CN114005049A - 基于多波段遥感信息的霾区检测方法、装置、设备及介质 - Google Patents
基于多波段遥感信息的霾区检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114005049A CN114005049A CN202210003462.3A CN202210003462A CN114005049A CN 114005049 A CN114005049 A CN 114005049A CN 202210003462 A CN202210003462 A CN 202210003462A CN 114005049 A CN114005049 A CN 114005049A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- haze
- satellite
- sensing image
- judgment
- 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.)
- Granted
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于多波段遥感信息的霾区检测方法、装置、设备及介质。所述方法包括:获取目标区域的卫星遥感影像;根据目标物在不同波段条件下的散射特性,确定各个所述目标物的判断逻辑,并分别将各个所述目标物的判断逻辑中的判断条件表示为判断条件表达式,获得各个所述目标物对应的判断条件表达式组;根据各个所述目标物对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元。本发明根据目标物在不同波段条件下的散射特性,得到判断各个目标物的条件表达式组,并根据各个目标物的条件表达式组筛选得到遥感影像中的霾像元,从而实现利用卫星进行大范围的霾区检测。
Description
技术领域
本发明涉及大气遥感污染探测技术领域,尤其涉及一种基于多波段遥感信息的霾区检测方法、装置、设备及介质。
背景技术
霾,也称灰霾,指因大量烟、尘等微粒悬浮而形成的浑浊现象。一些细小颗粒物集聚在近地面,它们会吸收、折射或者反射太阳光使得能见度下降,当水平能见度小于10km时造成的天气现象即为霾。霾的核心物质是空气中悬浮的颗粒物,气象学上称为大气气溶胶。受高颗粒物浓度的影响我国霾事件频发,具有影响范围大、程度重和持续时间长的特点,对人民生活和健康造成严重不利影响。在不利气象条件下大范围、持续性重污染天气仍时有发生,仍需要开展霾检测实时业务。
现有技术中,检测方法主要还是依赖于城市地区的地面检测站点,然而这种检测方法缺乏对大尺度的霾分布的定量检测能力,有限数量的地面检测站点无法较好地表征大范围区域的霾分布情况,且不同地面检测站点的能力参差不齐,导致检测结果精确度不高,存在很多不确定性。
发明内容
本发明提供一种基于多波段遥感信息的霾区检测方法、装置、设备及介质,用以解决现有技术无法对大尺度霾分布进行定量检测的问题,实现更为全面的霾检测。
本发明提供一种基于多波段遥感信息的霾区检测方法,包括:
获取目标区域的卫星遥感影像;
根据目标物在不同波段条件下的散射特性,确定各个所述目标物的判断逻辑,并分别将各个所述目标物的判断逻辑中的判断条件表示为判断条件表达式,获得各个所述目标物对应的判断条件表达式组;
根据各个所述目标物对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元。
可选的,根据各个所述目标物对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元,包括:
根据目标物云对应的判断条件表达式组,识别所述卫星遥感影像中的云像元,以及根据目标物冰雪对应的判断条件表达式组,识别所述卫星遥感影像中的冰雪像元,以及根据目标物霾对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元;
其中,当初步确定的像元被识别为所述云像元或所述冰雪像元时,将初步确定的像元作为非霾像元,当初步确定的像元被识别为霾像元,且未被识别为所述云像元或所述冰雪像元时,将初步确定的像元作为目标霾像元。
可选的,所述目标物云对应的判断条件表达式组为:
其中,为所述卫星遥感影像的中心波长在0.47μm附近卫星通道表观反射率,为所述卫星遥感影像的中心波长在0.47μm附近卫星通道表观反射率阈值,为中心波长为0.47μm卫星通道表观反射率在预设邻域内的标准差,为中心波
长为0.47μm卫星通道表观反射率在预设邻域内的均值,n为中心波长为0.47μm卫星通道表
观反射率在预设邻域内的有效像元个数,为中心波长为0.47μm卫星通道表
观反射率在预设邻域内加权平均标准差的阈值,为中心波长为0.47μm卫星通
道表观反射率在预设邻域内的标准差阈值,为所述卫星遥感影像的中心波长在1.38μ
m附近卫星通道表观反射率,为所述卫星遥感影像的中心波长在1.38μm附近卫星
通道表观反射率阈值,为中心波长为1.38μm卫星通道表观反射率在预设邻域内
的标准差,为中心波长为1.38μm卫星通道表观反射率在预设邻域内的标准差
阈值。
可选的,所述目标物冰雪对应的判断条件表达式组为:
