基于深度学习的FY3D/MERSI和EOS/MODIS云检测模型研究

针对FY3D/MERSI和EOS/MODIS的云检测问题,提出了一种基于深度学习技术的全自动云检测算法,首次将深度学习引入到卫星影像云检测领域。本算法使用深度全卷积神经网络(Deep Convolutional Neural Networks)作为核心结构,基于EOS/MODIS基本云检测原理选择合适的通道作为特性向量参数,针对不同的场景进行分类和网络模型的训练,最终得到基于深度学习的云检测模型。经过EOS/MODIS数据和FY3D/MERSI数据的测试,云检测的精度达到98%以上,可以看出基于深度学习的云检测算法能够用于云检测,该算法具有效率高、精度高等特点,云检测效果理想。     

用三通道合成彩色图像进行云的分类解释判读

为更好地利用FY-3A气象卫星上中分辨率光谱成像仪(MERSI)资料高空间分辨率及多光谱的优势,细致分析云系在宏、微观方面的多重特征,首先利用平面平行辐射传输模式(SBDART)证明了MERSI的0.65,1.6 μm和11.25 μm通道能够分别反映云光学厚度、云粒子大小、云顶高度的信息,然后采用三通道合成彩色图像的...     

不同季节下FY-3B/MERSI数据大气校正前后对比

应用FLAASH模型对FY-3B/MERSI数据进行大气校正,并从大气校正前后反射率变化、NDVI和EVI变化及其与MODIS地表反射率产品比较等4方面对校正效果进行讨论分析,以期提供一种行之有效的FY-3B/MERSI数据大气校正方法。结果表明:(1)校正后削弱了大气分子与气溶胶在可见光波段的散射影响,且各通道反射率区间变宽;(2)除红光波段外,可见光其余波段各通道大气校正后的反射率均有所减小,且秋、冬季比春、夏季影像反射率减小幅度更大;对于近红外波段,除秋、冬季第16通道外,大气校正后的反射率均有所增加;(3)与MODIS地表反射率产品相比较,FY-3B/MERSI校正后的反射率与MYD09GA产品的误差均小于校正前,校正后的植被和居民地2种地物的反射率比校正前更具有较好的一致性;(4)校正后,植被与居民地的NDVI和EVI均有所增大,且NDVI较EVI增加的幅度大,同时校正前后两者的NDVI、EVI差值均增大,表明FY-3B/MERSI影像经大气校正后更有利于植被与非植被信息的区分。     

用三通道合成彩色图像进行云的分类解释判读

为更好地利用FY-3A气象卫星上中分辨率光谱成像仪(MERSI)资料高空间分辨率及多光谱的优势,细致分析云系在宏、微观方面的多重特征,首先利用平面平行辐射传输模式(SBDART)证明了MERSI的0.65,1.6 μm和11.25 μm通道能够分别反映云光学厚度、云粒子大小、云顶高度的信息,然后采用三通道合成彩色图像的方法,对FY-3A气象卫星云图进行云的分类解释判读.该技术可直观区分有云区、无云区,显示海陆分界,并且使不同云类在云图上体现为不同颜色.同时,FY-3A气象卫星高达1000 m甚至250m的空间分辨率也使云的细致结构更为清晰,两项优势的叠加,大大提升了云的分类解释判读的准确程度和精细化水平.文中还尝试寻找典型云系的三通道特征值,以期为模糊C均值聚类(FCM)方法中聚类中心的选定提供经验值参考.     

FY-3A/MERSI海色产品的真实性检验

FY-3A/MERSI是我国自主研发的第二代极轨气象卫星FY-3A搭载的中分辨率光谱成像仪,其海洋水色产品可为全球海洋生态环境的研究提供基础资料。以美国东北部海域为研究区,利用NASA海洋生物学处理小组(OBPG)海洋生物光学数据库(SeaBASS)的现场观测资料,以及TERRA/MODIS海洋水色产品数据,分别对FY-3A/MERSI海色产品的遥感反射率、色素浓度和有色可溶性有机物(CDOM)443 nm吸收系数进行了真实性检验。结果表明:MERSI 443~685 nm 6个通道的遥感反射率总体偏高、精度较低,叶绿素-a浓度与现场实测值和MODIS叶绿素-a浓度相比精度较低,总色素浓度与现场实测值相比精度也很低,而CDOM产品的精度稍好。要提高MERSI海色产品的精度,首先要加强图像大气校正的研究,在此基础上,进一步开展各要素遥感反演算法的研究。     

