環境一號HJ-1A/B星CCD數據的云檢測方法技術

一種環境一號HJ-1A/B星CCD數據的云檢測方法，其方法為：利用MOD09Q1數據建立地表反射率數據庫；獲取HJ-1A/B星的CCD數據各波段數據的表觀反射率；將HJ-1A/B星的CCD數據各波段數據的表觀反射率數據與地表反射率數據庫中選取成像日期內的地表反射率數據進行比較進行云像元識別，生成第一層云掩膜；并利用HJ-1A/B星的CCD數據的第3波段的表觀反射率數據值域范圍進行云像元識別，生成第二層云掩膜；然后將HJ-1A/B星的CCD數據的第4波段與第3波段表觀反射率數據比值的值域范圍進行云像元識別，生成第三層云掩膜；最后根據步驟S3-S5的云像元識別結果，得到云掩膜。

【技術實現步驟摘要】

本專利技術涉及衛星遙感數據云檢測領域
，涉及一種環境一號衛星CXD數據的云檢測方法，尤其涉及一種基于地表反射率數據庫的環境一號HJ-1A/B星CCD數據的云檢測方法。
技術介紹
云在時間和空間分布上有極大的不確定性，其高度、厚度、組成種類以及太陽高度角、方位角的變化導致其衛星云圖特征千變萬化。在利用航天遙感手段獲取地球空間信息的過程中，云是光信號傳播的嚴重障礙，在很大程度上影響遙感信息獲取的質量，從而降低了數據的利用率。云遮擋問題是遙感數據普遍存在的現象，也是衛星遙感數據定量化應用中的一大難題。準確的分離云和晴空是反演大氣和地表各種參數的必要前提。因此采用實 時有效的云檢測方法，剔除遙感影像上云覆蓋區域，是緩解遙感圖像海量數據對傳輸通道的壓力，增加遙感數據利用率的一個重要途徑，也是遙感定量化應用前，影像預處理中的一個重要環節。目前，關于遙感影像云檢測的技術很多，主要分為3類閾值法、聚類分析法和人工神經網絡法。閾值法是這三種方法當中相對較成熟且易于實現的方法。其主要思想是對需要分析的像元利用不同通道組合的亮溫、亮溫差、反射率與所設置的閾值進行比對，從而判斷出像元是否為云污染像元。其中閾值的獲取有基于影像自身直方圖分析的方法，有采用滑動窗和嵌套窗的方法，也有對不同時相的影像資料進行統計分析，最終確定閾值的。目前閾值法主要有 ISCCP (The International Satellite Cloud Climatology Project)方法、APP0LL0 (The AVHRR Processing Scheme Over Cloud Land And Ocean)方法、CLAVR(The NOAA Cloud Advanced Very High Resolution Radiometer)方法等。ISCCP 算法假定觀測輻射只來自晴空和云兩種大氣狀況，與這兩種大氣狀況相聯系的輻射值其變化范圍并不相互重疊。檢測方法中使用了 0. 6 μ m可見光波段和Ilym紅外窗區波段的資料，將像元和晴空的觀測輻射值進行比較，當像元的輻射值明顯有別于晴空像元時，即某個像元與晴空輻射值的差值明顯大于晴空輻射值本身的變化時，該像元被判定為云點。這種方法使云檢測的誤差最小。但算法依賴于閾值，當像元只有部分云覆蓋時則會發生誤判現象。APP0LL0算法使用AVHRR五個全分辨率探測通道資料，對有云像元的判定須滿足如下條件①通道2、1的比值范圍為 像元的反射率高于所設定的閾值或溫度低于所設定的閾值；③通道4、5其亮溫差比所設定的閾值大對位于海洋上的像元，還要判斷其空間均一性是否比所設定的閾值大。CLAVR算法同APP0LL0方法一樣是采用了一系列判識閾值，不同的是，其判識單位為2*2的像元矩陣，算法根據下墊面性質和觀測時間的不同，可分為四類白天海洋、白天陸地、夜間海洋和夜間陸地。聚類分析法在20世紀70年代被提出，80年代起該方法被用于研究云分類問題。通過將影像分割成為一系列像元陣列，采用聚類分析法獲取影像中各像元所代表的云或地物類型。當像元陣內各種地類觀測值存在明顯差別時，檢測結果可能較為合理。但由于該方法的結果較依賴于衛星觀測角內觀測對象的值域特征，從而在一定程度上影響了該方法的使用。聚類方法主要有直方圖聚類、自適應閾值聚類、動態閾值聚類、動態聚類等。人工神經網絡法通過對多個樣本的學習，獲取樣本的知識并將其分布存貯于網絡中，從而達到對云的理解和識別。該方法是模擬人腦神經系統的工作原理，具有很強的自組織自適應學習能力，但其結果對于訓練資料的選取非常敏感。 隨著環境一號衛星的發射成功，其衛星影像憑借獲取方便、監測區域大、分辨率較高的優點，已在生態破壞、環境污染和災后評估等領域得到廣泛應用。然而，由于其波段設置較少、空間分辨率比較高等特點，已有的云檢測技術都在不同程度上存在一定的局限性和不穩定性。而對于同一地區，不同年份同時期的地表反射率變化較小，如將地表反射率數據引入到Z 檢測算法中，不僅有利于提聞Z 檢測的效率，還可提聞Z 檢測的精度。
