【摘要】:衛(wèi)星遙感技術(shù)憑借其范圍廣、周期短、信息量大、成本低等突出優(yōu)勢(shì),已被廣泛應(yīng)用于森林?jǐn)_動(dòng)、地表水動(dòng)態(tài)監(jiān)測(cè)、城市擴(kuò)展、耕地保護(hù)等不同領(lǐng)域,而多光譜遙感衛(wèi)星數(shù)據(jù)兼具較高的空間分辨率、較高的時(shí)間分辨率、多光譜信息等特點(diǎn),技術(shù)最成熟且應(yīng)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(shù)據(jù)(10至30 m)更是免費(fèi)開放,第一次使得全球范圍內(nèi)中高空間分辨率時(shí)間序列應(yīng)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(yīng)用的首要因素。歷史上大部分遙感應(yīng)用僅使用一景或幾景無云晴空影像,可簡(jiǎn)單地通過人工目視解譯方式或簡(jiǎn)單計(jì)算機(jī)分類處理。然而,面對(duì)當(dāng)前全球范圍大量數(shù)據(jù)的處理需求,目視解譯方法已不再可行,而傳統(tǒng)計(jì)算機(jī)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(duì)當(dāng)前云及云陰影自動(dòng)檢測(cè)算法存在的易受復(fù)雜地形影響、光譜信息有限、薄云檢測(cè)困難等問題,重點(diǎn)研究并提出了三種更精準(zhǔn)的云及云陰影檢測(cè)算法。首先,本文以當(dāng)前精度最高的Landsat影像云及云陰影自動(dòng)檢測(cè)算法Fmask(Function of mask)(3.3版本)為基礎(chǔ),集成數(shù)字高程模型(Digital Elevation Model,DEM)數(shù)據(jù),提出了適用于地形復(fù)雜區(qū)域的MFmask(Mountainous Fmask)算法,克服了復(fù)雜地形對(duì)云及云陰影檢測(cè)的干擾。云檢測(cè)過程通常需要提前分辨陸地和水體,然而,在復(fù)雜地形區(qū)域,水體和地形陰影因?yàn)楣庾V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(cè)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(shù)據(jù)構(gòu)建了“高程-溫度”線性遞減率模型,降低了高程變化對(duì)熱紅外波段的影響。另外,為克服復(fù)雜地形對(duì)云陰影檢測(cè)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(duì)云陰影造成的形變;同時(shí),MFmask算法使用了一個(gè)半經(jīng)驗(yàn)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(gè)新的云層高度值,二者可使云陰影位置的確定更精準(zhǔn)。最后,通過全球不同范圍的復(fù)雜地形樣本數(shù)據(jù)驗(yàn)證表明,MFmask能更精準(zhǔn)地檢測(cè)復(fù)雜地形區(qū)域云及云陰影。其次,本文進(jìn)一步針對(duì)原始Fmask 3.3算法對(duì)地表真實(shí)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(shù)據(jù)為例,進(jìn)行了更為全面的升級(jí)改進(jìn),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(shù)據(jù)(Global Surface Water Occurrence,GSWO),彌補(bǔ)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(shí)也集成了全球DEM數(shù)據(jù)降低了高程變化對(duì)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(biāo),整體重新構(gòu)建了云概率計(jì)算模型,更新了全球最優(yōu)化閾值,彌補(bǔ)了針對(duì)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(duì)云陰影檢測(cè),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(shù)據(jù),與原始Fmask 3.3算法相比,Fmask 4.0算法針對(duì)不同傳感器多光譜衛(wèi)星影像的云和云陰影檢測(cè)精度均得到了顯著提升。最后,本文針對(duì)薄云難以精準(zhǔn)檢測(cè)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(shí)間序列觀測(cè)數(shù)據(jù),突破當(dāng)前常見固定閾值方法局限,綜合考慮水汽含量時(shí)空變化規(guī)則,提出了TCmask(multiTemporal Cirrus mask)薄云檢測(cè)算法。TCmask算法構(gòu)建了一個(gè)耦合水汽參數(shù)的時(shí)間序列周期模型,可預(yù)測(cè)非高空薄云觀測(cè)時(shí)的卷云波段大氣頂層表觀反射率值,并與真實(shí)觀測(cè)值進(jìn)行差值對(duì)比進(jìn)行薄云檢測(cè)。TCmask算法設(shè)計(jì)過程中,采用CCDC(Continuous Change Detection and Classification)算法同步預(yù)測(cè)了晴空狀態(tài)下對(duì)應(yīng)常用波段的地表反射率值,并基于全球樣本數(shù)據(jù)集,定量分析統(tǒng)計(jì)了卷云波段大氣頂層表觀反射率變化對(duì)常用光譜波段地表反射率變化的影響,以時(shí)間序列角度定義薄云。實(shí)驗(yàn)結(jié)果表明,TCmask算法適用于全球不同區(qū)域的薄云檢測(cè),能彌補(bǔ)常見云及云陰影檢測(cè)算法(如Fmask)難以精準(zhǔn)檢測(cè)薄云的不足。