其中,为所述卫星遥感影像的中心波长在0.87μm附近卫星通道表观反射率,为所述卫星遥感影像的中心波长在1.64μm附近卫星通道表观反射率,为
所述冰雪像元的判断阈值,为所述卫星遥感影像的中心波长在11μm附近卫星通道亮
温,为所述卫星遥感影像的中心波长在11μm附近卫星通道亮温阈值。
可选的,所述目标物霾对应的判断条件表达式组为:
其中,为所述卫星遥感影像的中心波长在0.47μm附近卫星通道去除空气分子
瑞利散射贡献后的表观反射率,为所述卫星遥感影像的中心波长在0.47μm附近卫星
通道去除空气分子瑞利散射贡献后的表观反射率阈值,为所述卫星遥感影像的中心波
长在2.1μm附近卫星通道表观反射率,为与比值的阈值。
可选的,所述卫星遥感影像的中心波长在0.47μm附近卫星通道去除空气分子瑞利散射贡献后的表观反射率基于下述公式计算得到,所述公式为:
本发明还提供一种基于多波段遥感信息的霾区检测装置,包括:
获取模块,用于获取目标区域的卫星遥感影像;
第一处理模块,用于根据目标物在不同波段条件下的散射特性,确定各个所述目标物的判断逻辑,并分别将各个所述目标物的判断逻辑中的判断条件表示为判断条件表达式,获得各个所述目标物对应的判断条件表达式组;
第二处理模块,用于根据各个所述目标物对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元。
可选的,所述第二处理模块,具体用于:
根据目标物云对应的判断条件表达式组,识别所述卫星遥感影像中的云像元,以及根据目标物冰雪对应的判断条件表达式组,识别所述卫星遥感影像中的冰雪像元,以及根据目标物霾对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元;
其中,当初步确定的像元被识别为所述云像元或所述冰雪像元时,将初步确定的像元作为非霾像元,当初步确定的像元被识别为霾像元,且未被识别为所述云像元或所述冰雪像元时,将初步确定的像元作为目标霾像元。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述基于多波段遥感信息的霾区检测方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述基于多波段遥感信息的霾区检测方法的步骤。
本发明提供的基于多波段遥感信息的霾区检测方法、装置、设备及介质,首先获取目标区域的卫星遥感影像,然后根据目标物在不同波段条件下的散射特性,确定各个目标物的判断逻辑,并分别将各个目标物的判断逻辑中的判断条件表示为判断条件表达式,获得各个目标物对应的判断条件表达式组。最后,根据各个目标物对应的判断条件表达式组,识别卫星遥感影像中的霾像元。由此可见,本发明根据目标物在不同波段条件下的散射特性,得到判断各个目标物的条件表达式组,进而根据各个目标物的条件表达式组筛选得到遥感影像中的霾像元,从而实现利用卫星进行大范围的霾区快速检测。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的基于多波段遥感信息的霾区检测方法的流程示意图之一;
图2是本发明提供的基于多波段遥感信息的霾区检测方法的流程示意图之二;
图3是本发明提供的目标区域的卫星彩色遥感示意图;
图4是本发明提供的目标区域的霾区检测结果示意图;
图5是本发明提供的目标区域的霾区检测结果与地面环境监测站点对比示意图;
图6是本发明提供的目标区域的地面检测霾区结果与地面气象站点监测站点对比示意图;
图7是本发明提供的基于多波段遥感信息的霾区检测装置的结构示意图;
图8是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明提供的基于多波段遥感信息的霾区检测方法的流程示意图之一,图2是本发明提供的基于多波段遥感信息的霾区检测方法的流程示意图之二。下面结合图1和图2对本发明提供的基于多波段遥感信息的霾区检测方法进行详细解释和说明。
如图1所示,本发明提供的基于多波段遥感信息的霾区检测方法,包括:
步骤101:获取目标区域的卫星遥感影像;
在本步骤中,需要说明的是,卫星遥感以其大面积覆盖、准实时获取、动态更新和成本低的特点,在霾的大范围动态检测中具有难以替代的优势。因此通过卫星遥感手段来获取霾区影响范围及程度的信息对于更科学全面的掌握大气污染信息,并进一步支撑大气污染防治政策具有十分重要的意义。在本步骤中,首先获取目标区域的卫星遥感影像。其中,卫星遥感影像应来自目前遥感部门可实时获取的业务运行卫星。
步骤102:根据目标物在不同波段条件下的散射特性,确定各个所述目标物的判断逻辑,并分别将各个所述目标物的判断逻辑中的判断条件表示为判断条件表达式,获得各个所述目标物对应的判断条件表达式组;
