MODIS数据的云检测处理

结合MODIS数据的通道特性,分析了云在不同波谱范围的光谱特性,提出了一种基于多光谱综合阈值法的简便新方法.该云检测算法从可见光反射率、热红外亮温出发,逐步建立云检测模板,实现分离云和晴空,通过对不同下垫面类型数据进行云检测检验,结果表明,该算法对中低纬度地区云检测处理有显著效果,尤其能够检测出可见光波段难以识别的薄卷云.该法可使遥感数据特别是MODIS数据在云检测领域的应用提高一个层次,进而提出的云区数据修补方法,使数据反演应用的精度提高更为显著.     

MODIS数据的云检测处理

结合MODIS数据的通道特性,分析了云在不同波谱范围的光谱特性,提出了一种基于多光谱综合阈值法的简便新方法.该云检测算法从可见光反射率、热红外亮温出发,逐步建立云检测模板,实现分离云和晴空,通过对不同下垫面类型数据进行云检测检验,结果表明,该算法对中低纬度地区云检测处理有显著效果,尤其能够检测出可见光波段难以识别的薄卷云.该法可使遥感数据特别是MODIS数据在云检测领域的应用提高一个层次,进而提出的云区数据修补方法,使数据反演应用的精度提高更为显著.     

基于人工神经网络的云自动检测算法

为实现卫星观测数据的高效云自动检测技术,提出了基于人工神经网络的云检测方法,并针对中分辨率成像光谱仪（MODIS）的观测数据建立了BP神经网络模型,给出了算法的应用实例.通过实例分析表明,基于人工神经网络的云检测算法具有良好的时空适应性,检测效果较好,检测速度快,具有业务实用价值.     

支持向量机在云检测中的应用

针对地球观测系统/中分辨率成像光谱仪影像资料中的云检测工作,提出了基于支持向量机SVMs(support vector machines)的遥感影像分类方法.分析了云检测过程中的特征提取和选择,建立了基于支持向量机的遥感影像分类模型,并针对陆地、海洋2种不同的下垫面进行了云检测试验.云检测结果中,云与陆地、水体、积雪准确地区分开来.结果表明,特征选择对云检测起到了积极的作用,同时也证明了支持向量机方法在遥感影像分类中的优势.     

模拟退火优化BP神经网络进行云相态分类

为利用中分辨率成像光谱仪(MODIS)多通道云图数据对云相态进行分类,提出了一种利用云图红外、可见光谱段数据,基于SABP神经网络的云相态分类算法.算法基于BP人工神经网络学习算法及模拟退火算法.在两算法结合的基础上,作出了有益于云相态分类的改进.基准网络模型为3层前馈BP网络,其中,隐层和输出层使用不同的激活函数.选取了5种光谱特征作为网络输入,输出两单元判定结果.为加速收敛速度,避免振荡,采用了一种自适应的变学习系数、惯性系数策略.个例分析表明,算法在中低纬度地区效果良好.     

FY-3A/MERSI与Terra/MODIS地表反射率数据的初步比较

为探究联合MERSI和MODIS多角度观测数据遥感反演地表参数的可行性,本文首先利用MERSI观测几何角度信息(太阳天顶角、卫星天顶角、太阳-卫星相对方位角)对MODIS地表反射率进行各向异性校正,之后选取2010年6-7月期间共24个晴空对比区域,对6组具有良好光谱对应关系的地表通道中的MERSI反射率,以及经过各向...     

基于变分的MODIS 数据条带噪声去除方法

条带噪声是影响MODIS数据影像质量与反演精度的重要因素之一。针对MODIS数据中存在的三类条带噪声,提出了一种去除多类条带噪声的变分方法。该方法针对MODIS数据中条带噪声的类型设计相应的能量项：对于探测器间条带噪声和镜边条带噪声,采用直方图匹配变分项;对于随机噪声条带,采用单向消除项。各能量项通过权重系数组合构成总能量泛函,利用梯度下降流法最小化该泛函并离散数值化求解,从而实现条带噪声的消除。实验结果表明,提出的方法能够有效地去除MODIS数据的多类条带噪声。     

考虑地物时空异质性的云下中分辨率成像光谱仪（MODIS）波段反射率恢复

云是光学遥感影像解译及地表参数定量反演的主要障碍,破坏了遥感产品的时空连续性;而随着遥感技术的推广和应用,大量的遥感参数产品已经被用于各个领域,比如卫生领域的疾病监控、地质灾害领域的滑坡监测以及城市雨洪预警等等;云导致的遥感数据质量下降与各领域对遥感数据质量要求的不断增加构成了不断激化的矛盾。针对这一矛盾,结合当前关于云消除研究的现状;提出了一个具有物理机制的云像元反演算法。该算法在计算过程中考虑了地表在不同入射、观测方向上的二向反射分布函数(BRDF),并引入时空权重因子实现对时空异质性的考虑;这些使该算法能够保证在各种情况下均具有良好的整体精度,从而保证该算法能够胜任定量遥感领域的研究需求。应用该算法,在黑河中游地区展开实验,反演结果与中分辨率成像光谱仪(MODIS)多个波段的数据对比均展现出较好精度。其中,整体均方根误差RMSE达到0.012,整体均方根误差百分比RMSE%为8.8%,整体相关系数平方R~2达到0.98,与对比算法相比较具有极大的提升;这表明该算法理论基础扎实,并具有较好的实用性。     

