CN110749942B - 适用于静止卫星资料同化的晴空通道检测质量控制方法 - Google Patents

Abstract

本发明公开一种适用于静止卫星资料同化的晴空通道检测质量控制方法，包括如下步骤：(1)对静止气象卫星AHI成像仪资料的观测辐射亮温和模拟亮温进行预处理；(2)建立最小余差算法，估算AHI观测像元的云顶气压和云比例；(3)建立云判据算法，识别云类型，对云像元进行评判；(4)将步骤(2)的最小余差算法与步骤(3)的云判据算法形成耦合方案，建立双重云检测方案。通过本发明的方法将提高静止卫星成像仪红外通道的资料质量控制水平，通过改善卫星资料同化分析，改进数值模式预报水平。

Description

适用于静止卫星资料同化的晴空通道检测质量控制方法

技术领域

本发明涉及大气科学研究领域，具体是涉及一种适用于新一代静止气象卫星红外成像仪资料同化的晴空通道质量控制方法。

背景技术

随着气象静止卫星观测技术的不断发展，卫星红外辐射资料同化被越来越广泛的应用于数值天气预报模式。卫星接收的地气系统红外辐射能够反映大气温度、湿度的垂直结构特征，可为台风、暴雨和对流等灾害性天气预报提供重要的观测信息。因此，静止卫星资料同化对于改善数值模式的初始场从而提高数值天气预报水平具有重要价值。

卫星辐射资料直接同化采用的方法是，利用数值模式预报的大气温度和水汽等要素和辐射传输模式进行卫星的辐射亮温模拟，与卫星观测的实际辐射亮温进行比较，通过最优化算法最终改善数值模式的初始条件。由于红外辐射无法穿透云，因此在资料同化之前必须进行云检测和晴空资料筛选，将被云污染的卫星观测像元和观测通道剔除，否则“云污染”将导致温度和湿度等要素的分析场偏差。

现有的云检测方法，主要分为晴空像元检测法和晴空通道检测法两类。晴空像元检测法是将云观测像元的所有观测通道剔除，以保留晴空像元对应的观测通道用于资料同化，是目前静止卫星红外成像仪所采用的主要方法。Heidingerand Straka(2013)基于红外多通道观测对云的敏感性差异和时空特征差异构建判据以建立云像元检测方案；Zhuge等(2017)建立只包含可见光通道的快速的云像元检测方案。这些方法的局限性在于，只能确定卫星的观测像元是否有云，而不能确定卫星仪器的观测通道是否被云污染，因为云的高度决定了对不同高度敏感的观测通道是否被影响。

晴空通道检测法是通过检测云高来判断通道是否被云影响，常见的方法有CO₂切片法和基于观测-模拟(O-B)亮温差的最小余差法。另外McNally利用红外高光谱观测和模拟差的单向排列进行滤波处理，来检测云污染通道。这些方法常用于红外通道数较多的极轨卫星仪器，如NOAA的HIRS，Suomi-NPP的CrIS,MetopA-B的IASI，NASA的AIRS等，并未广泛应用于静止卫星红外仪器。由于观测特性差异，这些方法应用于红外通道相对较少的静止卫星成像仪时亟需进一步改进。此外，由于晴空通道检测法主要基于观测亮温和模拟亮温差异性，在检测精度上存在局限性，尤其当可用的卫星通道较少或云比辐射率随通道变化较大时，检测结果有待进一步改进。

自2016年起，以中国风云4号(Yang et al.2017)、日本葵花8号(Bessho etal.2016)和美国GOES-R(Schmit et al.2016)为首的新一代静止气象卫星已完成业务运行。相比以往的静止卫星观测仪器，新一代红外成像仪自具备探测精度优势的同事，还具有更高的时空分辨率和光谱分辨率。以日本葵花8卫星为例，其Advanced Himawari Imager(AHI)成像仪的10个红外通道中包含了高层、中高层和中层的水汽敏感通道，如果采用目前常用的晴空像元检测方案，会导致高层不受云影响的观测通道被错误剔除。