在本步骤中,需要说明的是,不同目标物在不同波段条件下的反射率存在差异,因此,可以通过合理利用以卫星遥感为主的检测手段,实现有效的霾信息提取。对于云而言,其在反射波段呈现出高反射率不均一性的特点,因此本发明选择可见光蓝光波段0.47μm和对卷云敏感1.38μm波段的表观反射率值及其空间变化率(像元3*3邻域内所有9个像元的反射率的标准差)来进行判识,统计大量数据得到了判识阈值,对于冰雪像元而言,其过高的反射率使得大气中气溶胶的贡献成为小量,因此为进行霾区高质量的判识,也需要去除冰雪像元的影响。MODIS算法是利用0.87um的近红外波段和1.24um波段的短波红外波段计算的冰雪指数NDSI超过一定阈值,并结合冰雪在热红外波段(11um)的低亮温的特点进行判识。对于风三MERSI而言,其缺少1.24um通道,用1.64um波段进行了替代。对于霾区而言,利用辐射传输模式6SV进行模拟可得到空气分子瑞利散射的贡献及卫星表观反射率随气溶胶光学厚度的变化,可以看出在同样的太阳天顶角、相对方位角之差、地表反射率以及气溶胶光学厚度条件下,大气层顶的表观反射率是随卫星观测天顶角的增加显著增加的,其中空气分子的贡献十分显著,大角度条件下空气分子的贡献有可能超过小角度条件下低气溶胶的贡献,因此为尽可能的提取出霾事件中气溶胶的贡献,使判识阈值更有普适性和稳定性,首先需要进行大气订正,经过大气订正以后,晴空区中霾区的反射率则明显高于非霾区,并且波长越短大气贡献越明显,因此选取了0.47μm波段进行判识。但同时高亮地表也会为高值,同样通过辐射特性的模拟得到2.1μm波段受霾微粒的影响较小,因此通过0.47μm波段和2.1μm波段进行组合既可以排除高亮地表的影响又能保留霾信息。
步骤103:根据各个所述目标物对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元。
在本步骤中,根据目标物云对应的判断条件表达式组,识别卫星遥感影像中的云像元,以及根据目标物冰雪对应的判断条件表达式组,识别卫星遥感影像中的冰雪像元,以及根据目标物霾对应的判断条件表达式组,识别卫星遥感影像中的霾像元。其中,当初步确定的像元被识别为所述云像元或所述冰雪像元时,将初步确定的像元作为非霾像元,当初步确定的像元被识别为霾像元,且未被识别为所述云像元或所述冰雪像元时,将初步确定的像元作为目标霾像元。其中,像元,亦称像素点或像元点。即影像单元(pictureelement)。是组成数字化影像的最小单元。在遥感信息采集,如扫描成像时,它是传感器对地面景物进行扫描采样的最小单元;在数字影像处理中,它是对模拟影像进行扫描数字化时的采样点。是构成遥感数字影像的基本单元,是遥感成像过程中的采样点。
在本步骤中,需要说明的是,霾像元的表观反射率介于云、冰雪与晴空像元之间,因此,本发明为了提高霾像元的识别精度,通过目标物云对应的判断条件表达式组,确定卫星遥感影像中的云像元,以及通过目标物冰雪对应的判断条件表达式组,确定卫星遥感影像中的冰雪像元。在排除了卫星遥感影像中的云像元和冰雪像元后再通过目标物霾对应的判断条件表达式组,确定卫星遥感影像中的霾像元,从而进一步提高了霾像元的检测精度。
本发明提供的基于多波段遥感信息的霾区检测方法,首先获取目标区域的卫星遥感影像,然后根据目标物在不同波段条件下的散射特性,确定各个目标物的判断逻辑,并分别将各个目标物的判断逻辑中的判断条件表示为判断条件表达式,获得各个目标物对应的判断条件表达式组。最后,根据各个目标物对应的判断条件表达式组,识别卫星遥感影像中的霾像元。由此可见,本发明根据目标物在不同波段条件下的散射特性,得到判断各个目标物的条件表达式组,进而根据各个目标物的条件表达式组筛选得到遥感影像中的霾像元,从而实现利用卫星进行大范围的霾区快速检测。
基于上述实施例的内容,在本实施例中,根据各个所述目标物对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元,包括:
根据目标物云对应的判断条件表达式组,识别所述卫星遥感影像中的云像元,以及根据目标物冰雪对应的判断条件表达式组,识别所述卫星遥感影像中的冰雪像元,以及根据目标物霾对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元;
其中,当初步确定的像元被识别为所述云像元或所述冰雪像元时,将初步确定的像元作为非霾像元,当初步确定的像元被识别为霾像元,且未被识别为所述云像元或所述冰雪像元时,将初步确定的像元作为目标霾像元。
在本实施例中,需要说明的是,识别云像元、冰雪像元和霾像元的顺序不作具体限制。可选的,可以先通过目标物云对应的判断条件表达式组,识别卫星遥感影像中的云像元,以及根据目标物冰雪对应的判断条件表达式组,识别卫星遥感影像中的冰雪像元。在识别得到云像元和冰雪像元后,即可对它们进行排除,然后再对霾像元进行识别。还可以先通过目标物霾对应的判断条件表达式组,识别卫星遥感影像中的霾像元,此时获得的霾像元并不足够精确,其也可能为冰雪像元或云像元,因此将此时获得霾像元待定,然后在识别云像元和冰雪像元后,判断待定的霾像元是否被识别为云像元或冰雪像元。若待定的霾像元被识别为云像元或冰雪像元,则表明待定的霾像元实际为云像元或冰雪像元,若待定的霾像元没有被识别为云像元或冰雪像元,则表明待定的霾像元识别无误。其中,识别云像元和冰雪像元的顺序也不作具体限制。
基于上述实施例的内容,在本实施例中,所述目标物云对应的判断条件表达式组为:
其中,为所述卫星遥感影像的中心波长在0.47μm附近卫星通道表观反射率,为所述卫星遥感影像的中心波长在0.47μm附近卫星通道表观反射率阈值,为中心波长为0.47μm卫星通道表观反射率在预设邻域内的标准差,为中心波
长为0.47μm卫星通道表观反射率在预设邻域内的均值,n为中心波长为0.47μm卫星通道表
观反射率在预设邻域内的有效像元个数,为中心波长为0.47μm卫星通道表观