技術實現思路
(一)要解決的技術問題本專利技術要解決的技術問題是，針對現有技術的不足，提供一種環境一號HJ-1A/B星CXD數據的云檢測方法，可以穩定的，且快速、方便地對環境一號HJ-1A/B星CXD遙感影像進行云識別的檢測方法。(二)技術方案本專利技術提供一種環境一號HJ-1A/B星CXD數據的云檢測方法，包括如下步驟S1 利用M0D09Q1數據建立地表反射率數據庫；S2 :對環境一號HJ-1A/B星的CXD數據進行輻射定標的預處理，獲取CCD數據各波段數據的表觀反射率；S3 :將S2中環境一號HJ-1A/B星的CCD數據各波段數據的表觀反射率數據與從SI中地表反射率數據庫中選取成像日期內的地表反射率數據進行比較進行云像元識別，并生成第一層云掩膜；S4 :利用環境一號HJ-1A/B星的CCD數據的第3波段的表觀反射率數據值域范圍進行云像元識別，并生成第二層云掩膜；S5 :利用環境一號HJ-1A/B星的CCD數據的第4波段與第3波段表觀反射率數據比值的值域范圍進行云像元識別，并生成第三層云掩膜；S6 :根據步驟S3-S5的云像元識別結果，得到環境一號HJ-1A/B星的CXD數據云掩膜。更好地，SI進一步包括如下步驟S1. I :獲取一段時間內的M0D09Q1數據；S1. 2 將所述M0D09Q1數據中同時期的多個M0D09Q1影像的第I波段地表反射率數據和第2波段地表反射率數據分別進行拼接，形成一個第I波段地表反射率數據和一個第2波地表反射率段數據，并設置數據輸出格式為GeoTiff，一個所述M0D09Q1影像包含多個第I波段地表反射率數據和多個第2波段地表反射率數據；S1. 3 :重復SI. 2，獲取在SI. 2中設定的一段時間內的第I波段和第2波段地表反射率數據，并將所述第I波段和所述第2波段地表反射率數據分別組成兩個數據庫，所述數據庫中存儲的數據均為GeoTiff格式數據。更好地，S2進一步包括如下步驟S2. I :從環境一號HJ-1A/B星的C⑶數據的輔助數據文件中獲取定標系數，并將所述的CCD數據的第3波段和4波段的像元亮度DN值轉換為表觀輻亮度；S2. 2 :從環境一號HJ-1A/B星的CCD數據的輔助數據文件中獲取太陽天頂角，將S2. I中的表觀輻亮度歸一化為第3波段和4波段的表觀反射率。更好地，S3進一步包括如下步驟S3. I :從環境一號HJ-1A/B星的C⑶數據的輔助數據文件中獲取成像日期；S3. 2 :根據S3. I中的成像日期，從SI中的地表反射率數據庫中選擇最接近C⑶數據成像日期的地表反射率數據；S3. 3 :將環境一號HJ-1A/B星CXD數據的第3波段和4波段表觀反射率數據分別與S3. 2中成像日期內的地表反射率數據的第I波段和2波段地表反射率數據做差，若CXD數據中像元所對應的這兩個差值至少有一個大于O. 2，則該像元被判定為云像元，賦值為1，其余無云像元賦值為O，生成第一層云掩膜。更好地，在S4中，若環境一號HJ-1A/B星CXD數據中像元的第3波段表觀反射率值大于O. 22，則該像元被判定為云像元，賦值為I，其余無云像元賦值為0，生成第二層云掩本文檔來自技高網...

【技術保護點】
一種環境一號HJ？1A/B星CCD數據的云檢測方法，其特征在于，包括如下步驟：S1：利用MOD09Q1數據建立地表反射率數據庫；S2：對環境一號HJ？1A/B星的CCD數據進行輻射定標的預處理，獲取CCD數據各波段數據的表觀反射率；S3：將S2中環境一號HJ？1A/B星的CCD數據各波段數據的表觀反射率數據與從S1中地表反射率數據庫中選取成像日期內的地表反射率數據進行比較進行云像元識別，并生成第一層云掩膜；S4：利用環境一號HJ？1A/B星的CCD數據的第3波段的表觀反射率數據值域范圍進行云像元識別，并生成第二層云掩膜；S5：利用環境一號HJ？1A/B星的CCD數據的第4波段與第3波段表觀反射率數據比值的值域范圍進行云像元識別，并生成第三層云掩膜；S6：根據步驟S3？S5的云像元識別結果，得到環境一號HJ？1A/B星的CCD數據云掩膜。

【技術特征摘要】

【專利技術屬性】
技術研發人員：王橋，陳良富，
申請(專利權)人：環境保護部衛星環境應用中心，中國科學院遙感應用研究所，
類型：發明
國別省市：