以上三種算法能提供更精準(zhǔn)的Landsats 4-8和Sentinel-2影像云及云陰影檢測(cè)結(jié)果,更為多光譜衛(wèi)星遙感影像云及云陰影檢測(cè)算法的設(shè)計(jì)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(shù)憑借其范圍廣、周期短、信息量大、成本低等突出優(yōu)勢(shì),已被廣泛應(yīng)用于森林?jǐn)_動(dòng)、地表水動(dòng)態(tài)監(jiān)測(cè)、城市擴(kuò)展、耕地保護(hù)等不同領(lǐng)域[1 10]。目前,多光譜衛(wèi)星遙感發(fā)展相對(duì)成熟且應(yīng)用領(lǐng)域和規(guī)模最廣[11],多光譜遙感儀器更是不斷更新?lián)Q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(shí)間分辨率、不同空間分辨率、不同光譜分辨率的光學(xué)遙感影像,詳細(xì)記錄著地表時(shí)空動(dòng)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(huì)提高反射率,而云陰影會(huì)降低反射率),降低其數(shù)據(jù)質(zhì)量。云及云陰影檢測(cè)已成為多光譜衛(wèi)星遙感影像預(yù)處理的首要前提[24 32]。如圖 1-1 所示,本文統(tǒng)計(jì)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(dá) 41.59%,且空間分布不竟相同。該統(tǒng)計(jì)表明近一半的多光譜衛(wèi)星遙感觀測(cè)數(shù)據(jù)都會(huì)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(wǎng)對(duì)地連續(xù)觀測(cè)(時(shí)間分辨率可達(dá) 2-5 天數(shù)據(jù)也免費(fèi)向公眾開放[55,56]。Landsat 和 Sentinel-2 數(shù)據(jù)已經(jīng)成為當(dāng)前遙術(shù)最成熟且應(yīng)用最廣泛的多光譜衛(wèi)星遙感數(shù)據(jù),,奠定了中高空間分辨率星遙感影像時(shí)間序列應(yīng)用基礎(chǔ)與技術(shù)前沿[56 63]。如圖 1-2 所示,本文統(tǒng)計(jì)sat 數(shù)據(jù)為代表的多光譜衛(wèi)星遙感影像數(shù)據(jù)下載量以及其相關(guān)學(xué)術(shù)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(jīng)且正在急劇增加,其序列應(yīng)用趨勢(shì)明顯。然而,云及云陰影仍是影響 Landsat 和 Sentinel-2 數(shù)首要因素[24,28,32,64,65]。例如,云和云陰影會(huì)降低地表生態(tài)參數(shù)的反演精度[6多源數(shù)據(jù)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(cè)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(shí)耗力,簡(jiǎn)分類能節(jié)約時(shí)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(shù)據(jù)。因此,研究 Landsat 和 Sentinel-2 中高率多光譜衛(wèi)星遙感影像(下文簡(jiǎn)稱為“遙感影像”)更精準(zhǔn)的云及云陰影測(cè)算法至關(guān)重要。
【學(xué)位授予單位】:電子科技大學(xué)
【學(xué)位級(jí)別】:博士
【學(xué)位授予年份】:2018
【分類號(hào)】:TP751
【參考文獻(xiàn)】
相關(guān)期刊論文 前9條
1 王利民;劉佳;楊福剛;富長(zhǎng)虹;滕飛;高建孟;;基于GF-1衛(wèi)星遙感的冬小麥面積早期識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2015年11期
2 東方星;;我國(guó)高分衛(wèi)星與應(yīng)用簡(jiǎn)析[J];衛(wèi)星應(yīng)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(hào)衛(wèi)星環(huán)境遙感監(jiān)測(cè)應(yīng)用示范研究[J];衛(wèi)星應(yīng)用;2015年03期
4 胡根生;陳長(zhǎng)春;梁棟;;聯(lián)合云量自動(dòng)評(píng)估和加權(quán)支持向量機(jī)的Landsat圖像云檢測(cè)[J];測(cè)繪學(xué)報(bào);2014年08期
5 柳丹;張武;陳艷;顏嬌瓏;;基于衛(wèi)星遙感的中國(guó)西北地區(qū)沙塵天氣發(fā)生機(jī)理及傳輸路徑分析[J];中國(guó)沙漠;2014年06期
6 萬瑋;肖鵬峰;馮學(xué)智;李暉;馬榮華;段洪濤;趙利民;;衛(wèi)星遙感監(jiān)測(cè)近30年來青藏高原湖泊變化[J];科學(xué)通報(bào);2014年08期
7 李德仁;王密;胡芬;;利用我國(guó)高分辨率衛(wèi)星影像監(jiān)測(cè)北京市違章建筑[J];科學(xué)通報(bào);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(shù)據(jù)云檢測(cè)研究[J];國(guó)土資源遙感;2006年03期
9 宋小寧,趙英時(shí);MODIS圖象的云檢測(cè)及分析[J];中國(guó)圖象圖形學(xué)報(bào);2003年09期
本文編號(hào):
2611554
本文鏈接:http://www.wukwdryxk.cn/kejilunwen/zidonghuakongzhilunwen/2611554.html