融合光谱阈值与图像技术的静止卫星夜间云检测方法

针对夜间云检测问题,本文基于静止气象卫星Himawari-8影像数据,分析了云像元光谱特征与图像特征,提出了融合光谱阈值与图像技术的静止卫星夜间云检测方法,实现了静止卫星夜间云的快速、准确检测。利用MODIS云产品和CALIPSO雷达数据,对云检测结果进行定性分析与定量验证。结果表明：(1)云检测结果与MODIS的云产品MYD06分布基本一致;(2)算法夜间平均云检测精度达到80.3%;(3)不同季节夜间的云检测精度随季节变化较明显,夏季最高达到83.3%,可以区分不同季节夜间的云与非云区域。因此,融合光谱阈值与图像技术的静止卫星夜间云检测方法能有效实现夜间云检测,为夜间云检测应用提供了新思路。     

遥感数据驱动的电力污秽等级XGBOOST预测模型

输电线路绝缘子积污是电网安全运行的重要威胁之一。传统的电力污秽等级评估依靠人工作业,存在效率低、准确性不足等问题。遥感和人工智能技术的发展为改进电力污秽等级预测模型提供了新的契机。本研究搜集了夜间灯光遥感数据、大气环境遥感监测数据、NDVI和污染源排放清单等多源异构数据,开发了一种基于XGBOOST算法的电力污秽等级预测模型,用于实现大范围、细粒度的电力系统污区图绘制。实验结果表明,该方法在测试集上取得了87%的总体精度,对于电力系统关注的重污染区域预测精度在82%以上。模型所需的数据源可以通过公开渠道免费获得,因此该方法将为今后电力系统低成本、高效、准确的绘制电力污区图提供重要支撑。