Landsat 8劈窗算法精度评价及适用性分析

针对Landsat 8数据的两种地表温度反演算法:Jiménez-Mu(n)oz(JM)和Offer Rozenstein(OR)劈窗算法,利用辐射传输模型模拟分析算法的绝对精度以及平均绝对精度随参数的变化关系.基于误差传递理论,分析对比两种算法的总精度,在此基础上评价两种算法的适用条件.结果表明:(1)JM算法高估地表温度,水汽含量较高时,算法总体精度较高;(2)OR算法低估地表温度,水汽含量较低时,算法总体精度高于JM算法.因此建议,水汽含量较低时使用OR算法,水汽含量较高时使用JM算法.     

统一样本云检测技术在GF-6 WFV上的改进与应用

目前基于深度学习的云检测方法,受训练样本限制,算法难以推广及应用。为了快速实现针对多种传感器的高精度的云检测,Sun等（2020）提出统一样本云检测方法。基于AVIRIS高光谱样本库模拟出待检测传感器的云和晴空地表像元,将模拟得到的多光谱样本数据输入到BP神经网络中进行逐像元分类,生成云检测模型,实现Landsat 8 OLI等宽光谱传感器较高精度的云检测。该方法基于统一样本模拟出不同传感器的样本像元库,适用于多种传感器的云检测。由于Landsat 8 OLI波段较多,波谱范围覆盖宽,容易实现云的高精度识别。为了进一步提高其在光谱范围较窄的GF-6 WFV数据上的云检测应用精度,在模拟出的样本库中加入GF-6 WFV数据典型高亮地表像元。通过目视解译对云检测结果进行精度验证,结果表明,该算法利用可见光和近红外通道的遥感数据可以高精度的识别出植被、水体、建筑、裸地等地表类型上空的厚云、碎云和薄云。改进后的云检测算法,云像元平均正确率达到88.40%,在高亮地表上空云像元正确率达到87.40%,在不同地表类型上空的云像元平均正确率为92.60%。结果表明,加入高反射率地物的算法可以利用有限波段实现云和地表的高精度分离。