综合来说，现有的静止卫星红外云检测采用晴空像元检测方案，只能确定卫星的观测像元是否有云，而不能确定对大气不同高度层敏感的卫星仪器各观测通道是否被云影响。基于晴空像元检测的质量控制方法会导致在低云的情况下高层的晴空通道被错误剔除，降低了卫星资料的利用效率。此外，考虑到晴空通道检测方案应用于静止卫星仪器时，受通道数少等的因素影响，存在两方面缺陷：(1)光学厚度薄云和云边缘的像元可能被漏报；(2)对高层卷云和重叠云的云高估计存在偏差。因此，需要建立新一代静止卫星的晴空通道检测方法，对通道的晴空状况进行检测。

考虑到目前晴空通道检测方法的精确度问题，且数值模式资料同化对于严格控制云漏报率的要求很高，我们认为需要利用更充分的云检测信息，降低现有的晴空通道检测方案对云污染的漏报率。我们拟结合云判据算法，加强多类云的检测效果，改良晴空通道检测方案，建立适合于新一代静止卫星的云检测质量控制方案。

发明内容

发明目的：本发明目的在于针对现有技术的不足，提供一种适用于静止卫星红外成像仪资料同化的晴空通道检测方案，旨在改善卫星资料在数值模式应用过程中的质量控制效果和同化分析效果，提高模式预报能力。

技术方案：本发明所述适用于静止气象卫星资料同化的检测质量控制方法，包括如下步骤：

(1)对静止气象卫星AHI成像仪资料的观测辐射亮温和模拟亮温进行预处理，在观测辐射亮温方面，对辐射亮温、地理参数和卫星几何参数进行数据处理；模拟亮温方面，采用WRF数值天气预报模式提供温度、水汽和地表要素参量，由CRTM辐射传输模式模拟红外通道辐射亮温；

(2)建立最小余差算法，由AHI通道7-16这10个红外通道的观测辐射亮温、晴空模拟亮温和有云模拟亮温三者的差异构建亮温空间的余差项函数，通过求解余差项极小值，估算AHI观测像元的云顶气压和云比例；

(3)建立云判据算法，识别云类型，对云像元进行评判，从而确定该像元是否被云层影响；

(4)将步骤(2)的最小余差算法与步骤(3)的云判据算法形成耦合方案，建立双重云检测方案。

本发明进一步优选地技术方案为，步骤(2)的最小余差算法表示为：

其中，res(k)为亮温余差项，是大气高度垂直分层k的函数；i表示卫星的通道序号；

μ_i分别为观测亮温、晴空模拟亮温和偏差订正项；T(k)，T_kk和Ts分别为第k层大气温度，第kk层大气温度和地表温度；

表示云顶位于高度层k时的有云辐射模拟亮温与晴空模拟亮温之间的差；W_i表示第i通道的观测误差权重；

F(k)表示当云顶位于第k层时，对应的云覆盖比例，F(k)的算法为：

将公式(2)代入(1)式，亮温余差项被表示为垂直高度k的函数；

对余差项res(k)求极小值的算法采用迭代搜索法，即在垂直方向上由k＝1至k＝kmax，kmax表示对流层顶，进行迭代，搜索res(k)极小值对应的垂直高度k，即表示云顶高度，云顶气压可由WRF模式第k高度层的气压获得，云比例由F(k)获得。