反射率在预设邻域内加权平均标准差的阈值,为中心波长为0.47μm卫星通道
表观反射率在预设邻域内的标准差阈值,为所述卫星遥感影像的中心波长在1.38μm附
近卫星通道表观反射率,为所述卫星遥感影像的中心波长在1.38μm附近卫星通道表
观反射率阈值,为中心波长为1.38μm卫星通道表观反射率在预设邻域内的标准
差,为中心波长为1.38μm卫星通道表观反射率在预设邻域内的标准差阈值。
在本实施例中,需要说明的是,为所述卫星遥感影像在可见光蓝光波段的表
观反射率,相当于中心波长在0.47μm附近卫星通道表观反射率,本发明涵盖了中心波长在
0.47μm附近卫星通道表观反射率,例如可以为0.46m卫星通道表观反射率或0.48m附近卫星
通道表观反射率。其中,表观反射率为:大气层顶上行短波辐射通量密度与太阳入射辐射通
量密度的比值。
在本实施例中,通过目标物云对应的判断条件表达式组识别遥感影像中的云像元,可以对遥感影像中的卷云进行去除,提高霾的检测精度。
基于上述实施例的内容,在本实施例中,所述目标物冰雪对应的判断条件表达式组为:
在本实施例中,采用了对冰雪像元识别较为敏感的1.64μm特征通道,可以更加精准的排除卫星遥感影像中的冰雪像元。
在本实施例中,目标物冰雪对应的判断条件表达式组是通过积雪像元在反射波段不同通道的光谱特性差异的特点进行筛选和依据积雪低亮温的特点来进行双重判识得到的。而现有霾检测技术中,仅仅采用了两个亮温的分裂窗通道进行云的一些辅助判识,本发明相比于现有技术波段选择更有针对性且信息不冗余,可以利用更少的波段进行判识,适用面更广。
基于上述实施例的内容,在本实施例中,所述目标物霾对应的判断条件表达式组为:
其中,为所述卫星遥感影像的中心波长在0.47μm附近卫星通道去除空气分子
瑞利散射贡献后的表观反射率,为所述卫星遥感影像的中心波长在0.47μm附近卫星
通道去除空气分子瑞利散射贡献后的表观反射率阈值,为所述卫星遥感影像的中心波
长在2.1μm附近卫星通道表观反射率,为。
在本实施例中,通过目标物霾对应的判断条件表达式组,既可以除去高亮地表条件下高反射率的干扰,又可以保留了霾区高反射率的特性。
基于上述实施例的内容,在本实施例中,所述卫星遥感影像在可见光蓝光波段去除空气分子瑞利散射贡献后的表观反射率基于下述公式计算得到,所述公式为:
在本实施例中,在进行霾像元的识别前,首先采用经典分子散射算法完成对0.47um附近卫星通道去除空气分子散射贡献的大气订正,进一步消除大气分子散射、吸收、反射引起的误差,使得阈值选择更加的稳定且具有普适性。
下面通过具体实施例进行说明:
实施例一:
在本实施例中,需要说明的是,霾检测是一个针对天气现象的多产品、多要素综合观测分析的信息提取过程。霾的出现主要是由于大气中细颗粒物对光的散射所造成的,由于云、雾、沙尘与细颗粒物在不同波长条件下散射特性的差别,使得利用卫星进行霾的大范围检测成为可能。现有多波段霾检测方案,采用可见光与近红外反射率阈值和红外通道亮温阈值综合法。该阈值体系如下表1所示。
表1
由表1可知,现有的多波段霾检测方案使用波段较多,阈值变化范围大,且未考虑观测角度等的影响进行大气订正,也未考虑高亮地表的影响,精度相对较低、误判多、适用面窄,未能形成业务推广能力。为了合理应用以卫星遥感为主的检测手段,实现有效的霾信息提取,本发明提供了一种霾区检测方法,如图2所示,本发明首先排除云像元,之后排除冰雪像元,然后对“蓝光”通道订正分子散射影响,最后用两个条件判断筛选出霾像元,标识为霾。判断条件中使用的参数阈值可根据卫星通道特性和目标检测区域地表特性、季节变化等影响条件的差异进行调整,此处不作具体限制。
其中,云像元检测方法如公式(1)所示:
式中,为中心波长在0.47μm附近卫星通道表观反射率,为中心波长
在0.47μm附近卫星通道表观反射率阈值,为中心波长在1.38μm附近卫星通道表观反
射率,为中心波长在1.38μm附近卫星通道表观反射率阈值,为中心波长为
0.47μm卫星通道表观反射率在33邻域内的均值,n为中心波长为0.47μm卫星通道表观反
射率在33邻域内的有效像元个数,为中心波长为0.47μm卫星通道表观反射率在33邻域内的标准差,为中心波长为0.47μm卫星通道表观反射率在33邻域内
的标准差的阈值,为中心波长为0.47μm卫星通道表观反射率在33邻域内加
权平均标准差的阈值,为中心波长为1.38μm卫星通道表观反射率在33邻域内的
标准差, 为中心波长为1.38μm卫星通道表观反射率在33邻域内的标准差的
阈值。
其中,公式(1)中检测参数的参考阈值可参考下表2:
表2
其中,冰雪像元的检测方法如下述公式(2)所示:
式中,为中心波长在0.87μm附近卫星通道表观反射率,为中心波长在
1.64μm附近卫星通道表观反射率,为中心波长在11μm附近卫星通道亮温,为
冰雪检测阈值,为中心波长在11μm附近卫星通道亮温的阈值。
其中,公式(2)中检测参数的参考阈值可参考下表3:
表3
其中,分子散射订正的方法为:采用经典分子散射算法完成对0.47um附近卫星通道去除空气分子散射贡献的订正,如下述公式(3)所示:
式中,为中心波长在0.47μm附近的卫星通道去除空气分子瑞利散射贡献后表
观反射率,为中心波长在0.47μm附近的卫星通道原始表观反射率,为为经典分子
散射订正算法,使用6SV等辐射传输模式中的分子散射订正模块实现。
