發(fā)布時間：2020-04-02 05:54

【摘要】：衛(wèi)星遙感技術憑借其范圍廣、周期短、信息量大、成本低等突出優(yōu)勢,已被廣泛應用于森林擾動、地表水動態(tài)監(jiān)測、城市擴展、耕地保護等不同領域,而多光譜遙感衛(wèi)星數據兼具較高的空間分辨率、較高的時間分辨率、多光譜信息等特點,技術最成熟且應用規(guī)模最廣。以Landsats 4-8(4,5,7和8)和Sentinel-2(2A and2B)為代表的中空間分辨率多光譜衛(wèi)星數據(10至30 m)更是免費開放,第一次使得全球范圍內中高空間分辨率時間序列應用成為可能。然而,云和云陰影一直以來都是干擾多光譜衛(wèi)星遙感影像應用的首要因素。歷史上大部分遙感應用僅使用一景或幾景無云晴空影像,可簡單地通過人工目視解譯方式或簡單計算機分類處理。然而,面對當前全球范圍大量數據的處理需求,目視解譯方法已不再可行,而傳統(tǒng)計算機分類方式精度也不高。因此,本文以Landsats 4-8和Sentinel-2多光譜衛(wèi)星遙感影像為例,針對當前云及云陰影自動檢測算法存在的易受復雜地形影響、光譜信息有限、薄云檢測困難等問題,重點研究并提出了三種更精準的云及云陰影檢測算法。首先,本文以當前精度最高的Landsat影像云及云陰影自動檢測算法Fmask(Function of mask)(3.3版本)為基礎,集成數字高程模型(Digital Elevation Model,DEM)數據,提出了適用于地形復雜區(qū)域的MFmask(Mountainous Fmask)算法,克服了復雜地形對云及云陰影檢測的干擾。云檢測過程通常需要提前分辨陸地和水體,然而,在復雜地形區(qū)域,水體和地形陰影因為光譜相似而極易混淆。為此,MFmask算法利用地形坡度閾值降低了水體與地形陰影的混淆誤差,提高了陸地和水體的區(qū)分精度;熱紅外(Thermal)波段常被用于云檢測且具有十分重要的作用,但卻容易受到高程變化影響。與Fmask 3.3算法不同,MFmask算法基于DEM數據構建了“高程-溫度”線性遞減率模型,降低了高程變化對熱紅外波段的影響。另外,為克服復雜地形對云陰影檢測的干擾。MFmask算法首先使用了一種二次投影方法,將云陰影投影至地表水平面后再二次投影至DEM高程面,校正了地形斜坡對云陰影造成的形變;同時,MFmask算法使用了一個半經驗地形校正方法移除地形陰影,并利用鄰域云層高度估算了一個新的云層高度值,二者可使云陰影位置的確定更精準。最后,通過全球不同范圍的復雜地形樣本數據驗證表明,MFmask能更精準地檢測復雜地形區(qū)域云及云陰影。其次,本文進一步針對原始Fmask 3.3算法對地表真實情況了解不足、光譜信息挖掘有限、易與亮地表混合等問題,以Landsats 4-8和Sentinel-2多光譜衛(wèi)星遙感影像數據為例,進行了更為全面的升級改進,提出了新的Fmask 4.0算法。Fmask4.0算法通過集成全球陸地/水體數據(Global Surface Water Occurrence,GSWO),彌補了原始Fmask 3.3算法由于光譜波段無法穿透云層而不可精確區(qū)分陸地和水體的缺陷,同時也集成了全球DEM數據降低了高程變化對卷云波段的影響,繼承MFmask算法緩解了熱紅外波段易受高程變化的影響。其次,Fmask 4.0算法提出了新的云概率指標,整體重新構建了云概率計算模型,更新了全球最優(yōu)化閾值,彌補了針對不同傳感器光譜信息使用不全面的問題。最后,Fmask 4.0算法提出了一種耦合光譜、空間維度信息的新思路,降低了云和亮地表混淆誤差。針對云陰影檢測,Fmask 4.0算法則直接繼承了MFmask算法過程。依托全球云和云陰影樣本數據,與原始Fmask 3.3算法相比,Fmask 4.0算法針對不同傳感器多光譜衛(wèi)星影像的云和云陰影檢測精度均得到了顯著提升。最后,本文針對薄云難以精準檢測難題,使用Landsat 8衛(wèi)星新搭載的卷云波段(即水汽吸收波段)連續(xù)時間序列觀測數據,突破當前常見固定閾值方法局限,綜合考慮水汽含量時空變化規(guī)則,提出了TCmask(multiTemporal Cirrus mask)薄云檢測算法。TCmask算法構建了一個耦合水汽參數的時間序列周期模型,可預測非高空薄云觀測時的卷云波段大氣頂層表觀反射率值,并與真實觀測值進行差值對比進行薄云檢測。TCmask算法設計過程中,采用CCDC(Continuous Change Detection and Classification)算法同步預測了晴空狀態(tài)下對應常用波段的地表反射率值,并基于全球樣本數據集,定量分析統(tǒng)計了卷云波段大氣頂層表觀反射率變化對常用光譜波段地表反射率變化的影響,以時間序列角度定義薄云。實驗結果表明,TCmask算法適用于全球不同區(qū)域的薄云檢測,能彌補常見云及云陰影檢測算法(如Fmask)難以精準檢測薄云的不足。以上三種算法能提供更精準的Landsats 4-8和Sentinel-2影像云及云陰影檢測結果,更為多光譜衛(wèi)星遙感影像云及云陰影檢測算法的設計提供了新的思路及參考。
【圖文】：