基于规则的MODIS数据日间云检测与比较分析

针对我国西北地区下垫面光谱特性及MODIS 通道特点, 提出一种基于阈值规则的日间云检测算法, 旨在克服目前云检测工作中普遍存在的分离薄云与高反射率晴空地表、识别体积较小的云体、识别冰雪上空云像元等方面的困难。采用2008年两期Terra星MODIS数据进行云检测试验, 并将这种算法得到的云检测结果与MOD35-2L云掩膜产品进行比较分析。结果表明, 这种算法可有效检测出我 国西北地区日间各种类型的云, 且在此类地区该算法对面积小、形状破碎的云及冰雪上空云像元的检测效果优于 MOD35-2L云掩膜产品。因此, 这种算法适用于干旱,半干旱地区的云检测, 并可应用于MODIS 数据的预处理环节中。     

基MODIS影像对NDVI和EVI的分类研究

从MODIS影像中划出一块无云区域作为研究对象,求出该研究区的NDVI和EVI,运用K-均值分类法分别对2种植被指数进行非监督分类．通过对2种植被指数分类结果进行比较得出：2种植被指数的分类结果在总体上是一致的,但是在局部区域,NDVI对于水体的分辨能力优于EVI,而EVI对植被则有更强的分辨能力．2种植被指数分类结果精度评价总精度为70．00％,Kappa系数为0．585．     

基于MODIS数据的2001-2018年黑龙江省林火时空分布

[目的]黑龙江省是中国重要的林业省份之一,也是受林火危害最严重的地区之一.通过遥感数据获取森林火点信息,充分了解近年来黑龙江省林火发生的时空分布格局,探索林火发生规律.[方法]根据黑龙江省2001—2018年MODIS(分辨率成像光谱仪)遥感图像的MCD64A1火烧迹地产品数据集,提取林火火点信息,结合历史火灾记录资料...     

北京地区夏季中间尺度云团形成的环境特征

使用对比度分析方法对影响北京地区夏季的中间尺度云团形成的环境特征及其与强天气的关系进行详细分析,研究得出６～８月云团发生具有局地强风暴和暴雨的综合环境特征,加深了对中间尺度云团的了解,对改进强天气的预报有参考意义     

基于支持向量机的云相态分析

为了提高云相态的反演精度,结合MODIS多通道的光谱特性,首先提出了分别针对白天和夜间的MODIS云检测方法,得到了较高精度的云检测结果,为云相态反演奠定了基础。然后,依据不同相态云在不同光谱的辐射特性,选取了合适的特征参量,采用支持向量机方法反演云相态,在2009年7月7日的一次大暴雨过程中的云顶粒子相态反演试验中取得了较好结果。结果表明：精确的云检测结果有利于提高云相态反演精度,利用支持向量机的方法反演云相态是可行的,并且反演结果具有较高的精度。     

EOS／MODIS遥感影像云剔除方法

针对不同的云层厚度采用不同的去云方法,弥补了不同去云方法的欠缺;并详细研究了同态滤波法、替补法等在MODIS影像中云的去除效果,提出基于图像融合的方法对无云区数据进行了还原,保证了无云区信息不改变,去云效果明显。     

陆地晴空水汽柱含量的 MODIS 反演方法研究

基于红外辐射传输方程,结合反演水汽的差分吸收技术和传统的通道比值法,利用中心波长均位于940 nm附近的MODIS水汽吸收通道(17通道和18通道)的比值对垂直大气柱水汽总含量进行反演.在地基水汽观测点区域,利用新方法对卫星反演结果与微波辐射计观测数据进行比较并加以修正,修正后的新方法的反演精度和微波辐射计相当,两者相关系数R=88.2%,标准偏差SD=0.29 cm.同时,选择台湾海峡作为研究区域,通过2008年7月24日的近红外MODIS资料,运用新的通道比值法进行水汽含量的反演加以验证,并和MOD07产品进行了比较,两者相关系数R=88.1%,标准偏差SD=0.36 cm.结果表明修正后的新通道比值法的结果比传统的通道比值法精度有一定提高.     

回归预测法在某沿海地区遥感卫星数据云检测中的应用

将遥感卫星数据中的云数据与晴空数据分离出来是卫星资料研究的重要工作。利用MODIS第20通道的亮温数据,通过回归预测法及拉依达法则对某一沿海地区的遥感卫星数据进行云检测。将实验结果与未经处理的云数据进行对比,表明回归预测法对类似地区遥感卫星云数据的检测具有较高的有效性。该方法具有操作简便,处理时间短等优点,适用于类似地区处理大量数据的的场合。