在本实施例中,霾检测的方法包括:基于公式(1)和公式(2)排除云和积雪像元后,同时满足下述公式(4)和公式(5)的像元被检测为霾。
其中,公式(4)和公式(5)中的检测参数的参考阈值如下表4所示:
表4
在本实施例中,需要说明的是,本阈值体系的数值组合,以及各个阈值在+-5%以内变化,均匀视为本发明提供的阈值体系保护范围。
由此可见,本发明提供的基于多波段遥感信息的霾区检测方法相比于现有的多波段检测方法,卷云、冰雪等特征通道的使用也使得非霾像元的剔除更为有效,同时充分考虑了观测条件的影响,通过大气订正和高亮地表的剔除使得阈值更为稳定和普适,霾检测精度相比于现有技术有大幅度的提高。
实施例二:
在本实施例中,卫星资料来自目前遥感部门可实时获取的业务运行卫星,包括中国的风云三号气象卫星(FY-3)、风云四号气象卫星(FY-4);美国的卫星(Terra/MODIS、Aqua/MODIS、NPP/VIIRS、JPSS/VIIRS)等。这些卫星均具有霾检测或气溶胶定量产品反演所必需的波段。以FY-3D/MERSI于2021年01月23日06:05 UTC时次的遥感检测数据为例,图3展示了该轨道的真彩图,云、积雪的反射率较高,因此表现在真彩图上为亮白色,云主要出现在江苏、浙江、青海、陕西南部、成都、重庆等地;积雪主要出现在内蒙古东部、四川省西部、西藏东部等地。霾则在真彩图上表现为灰色,如河北西部、河南大部、山东西部、湖北西部、湖南中东部、四川盆地等地。基于本发明提及的反射率识别方法得到了霾识别图,如图4所示,云、霾和晴空像元分别用白色、浅灰和深灰标注。可以明显看到,基于本发明提出的识别方法能很好地识别出霾的分布,识别出的霾区与真彩图上的灰白色区域有着很好的对应关系。
为了对检测精度进行定量评估,利用生态环境部门的近地面颗粒物浓度检测数据以及气象部门地面观测中的天气现象数据以及对霾检测结果进行检验,同样以2021年1月23日为例得到的对比结果如图5和图6所示。从分布图上可以看到地面观测到的PM2.5出现污染及天气现象被定义为霾的站点与卫星霾检测结果具有很好的一致性,三者都可以看出在华北、黄淮、四川盆地及华中都出现了明显的霾区,图左下角卫星检测有霾,但由于境外没有地面观测数据,故未叠加地面观测信息。参照《环境空气质量标准》以PM2.5超过75μg/m3判定为出现细颗粒物污染,在本发明中定义地面检测出现细颗粒物污染且卫星检测为霾计算得到的卫星霾检测正确率为97.67%。以地面天气现象为霾的观测数据为基准,获得的卫星霾检测正确率为96.4%,说明该反射率阈值检测方法具有很高的检测准确率。但同时需要注意到,在河北南部和山东北部,地面PM2.5观测为良,卫星却检测为霾,结合真彩图显示,此区域在真彩图上显示为灰白色,说明大气中气溶胶的消光贡献是不低的,有可能气溶胶的出现在离地面具有一定高度的高度层上,因此虽然地面未检测到细颗粒物污染,但在进行整层大气观测的卫星上有所体现。
为进一步验证本发明的适用性,对霾频发的秋冬季检测结果进行检验,选取2020.10月–2021年2月为例,与气象观测天气现象的霾标示匹配记录5246个,卫星霾检测的准确率为91.1%,与地面PM2.5出现污染的匹配记录为3737个,卫星霾检测的准确率为85.6%。由于气象观测中的霾考虑的是大气的消光,卫星检测霾也是通过气溶胶的消光特性来实现的,因此两者特征更为一致,以地基霾为基准对卫星霾检测结果进行检验得到的准确率也更高。
下面对本发明提供的基于多波段遥感信息的霾区检测装置进行描述,下文描述的基于多波段遥感信息的霾区检测装置与上文描述的基于多波段遥感信息的霾区检测方法可相互对应参照。
如图7所示,本发明提供的一种基于多波段遥感信息的霾区检测装置,包括:
获取模块1,用于获取目标区域的卫星遥感影像;
第一处理模块2,用于根据目标物在不同波段条件下的散射特性,确定各个所述目标物的判断逻辑,并分别将各个所述目标物的判断逻辑中的判断条件表示为判断条件表达式,获得各个所述目标物对应的判断条件表达式组;
第二处理模块3,用于根据各个所述目标物对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元。
在本实施例中,需要说明的是,卫星遥感以其大面积覆盖、准实时获取、动态更新和成本低的特点,在霾的大范围快速检测中具有难以替代的优势。因此通过卫星遥感手段来获取霾区影响范围及程度的信息对于更科学全面的掌握大气污染信息,并进一步支撑大气污染防治政策具有十分重要的意义。在本步骤中,首先获取目标区域的卫星遥感影像。其中,卫星遥感影像应来自目前遥感部门可实时获取的业务运行卫星。
