al. | Detection of Moroccan coastal upwelling using the alpha blending fusion technique of sea surface chlorophyll images and sea surface temperature images | |
Liao et al. | Study on mangrove of maximum likelihood: Reclassification method in Xiezhou bay | |
Cui et al. | Remote sensing identification of marine floating raft aquaculture area based on sentinel-2A and DEM data | |
Wu et al. | An improved method of algal-bloom discrimination in Taihu Lake using Sentinel-1A data | |
Zheng et al. | Bohai bay sea ice monitoring based on the HJ satellite images | |
CN113361414B (zh) | 基于复合神经网络的遥感影像云量计算方法 | |
Chen et al. | A novel split-frequency feature fusion framework for processing the dual-optical images of offshore oil spills | |
Deng et al. | Object-oriented water extraction of PolSAR image based on target decomposition | |
Li et al. | Remote Sensing Image Processing of Ecological Environment Monitoring Based on Multi-scale Retinex Algorithm | |
Peng et al. | Resnet-BiLSTM Network for Multi-Label Weather Image Classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190528 |
|
WD01 | Invention patent application deemed withdrawn after publication |