作为优选地，为步骤(2)得到的亮温余差项设置阀值：

当res(k)＜thres时，步骤(2)得到的云顶高度和云比例为有效值，否则认定为无云。

优选地，步骤(3)中对云类型的识别以及云判据的具体算法包括：

a、分裂窗负亮温差判据，用于识别层云和积云：

若

则TEST_cloud成立，否则TEST_clear成立；

其中，

和

分别为11.2μm通道和12.35μm通道的观测亮温，

和

分别为11.2μm通道和12.35μm通道的晴空模拟亮温；ε₁为该判据的阈值；

b、分裂窗正亮温差判据，用于识别半透明云：

若

则TEST_cloud成立，否则TEST_clear成立；

其中，ε₂为该判据的阈值；

c、水汽-窗区相关性判据，用于识别卷云：

若

则TEST_cloud成立，否则TEST_clear成立；

其中，

和

分别为7.35μm通道和11.2μm通道的观测亮温，

为在附近5×5像元内的相关系数；ε₃为该判据的阈值；

d、低云比辐射率判据，用于识别低云或雾：

若

则TEST_cloud成立，否则TEST_clear成立；

其中，其中，

和

分别为11.2μm通道和3.85μm通道的观测亮温，

和

分别为11.2μm通道和3.85μm通道的晴空模拟亮温；I_3.85μm()为由普朗克函数计算的3.85μm等效辐射量；ε₄为该判据的阈值；

e、水汽-窗区差异判据，用于识别薄云：

若

则TEST_cloud成立，否则TEST_cloud成立；

其中，

为6.95μm通道观测亮温，

为11.2μm通道观测亮温，ε₅为该判据的阈值；

f、空间一致性判据，用于识别云边缘和破碎云：

若

则TEST_cloud成立，否则TEST_clear成立；

其中，

为11.2μm通道观测亮温，

表示11.2μm通道亮温在附近3×3像元内的最大值，γ为温度垂直递减率，σ_z为地形高度在附近3×3像元内的标准差，ε₆为该判据的阈值；

对云像元的最终评判采用的原则为：上述a～f判据中当任何一项认定有云时，则认为该像元被云影响；当卷云判据认定有云时，则认为该像元被高层云影响。

优选地，各判据中阀值ε₁～ε₆的建立方法为：

采用MODIS云产品作为真值参考，将静止气象卫星AHI成像仪与MODIS进行观测视场匹配，建立AHI各项云判据和MODIS云产品的匹配样本；对于各项判据，分析不同数值对应的晴空概率和有云概率，并以此计算云的错报率：

其中，MODIS_cloud表示MODIS产品认定有云，TEST_cloud(ε)表示判据在阈值取ε时认定有云，MODIS_clear表示MODIS产品认定晴空，N()表示统计个数。FAR(ε)为错报率，FAR(ε)是ε的函数，以错报率1％，2％，5％为不同等级标准，建立各项判据的阈值ε₁～ε₆。

有益效果：(1)本发明针对新一代静止卫星红外成像仪建立适用的晴空通道检测方案，结合多种云类的检测判据，一方面降低光学厚度薄云对应像元的漏报概率，另一方面降低卷云和多层云对中高层观测通道云污染的概率，进一步提高其所有红外通道资料的质量控制水平，降低被云污染的概率，为数值模式资料同化的合理性提供保障，通过本发明的方法将提高静止卫星成像仪红外通道的资料质量控制水平，通过改善卫星资料同化分析，改进数值模式预报水平；

(2)本发明的最小余差算法相比传统算法不采用辐射空间，在亮温空间定义余差项函数，这与资料同化所采用的物理量空间一致；并且考虑仪器的通道观测误差因素，量化各通道在余差项中的权重，使不同通道的贡献更加合理化；另外由亮温Jacobian以及温度垂直分层直接计算有云辐射模拟亮温与晴空模拟亮温之间的差，避免有云辐射模拟的直接计算，降低运算量；本发明为了满足算法快速运行的要求，采用阈值限制下的迭代搜索算法作为极小值算法，替代变分极小化算法，为了避免最小余差迭代搜索产生无意义的结果，设置亮温余差的阈值；

(3)本发明的云判据算法相比传统云判据算法在算法训练阶段，各判据的阈值通过客观化方式量化，以MODIS云产品作为真值与AHI建立匹配样本，根据样本比对结果确定阈值，并且可以按照下垫面类型、季节和云漏报率等级标准这三种划分方式建立阈值的查找表，在云检测应用时可根据实际情况和需求调用各判据的阈值；

(4)本发明以改良的最小余差算法为基础框架，先估算云顶气压和云比例，完成晴空像元和云影响像元的初步区分以及晴空通道和云影响通道的初步区分，再以改良的云判据算法为辅助，一方面，对上述判断的晴空像元进行再筛查，将云判据算法认定的云像元也剔除，目标是降低光学薄云或云边缘的漏报率；另一方面，对上述判断的晴空通道进行再筛查，将云判据算法认定的高层云像元也剔除，目标是降低高层通道被云污染的可能性，弥补最小余差算法对高层卷云高度估计误差引起的不准确性。

附图说明

图1为本发明静止气象卫星成像仪资料同化的双重云检测方案流程图；

图2为双重云检测方案对AHI成像仪通道9和通道15的检测效果图；

图3为双重云检测方案质量控制后的观测偏差(O-B)分布图。

具体实施方式

下面通过附图对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。

实施例：一种适用于静止卫星资料同化的晴空通道检测质量控制方法，以葵花8号AHI成像仪资料为例，包括如下步骤：

(1)对静止气象卫星AHI成像仪资料的观测辐射亮温和模拟亮温进行预处理，在观测辐射亮温方面，对辐射亮温、地理参数和卫星几何参数进行数据处理；模拟亮温方面，采用WRF数值天气预报模式提供温度、水汽和地表要素参量，由CRTM辐射传输模式模拟红外通道辐射亮温。

(2)建立最小余差算法，由AHI通道7-16这10个红外通道的观测辐射亮温、晴空模拟亮温和有云模拟亮温三者的差异构建亮温空间的余差项函数，通过求解余差项极小值，估算AHI观测像元的云顶气压和云比例；

具体算法为：

其中，res(k)为亮温余差项，是大气高度垂直分层k的函数；i表示卫星的通道序号；

μ_i分别为观测亮温、晴空模拟亮温和偏差订正项；T(k)，T_kk和Ts分别为第k层大气温度，第kk层大气温度和地表温度；

表示云顶位于高度层k时的有云辐射模拟亮温与晴空模拟亮温之间的差；W_i表示第i通道的观测误差权重；

F(k)表示当云顶位于第k层时，对应的云覆盖比例，F(k)的算法为：

将公式(2)代入(1)式，亮温余差项被表示为垂直高度k的函数；

对余差项res(k)求极小值的算法采用迭代搜索法，即在垂直方向上由k＝1至k＝kmax，kmax表示对流层顶，进行迭代，搜索res(k)极小值对应的垂直高度k，即表示云顶高度，云顶气压可由WRF模式第k高度层的气压获得，云比例由F(k)获得。

为了避免最小余差迭代搜索产生无意义的结果，为步骤(2)得到的亮温余差项设置阀值：

当res(k)＜thres时，步骤(2)得到的云顶高度和云比例为有效值，否则认定为无云。

(3)建立云判据算法，可识别厚云、薄云、高层卷云和云边缘等类型，对云像元进行评判，从而确定该像元是否被云层影响；

具体算法包括：

a、分裂窗负亮温差判据，用于识别层云和积云：

若

则TEST_cloud成立，否则TEST_clear成立；

其中，

和

分别为11.2μm通道和12.35μm通道的观测亮温，

和

分别为11.2μm通道和12.35μm通道的晴空模拟亮温；ε₁为该判据的阈值；

b、分裂窗正亮温差判据，用于识别半透明云：

若

则TEST_cloud成立，否则TEST_clear成立；

其中，ε₂为该判据的阈值；

c、水汽-窗区相关性判据，用于识别卷云：

若

则TEST_cloud成立，否则TEST_clear成立；

其中，

和

分别为7.35μm通道和11.2μm通道的观测亮温，

为在附近5×5像元内的相关系数；ε₃为该判据的阈值；

d、低云比辐射率判据，用于识别低云或雾：

若

则TEST_cloud成立，否则TEST_clear成立；

其中，其中，

和

分别为11.2μm通道和3.85μm通道的观测亮温，

和

分别为11.2μm通道和3.85μm通道的晴空模拟亮温；I_3.85μm()为由普朗克函数计算的3.85μm等效辐射量；ε₄为该判据的阈值；

e、水汽-窗区差异判据，用于识别薄云：

若

则TEST_cloud成立，否则TEST_cloud成立；

其中，

为6.95μm通道观测亮温，

为11.2μm通道观测亮温，ε₅为该判据的阈值；

f、空间一致性判据，用于识别云边缘和破碎云：

若

则TEST_cloud成立，否则TEST_clear成立；

其中，

为11.2μm通道观测亮温，

表示11.2μm通道亮温在附近3×3像元内的最大值，γ为温度垂直递减率，σ_z为地形高度在附近3×3像元内的标准差，ε₆为该判据的阈值；

对云像元的最终评判采用的原则为：上述a～f判据中当任何一项认定有云时，则认为该像元被云影响；当卷云判据认定有云时，则认为该像元被高层云影响。

云判据结果主要决定于所设定的阈值。因此，在算法训练阶段，为了客观的建立阈值，采用MODIS云产品作为真值参考，将葵花8号AHI成像仪与MODIS进行观测视场匹配，以空间距离5km和时间差异30分钟作为匹配标准，建立AHI各项云判据和MODIS云产品的匹配样本。以2018年1月、4月、7月和12月资料分别建立四个季度的样本；按照下垫面类型区分海洋和陆地样本。对于各项判据，分析不同数值对应的晴空概率和有云概率，并以此计算云的错报率：

其中，MODIS_cloud表示MODIS产品认定有云，TEST_cloud(ε)表示判据在阈值取ε时认定有云，MODIS_clear表示MODIS产品认定晴空，N()表示统计个数。FAR(ε)为错报率，FAR(ε)是ε的函数，以错报率1％，2％，5％为不同等级标准，建立各项判据的阈值ε₁～ε₆。

(4)将改良的最小余差算法与云判据算法形成耦合方案，建立新的双重云检测方案。以改良的最小余差算法为基础框架，先按照第二步估算云顶气压和云比例，完成晴空像元和云影响像元的初步区分以及晴空通道和云影响通道的初步区分。再以改良的云判据算法为辅助，一方面，对上述判断的晴空像元进行再筛查，将云判据算法认定的云像元也剔除，目标是降低光学薄云或云边缘的漏报率；另一方面，对上述判断的晴空通道进行再筛查，将云判据算法认定的高层云像元也剔除，目标是降低高层通道被云污染的可能性，弥补最小余差算法对高层卷云高度估计误差引起的不准确性。

图1给出了双重云检测方案流程：(1)葵花8号AHI资料首先经过改良的最小余差算法实现云顶气压和云比例的初步估算，根据结果分为两部分，一部分为无云的晴空像元，另一部分为有云像元；(2)对于最小余差检测后的晴空像元，采用改良的云判据算法进行再检测，将云判据算法认定有云的像元最终标记为云检测像元，将云像元的所有观测通道剔除，否则最终标记为晴空像元，所有通道都保留；(3)对于最小余差检测后的有云像元，先根据云顶气压和通道权重函数峰值高度的相对位置，将不同的红外通道标记为有云或者晴空，对于晴空通道，采用云判据算法中的卷云判据对通道进行再检测，将判定为卷云的通道最终标记为有云通道。

图2为葵花8号AHI通道9(6.95μm，第一行)，通道15(12.35μm，第二行)云检测结果与CLAVR-x云产品的比对。(a，b)为单纯采用最小余差算法，(c，d)为采用双重云检测算法。空心圈部分表示云检测结果与CLAVR-x云产品一致为的晴空，实心圈表示云检测方案漏报的云像元，由CLAVR-x云产品分为水云、过冷水云、低薄云/雾、卷云和多层云等分别展示。图2给出了双重云检测算法对于AHI通道9和通道15的检测效果，通道9权重函数大约位于500hPa高度层，主要受中高云的影响；通道15权重函数位于地面，受多种云类的影响。从云影响的漏报情况来看，双重云检测算法相比单纯的最小余差算法，对通道9能有效降低卷云、水云和多层云影响的漏报率，对通道15能有效降低水云、低薄云和多层云影响的漏报率。

图3为经过质量控制后O-B亮温差随观测亮温的频数分布：(a,b)通道9(6.95μm)，(c,d)通道15(12.35μm)；(a，c)单纯最小余差算法，(b，d)双重云检测算法。图3给出了双重云检测算法对于AHI通道9和通道15质量控制后的观测-模拟(O-B)亮温偏差的统计结果。低观测亮温且O-B亮温负偏差意味着受云影响。可见，经过质量控制后，双重云检测方案相比单纯最小余差算法降低了云污染概率，为数值模式资料同化的定量提供有力保障。

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上作出各种变化。

Claims (1)

1.一种适用于静止卫星资料同化的晴空通道检测质量控制方法，其特征在于，包括如下步骤：

(1)对静止气象卫星AHI成像仪资料的观测辐射亮温和模拟亮温进行预处理，在观测辐射亮温方面，对辐射亮温、地理参数和卫星几何参数进行数据处理；模拟亮温方面，采用WRF数值天气预报模式提供温度、水汽和地表要素参量，由CRTM辐射传输模式模拟红外通道辐射亮温；

(2)建立最小余差算法，由AHI通道7-16这10个红外通道的观测辐射亮温、晴空模拟亮温和有云模拟亮温三者的差异构建亮温空间的余差项函数，通过求解余差项极小值，估算AHI观测像元的云顶气压和云比例；

最小余差算法表示为：

其中，res(k)为亮温余差项，是大气高度垂直分层k的函数；i表示卫星的通道序号；

μ_i分别为观测亮温、晴空模拟亮温和偏差订正项；T(k)，T_kk和Ts分别为第k层大气温度，第kk层大气温度和地表温度；

表示云顶位于高度层k时的有云辐射模拟亮温与晴空模拟亮温之间的差；W_i表示第i通道的观测误差权重；

F(k)表示当云顶位于第k层时，对应的云覆盖比例，F(k)的算法为：

将公式(2)代入(1)式，亮温余差项被表示为垂直高度k的函数；

对余差项res(k)求极小值的算法采用迭代搜索法，即在垂直方向上由k＝1至k＝kmax，kmax表示对流层顶，进行迭代，搜索res(k)极小值对应的垂直高度k，即表示云顶高度，云顶气压可由WRF模式第k高度层的气压获得，云比例由F(k)获得；

为步骤(2)得到的亮温余差项设置阀值：

当res(k)<thres时，本步骤得到的云顶高度和云比例为有效值，否则认定为无云；

(3)建立云判据算法，识别云类型，对云像元进行评判，从而确定该像元是否被云层影响；

对云类型的识别以及云判据的具体算法包括：

a、分裂窗负亮温差判据，用于识别层云和积云：

若

则TEST_cloud成立，否则TEST_clear成立；

其中，

和

分别为11.2μm通道和12.35μm通道的观测亮温，

和

分别为11.2μm通道和12.35μm通道的晴空模拟亮温；ε₁为该判据的阈值；

b、分裂窗正亮温差判据，用于识别半透明云：

若

则TEST_cloud成立，否则TEST_clear成立；

其中，ε₂为该判据的阈值；

c、水汽-窗区相关性判据，用于识别卷云：

若

则TEST_cloud成立，否则TEST_clear成立；

其中，

和

分别为7.35μm通道和11.2μm通道的观测亮温，

为在附近5×5像元内的相关系数；ε₃为该判据的阈值；

d、低云比辐射率判据，用于识别低云或雾：

若

则TEST_cloud成立，否则TEST_clear成立；

其中，

和

分别为11.2μm通道和3.85μm通道的观测亮温，

和

分别为11.2μm通道和3.85μm通道的晴空模拟亮温；I_3.85μm()为由普朗克函数计算的3.85μm等效辐射量；ε₄为该判据的阈值；

e、水汽-窗区差异判据，用于识别薄云：

若

则TEST_cloud成立，否则TEST_cloud成立；

其中，

为6.95μm通道观测亮温，

为11.2μm通道观测亮温，ε₅为该判据的阈值；

f、空间一致性判据，用于识别云边缘和破碎云：

若

则TEST_cloud成立，否则TEST_clear成立；

其中，

为11.2μm通道观测亮温，

表示11.2μm通道亮温在附近3×3像元内的最大值，γ为温度垂直递减率，σ_z为地形高度在附近3×3像元内的标准差，ε₆为该判据的阈值；

对云像元的最终评判采用的原则为：上述a～f判据中当任何一项认定有云时，则认为该像元被云影响；当卷云判据认定有云时，则认为该像元被高层云影响；

各判据中阀值ε₁～ε₆的建立方法为：

采用MODIS云产品作为真值参考，将静止气象卫星AHI成像仪与MODIS进行观测视场匹配，建立AHI各项云判据和MODIS云产品的匹配样本；对于各项判据，分析不同数值对应的晴空概率和有云概率，并以此计算云的错报率：

其中，MODIS_cloud表示MODIS产品认定有云，TEST_cloud(ε)表示判据在阈值取ε时认定有云，MODIS_clear表示MODIS产品认定晴空，N表示统计个数,FAR(ε)为错报率，FAR(ε)是ε的函数，以错报率1％，2％，5％为不同等级标准，建立各项判据的阈值ε₁～ε₆；

(4)将步骤(2)的最小余差算法与步骤(3)的云判据算法形成耦合方案，建立双重云检测方案。

Images