在本实施例中,需要说明的是,不同目标物在不同波段条件下的反射率存在差异,因此,可以通过合理利用以卫星遥感为主的检测手段,实现有效的霾信息提取。对于云而言,其在反射波段呈现出高反射率不均一性的特点,因此本发明选择可见光蓝光波段0.47μm和对卷云敏感1.38μm波段的表观反射率值及其空间变化率(像元3*3邻域内所有9个像元的反射率的标准差)来进行判识,统计大量数据得到了判识阈值,对于冰雪像元而言,其过高的反射率使得大气中气溶胶的贡献成为小量,因此为进行霾区高质量的判识,也需要去除冰雪像元的影响。MODIS算法是利用0.87um的近红外波段和1.24um波段的短波红外波段计算的冰雪指数NDSI超过一定阈值,并结合冰雪在热红外波段(11um)的低亮温的特点进行判识。对于风三MERSI而言,其缺少1.24um通道,用1.64um波段进行了替代。对于霾区而言,利用辐射传输模式6SV进行模拟可得到空气分子瑞利散射的贡献及卫星表观反射率随气溶胶光学厚度的变化,可以看出在同样的太阳天顶角、相对方位角之差、地表反射率条件以及气溶胶光学厚度条件下,大气层顶的表观反射率是随相对方位角的增加显著增加的,其中空气分子的贡献十分显著,大角度条件下空气分子的贡献有可能超过小角度条件下低气溶胶光学厚度的贡献,因此为尽可能的提取出霾事件中气溶胶的贡献,使得判识阈值更有普适性和稳定性,首先需要进行大气订正,经过大气订正以后,晴空区中霾区的反射率则明显高于非霾区,并且波长越短大气贡献越明显,因此选取了0.47μm波段进行判识。但同时高亮地表也会为高值,同样通过辐射特性的模拟看出2.1μm波段受霾微粒的影响较小,因此通过0.47μm波段和2.1μm波段进行组合既可以排除高亮地表的影响又能保留霾信息。
在本实施例中,根据目标物云对应的判断条件表达式组,识别卫星遥感影像中的云像元,以及根据目标物冰雪对应的判断条件表达式组,识别卫星遥感影像中的冰雪像元,以及根据目标物霾对应的判断条件表达式组,识别卫星遥感影像中的霾像元。其中,当初步确定的像元被识别为所述云像元或所述冰雪像元时,将初步确定的像元作为非霾像元,当初步确定的像元被识别为霾像元,且未被识别为所述云像元或所述冰雪像元时,将初步确定的像元作为目标霾像元。其中,像元,亦称像素点或像元点。即影像单元(pictureelement)。是组成数字化影像的最小单元。在遥感信息采集,如扫描成像时,它是传感器对地面景物进行扫描采样的最小单元;在数字影像处理中,它是对模拟影像进行扫描数字化时的采样点。是构成遥感数字影像的基本单元,是遥感成像过程中的采样点。
在本实施例中,需要说明的是,霾像元的表观反射率介于云、冰雪与晴空像元之间,因此,本发明为了提高霾像元的识别精度,通过目标物云对应的判断条件表达式组,确定卫星遥感影像中的云像元,以及通过目标物冰雪对应的判断条件表达式组,确定卫星遥感影像中的冰雪像元。在排除了卫星遥感影像中的云像元和冰雪像元后再通过目标物霾对应的判断条件表达式组,确定卫星遥感影像中的霾像元,从而进一步提高了霾像元的检测精度。
本发明提供的基于多波段遥感信息的霾区检测装置,首先获取目标区域的卫星遥感影像,然后根据目标物在不同波段条件下的散射特性,确定各个目标物的判断逻辑,并分别将各个目标物的判断逻辑中的判断条件表示为判断条件表达式,获得各个目标物对应的判断条件表达式组。最后,根据各个目标物对应的判断条件表达式组,识别卫星遥感影像中的霾像元。由此可见,本发明根据目标物在不同波段条件下的散射特性,得到判断各个目标物的条件表达式组,进而根据各个目标物的条件表达式组筛选得到遥感影像中的霾像元,从而实现利用卫星进行大范围的霾区快速检测。
基于上述实施例的内容,在本实施例中,所述第二处理模块,具体用于:
根据目标物云对应的判断条件表达式组,识别所述卫星遥感影像中的云像元,以及根据目标物冰雪对应的判断条件表达式组,识别所述卫星遥感影像中的冰雪像元,以及根据目标物霾对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元;
其中,当初步确定的像元被识别为所述云像元或所述冰雪像元时,将初步确定的像元作为非霾像元,当初步确定的像元被识别为霾像元,且未被识别为所述云像元或所述冰雪像元时,将初步确定的像元作为目标霾像元。
图8示例了一种电子设备的实体结构示意图,如图8所示,该电子设备可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行基于多波段遥感信息的霾区检测方法,该方法包括:获取目标区域的卫星遥感影像;根据目标物在不同波段条件下的散射特性,确定各个所述目标物的判断逻辑,并分别将各个所述目标物的判断逻辑中的判断条件表示为判断条件表达式,获得各个所述目标物对应的判断条件表达式组;根据各个所述目标物对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的基于多波段遥感信息的霾区检测方法,该方法包括:获取目标区域的卫星遥感影像;根据目标物在不同波段条件下的散射特性,确定各个所述目标物的判断逻辑,并分别将各个所述目标物的判断逻辑中的判断条件表示为判断条件表达式,获得各个所述目标物对应的判断条件表达式组;根据各个所述目标物对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的基于多波段遥感信息的霾区检测方法,该方法包括:获取目标区域的卫星遥感影像;根据目标物在不同波段条件下的散射特性,确定各个所述目标物的判断逻辑,并分别将各个所述目标物的判断逻辑中的判断条件表示为判断条件表达式,获得各个所述目标物对应的判断条件表达式组;根据各个所述目标物对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于多波段遥感信息的霾区检测方法,其特征在于,包括:
获取目标区域的卫星遥感影像;
根据目标物在不同波段条件下的散射特性,确定各个所述目标物的判断逻辑,并分别将各个所述目标物的判断逻辑中的判断条件表示为判断条件表达式,获得各个所述目标物对应的判断条件表达式组;
