结合辐射传输模拟与浅层神经网络的FY-3D MERSI影像云识别

本文结合辐射传输模型和机器学习提出了一种从FY-3D卫星MERSIⅡ传感器光学影像中识别云像元的方法 CRMC (Combine Reflectance simulation and Machine learning for Cloud detection)。该方法通过设置变化的地物和大气内在光学特性IOPs (Inherent Optical Properties),达到考虑多种下垫面的二项反射特征和不同大气条件下气溶胶和云参数的目的。CRMC方法主要包含3个步骤：（1）通过聚类分析从MODIS二项反射参数产品中分离出11种典型下垫面地表反射参数;（2）将随机设置的气溶胶和云参数以及地表反射率参数（即IOPs）输入SBDART辐射传输模型,得到模拟的反射率值数据集,并以此训练浅层神经网络模型;（3）利用浅层神经网络模型逐像元预测云概率,并根据实际需要确定区分云像元和非云像元的云概率阈值。通过与CALIPSO垂直特性掩膜产品（VFM）逐像元对比验证发现,CRMC方法总正确率为79.6%,且在陆地和海面上分别为78.5%和81.2%。通过与MODIS云掩膜产品横向对比（MYD35）发现,...     

FY-3D/MERSI-II全球火点监测产品及其应用

FY-3D/MERSI-II全球火点监测产品主要包括全球范围内的火点位置、亚像元火点面积和火点强度等信息,可用于实时监测全球范围的森林草原火灾、秸秆焚烧等生物质燃烧状况。火点判识算法主要根据中红外通道对高温热源的敏感特性,即含有火点的中红外通道像元辐亮度和亮温较远红外通道的辐亮度和亮温偏高,同时较周边非火点的中红外像元偏高,建立合适的阈值可探测含有火点的像元。亚像元火点面积估算主要使用中红外单通道估算,根据亚像元火点面积估算结果对火点强度进行分级,不同的级别表示不同程度的火点辐射强度。基于全球火点自动判识结果,每日生成0.01°分辨率的卫星遥感日全球火点产品,每月生产0.25°×0.25°格点的全球月火点密度图。在利用FY-3D/MERSI-II火点产品开展的全球火点监测应用中,对多起全球重大野火事件进行了监测,为防灾减灾、全球气候变化研究、生态环境保护等方面提供卫星遥感信息支持。