基于深度语义分割的FY-2E遥感影像云检测方法

本文提出了一种基于深度语义分割技术的全自动云检测算法,可提高FY-2E遥感影像的云检测精度。首先,将FY-2EL1数据与精度较高的云检测结果进行匹配,获得用于训练和评估样本的数据集;其次,设计了深度语义分割网络,并针对训练集中正负样本严重失衡的问题,改进了损失函数,可以有效提取云的边界;最后,分别以FY-2E和MODIS数据作为训练和标签样本训练网络,得到了可用于FY-2EL1影像检测的四分类模型。试验结果表明,在四分类检测中,所提方法的准确率达到了75%,Kappa系数为0.53左右。与现有多通道阈值法相比,采用所提方法进行二分类检测可提高约90%样本的准确率,部分样本的准确率提升20%以上。此外,所提方法对云边缘、破碎云等细节识别能力较强,且具有一定的鲁棒性,受训练样本中的误判类别影响较小。未来通过扩充数据集并优化网络,可提高FY-2全圆盘影像的数据质量。     

基于FY-3A/MERSI数据的青海海北地区大气水汽含量反演

基于FY-3A/MERSI传感器的波段特征,取近红外波段中的水汽吸收波段和大气窗口波段,结合2011年5月16日青海省海北州地区MERSI影像,采用两通道比值法和三通道比值法分别获得15、17、18近红外通道大气水汽值,然后对两通道比值法和三通道比值法计算的三个近红外通道大气水汽值取加权平均,分别得到该地区加权平均大气水汽含量并与探空数据大气可降水量来比较分析,验证三通道比值法优于二通道比值法的可行性。     

FY 3A三个通道资料反演水云有效粒子半径的研究

基于水汽吸收波段云的反射率主要依赖于云粒子大小的原理,利用SBDART辐射传输模式和FY-3A极轨气象卫星可见光红外扫描辐射计(VIRR)的通道3(3.7μm)、中分辨率光谱成像仪(MERSI)的通道6(1.64μm)和通道7(2.13μm)所提供的探测数据进行了水云有效粒子半径的反演和比较。发现,1.64、2.13和3.7μm三个通道均能定最反演有效粒子半径的大小,其中1.64和2.13μm通道对大粒子的敏感性较高,3.7μm通道在光学厚度较小时敏感性好。三个通道的有效粒子半径反演产品与MODIS有效粒子半径产品具有较好的相关性。     

MODIS图像的薄云透明云检测

基于云与土壤、植被、冰雪、水体等目标的光谱差异,本文结合MODIS影像的波段范围,提出了一种对不同下垫面通用的多光谱云检测算法。同时,本文还加入了大气可降水量指标,用以对基本云区进一步检测,最终实现薄云、透明云的检测。试验证明:通过水汽反演结果的不同,薄云、透明云能够被有效检测。     

利用FY-3A近红外资料反演水汽总量

该文介绍了利用搭载在FY-3A卫星上的中分辨率光谱成像仪 (MERSI) 的近红外 (NIR) 通道反演大气水汽总量 (PWV) 的方法。根据预先建立的查找表,大气水汽总量可以通过水汽通道与窗区通道的卫星测值相比反演得到。对MERSI近红外水汽通道灵敏度进行估算,结果表明:处于吸收带两翼的905 nm和980 nm通道对不同水汽量的敏感性表现比较接近,对较大水汽含量最为敏感;当水汽较弱时,强吸收的940 nm通道非常敏感。基于这3个通道对水汽含量敏感性的不同表现,采用3个通道水汽总量的加权平均值作为PWV产品的最终反演值。文中设计了水汽总量业务算法反演流程,并基于FY-3A/MERSI最新观测资料进行晴空大气水汽总量的业务处理生成试验,顺利生成MERSI单轨道水汽总量产品及日拼图中国区域产品和全球产品,同时生成多天合成产品,产品反映出MERSI具有较好的近红外水汽探测能力。将卫星反演结果与探空数据进行初步比对检验,显示卫星反演值有20%~30%系统性偏低,需要进一步改进反演查找表。