根据各个所述目标物对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元。
2.根据权利要求1所述的基于多波段遥感信息的霾区检测方法,其特征在于,根据各个所述目标物对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元,包括:
根据目标物云对应的判断条件表达式组,识别所述卫星遥感影像中的云像元,以及根据目标物冰雪对应的判断条件表达式组,识别所述卫星遥感影像中的冰雪像元,以及根据目标物霾对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元;
其中,当初步确定的像元被识别为所述云像元或所述冰雪像元时,将初步确定的像元作为非霾像元,当初步确定的像元被识别为霾像元,且未被识别为所述云像元或所述冰雪像元时,将初步确定的像元作为目标霾像元。
3.根据权利要求2所述的基于多波段遥感信息的霾区检测方法,其特征在于,所述目标物云对应的判断条件表达式组为:
其中,为所述卫星遥感影像的中心波长在0.47μm附近卫星通道表观反射率,
为所述卫星遥感影像的中心波长在0.47μm附近卫星通道表观反射率阈值,为中心波
长为0.47μm卫星通道表观反射率在预设邻域内的标准差,为中心波长为0.47μm卫星通
道表观反射率在预设邻域内的均值,n为中心波长为0.47μm卫星通道表观反射率在预设邻
域内的有效像元个数,为中心波长为0.47μm卫星通道表观反射率在预设邻域内
加权平均标准差的阈值,为中心波长为0.47μm卫星通道表观反射率在预设邻域
内的标准差阈值,为所述卫星遥感影像的中心波长在1.38μm附近卫星通道表观反射率,为所述卫星遥感影像的中心波长在1.38μm附近卫星通道表观反射率阈值,为
中心波长为1.38μm卫星通道表观反射率在预设邻域内的标准差,为中心波长为
1.38μm卫星通道表观反射率在预设邻域内的标准差阈值。
7.一种基于多波段遥感信息的霾区检测装置,其特征在于,包括:
获取模块,用于获取目标区域的卫星遥感影像;
第一处理模块,用于根据目标物在不同波段条件下的散射特性,确定各个所述目标物的判断逻辑,并分别将各个所述目标物的判断逻辑中的判断条件表示为判断条件表达式,获得各个所述目标物对应的判断条件表达式组;
第二处理模块,用于根据各个所述目标物对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元。
8.根据权利要求7所述的基于多波段遥感信息的霾区检测装置,其特征在于,所述第二处理模块,具体用于:
根据目标物云对应的判断条件表达式组,识别所述卫星遥感影像中的云像元,以及根据目标物冰雪对应的判断条件表达式组,识别所述卫星遥感影像中的冰雪像元,以及根据目标物霾对应的判断条件表达式组,识别所述卫星遥感影像中的霾像元;
其中,当初步确定的像元被识别为所述云像元或所述冰雪像元时,将初步确定的像元作为非霾像元,当初步确定的像元被识别为霾像元,且未被识别为所述云像元或所述冰雪像元时,将初步确定的像元作为目标霾像元。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6任一项所述基于多波段遥感信息的霾区检测方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6任一项所述基于多波段遥感信息的霾区检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210003462.3A CN114005049B (zh) | 2022-01-05 | 2022-01-05 | 基于多波段遥感信息的霾区检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210003462.3A CN114005049B (zh) | 2022-01-05 | 2022-01-05 | 基于多波段遥感信息的霾区检测方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114005049A true CN114005049A (zh) | 2022-02-01 |
CN114005049B CN114005049B (zh) | 2022-04-12 |
Family
ID=79932589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210003462.3A Active CN114005049B (zh) | 2022-01-05 | 2022-01-05 | 基于多波段遥感信息的霾区检测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114005049B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106950574A (zh) * | 2017-04-14 | 2017-07-14 | 北京市环境保护监测中心 | 一种大气中灰霾总量的遥感测算方法及装置 |
CN112465720A (zh) * | 2020-11-27 | 2021-03-09 | 南京邮电大学 | 一种基于图像天空分割的图像去雾方法、装置和存储介质 |