1.1 研究背景與意義衛(wèi)星遙感（Satellite remote sensing）技術憑借其范圍廣、周期短、信息量大、成本低等突出優(yōu)勢，已被廣泛應用于森林擾動、地表水動態(tài)監(jiān)測、城市擴展、耕地保護等不同領域[1 10]。目前，多光譜衛(wèi)星遙感發(fā)展相對成熟且應用領域和規(guī)模最廣[11]，多光譜遙感儀器更是不斷更新換代，例如 AVHRR（Advanced Very HighResolution Radiometer）、MODIS（Moderate Resolution Imaging spectroradiometer）、Landsat、Sentinel-2、HJ（Huan Jing）、GF（Gao Fen）等，能提供不同時間分辨率、不同空間分辨率、不同光譜分辨率的光學遙感影像，詳細記錄著地表時空動態(tài)變化過程[12 23]。然而，任何星載多光譜遙感影像均易受到云及云陰影干擾（一般而言，云會提高反射率，而云陰影會降低反射率），降低其數據質量。云及云陰影檢測已成為多光譜衛(wèi)星遙感影像預處理的首要前提[24 32]。如圖 1-1 所示，本文統(tǒng)計了 2013至 2017 年全球共 966,708 景 Landsat 8 影像云覆蓋率，地球陸地平均云覆蓋量總體高達 41.59%，且空間分布不竟相同。該統(tǒng)計表明近一半的多光譜衛(wèi)星遙感觀測數據都會受到云及云陰影的影響。

與 Landsat 衛(wèi)星傳感器相似的 Sentinel-2A 和 Sentinel-2B 衛(wèi)星（以下統(tǒng)ntinel-2”），可與 Landsat 衛(wèi)星組網對地連續(xù)觀測（時間分辨率可達 2-5 天數據也免費向公眾開放[55,56]。Landsat 和 Sentinel-2 數據已經成為當前遙術最成熟且應用最廣泛的多光譜衛(wèi)星遙感數據，，奠定了中高空間分辨率星遙感影像時間序列應用基礎與技術前沿[56 63]。如圖 1-2 所示，本文統(tǒng)計sat 數據為代表的多光譜衛(wèi)星遙感影像數據下載量以及其相關學術研究論明中高空間分辨率多光譜衛(wèi)星遙感影像需求量已經且正在急劇增加，其序列應用趨勢明顯。然而，云及云陰影仍是影響 Landsat 和 Sentinel-2 數首要因素[24,28,32,64,65]。例如，云和云陰影會降低地表生態(tài)參數的反演精度[6多源數據的融合[68,69]，增加地表分類的不確定性[70,71]，干擾地表變化監(jiān)測等。盡管傳統(tǒng)人工目視解譯云及云陰影的方式精度較高，卻耗時耗力，簡分類能節(jié)約時間但精度較低，二者已不再適用于高精度處理如此大量的分辨率多光譜衛(wèi)星遙感影像數據。因此，研究 Landsat 和 Sentinel-2 中高率多光譜衛(wèi)星遙感影像（下文簡稱為“遙感影像”）更精準的云及云陰影測算法至關重要。
【學位授予單位】：電子科技大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：TP751

【參考文獻】

相關期刊論文 前9條

1 王利民;劉佳;楊福剛;富長虹;滕飛;高建孟;;基于GF-1衛(wèi)星遙感的冬小麥面積早期識別[J];農業(yè)工程學報;2015年11期

2 東方星;;我國高分衛(wèi)星與應用簡析[J];衛(wèi)星應用;2015年03期

3 趙少華;王橋;楊一鵬;朱利;王中挺;江東;;高分一號衛(wèi)星環(huán)境遙感監(jiān)測應用示范研究[J];衛(wèi)星應用;2015年03期

4 胡根生;陳長春;梁棟;;聯合云量自動評估和加權支持向量機的Landsat圖像云檢測[J];測繪學報;2014年08期

5 柳丹;張武;陳艷;顏嬌瓏;;基于衛(wèi)星遙感的中國西北地區(qū)沙塵天氣發(fā)生機理及傳輸路徑分析[J];中國沙漠;2014年06期

6 萬瑋;肖鵬峰;馮學智;李暉;馬榮華;段洪濤;趙利民;;衛(wèi)星遙感監(jiān)測近30年來青藏高原湖泊變化[J];科學通報;2014年08期

7 李德仁;王密;胡芬;;利用我國高分辨率衛(wèi)星影像監(jiān)測北京市違章建筑[J];科學通報;2009年03期

8 何全軍;曹靜;黃江;吳志軍;;基于多光譜綜合的MODIS數據云檢測研究[J];國土資源遙感;2006年03期

9 宋小寧,趙英時;MODIS圖象的云檢測及分析[J];中國圖象圖形學報;2003年09期

本文編號：2611554