-
2022
- 2022-01-05 CN CN202210003462.3A patent/CN114005049B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106950574A (zh) * | 2017-04-14 | 2017-07-14 | 北京市环境保护监测中心 | 一种大气中灰霾总量的遥感测算方法及装置 |
CN112465720A (zh) * | 2020-11-27 | 2021-03-09 | 南京邮电大学 | 一种基于图像天空分割的图像去雾方法、装置和存储介质 |
Non-Patent Citations (2)
Title |
---|
XI WANG ET AL.: "A Cloud Detection Scheme for the Chinese Carbon Dioxide Observation Satellite (TANSAT)", 《ADVANCES IN ATMOSPHERIC SCIENCES》 * |
王镭: "Himawari-8静止卫星的气溶胶光学厚度反演并行算法研究", 《中国优秀硕士学位论文全文数据库》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114005049B (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110703244B (zh) | 基于遥感数据识别城区内水体的方法和装置 | |
CN109631848B (zh) | 输电线路异物入侵检测系统和检测方法 | |
Anderson et al. | Long-term statistical assessment of Aqua-MODIS aerosol optical depth over coastal regions: bias characteristics and uncertainty sources | |
CN109300133B (zh) | 一种城市河网区水体提取方法 | |
KR101051142B1 (ko) | 인공위성을 이용한 황해 대기오염과 황사의 모니터링 기술 | |
CN111209533A (zh) | 道路层面细颗粒物反演方法、装置、计算设备及存储介质 | |
CN108764132B (zh) | 一种湖泊湿地遥感图像误差检测方法 | |
CN106950574B (zh) | 一种大气中灰霾总量的遥感测算方法及装置 | |
CN115266632A (zh) | 一种水体污染源无人机高光谱遥感排查方法 | |
CN110988909A (zh) | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 | |
Shi et al. | A Dark Target research aerosol algorithm for MODIS observations over eastern China: increasing coverage while maintaining accuracy at high aerosol loading | |
CN113744249B (zh) | 一种海洋生态环境损害调查方法 | |
Becker et al. | Particulate matter variability in Kathmandu based on in-situ measurements, remote sensing, and reanalysis data | |
CN112131789A (zh) | 一种基于随机森林算法的多光谱降水检测系统及方法 | |
CN114005049B (zh) | 基于多波段遥感信息的霾区检测方法、装置、设备及介质 | |
CN114384534A (zh) | 一种无人机巡线的树障生长预测分析方法 | |
CN112232303B (zh) | 一种基于高分遥感影像的草原道路信息提取方法 | |
CN113065098A (zh) | 基于卫星遥感和地气系统数据的pm2.5浓度检测方法及装置 | |
CN115494507B (zh) | 基于星载双频降水雷达和微波成像仪的闪电识别方法 | |
CN114235148B (zh) | 一种基于夜光遥感数据的道路夜间照明质量监测方法 | |
CN113075181B (zh) | 一种水污染溯源三维荧光数字信号的线性变换增益方法 | |
CN112698354B (zh) | 一种大气气溶胶与云的识别方法和系统 | |
CN108693087A (zh) | 一种基于图像理解的空气质量监测方法 | |
Ismanto et al. | Classification tree analysis (CTA) of smoke detection using Himawari_8 satellite data over Sumatera–Borneo Island, Indonesia | |
CN114463678A (zh) | 一种利用摄像头视频图像的降雨类型识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |