专利名称：基于面向对象和时序影像的白天陆地辐射雾检测方法
技术领域：
本方法属于灾害遥感技术领域，特别是涉及一种新的基于面向对象和时序影像的白天陆地辐射雾遥感检测方法。
背景技术：
基于卫星遥感技术的雾检测方法是利用各种卫星(静止卫星、极轨卫星)的大尺度、高时空分辨率、高光谱分辨率数据进行快速、动态的大雾检测。相对于以前的点状大雾观测，基于卫星遥感技术的雾检测方法有不可比拟的潜在优势，主要表现在检测范围大、数据更新快、检测结果客观、成本低廉等方面，因此卫星遥感技术适用于大雾检测。1974年Gurka利用SMS-I气象卫星可见光波段对辐射雾进行了消散过程分析，发现辐射雾的消散是由外边缘向内进行[1]。巴德等在[2]中利用GEOS卫星的可见光波段对大雾的特征进行了研究，发现雾顶光滑，边缘清晰，经常由于周围地形的限制而不规则，与低层云通常不能分辨，但也发现，雾相对于低层云更容易受到地形特征制约，而且低层云会随着时间推移，会有较大幅度的移动。上述的白天遥感雾检测研究都是以人为定性分析为主，没有形成成熟的雾检测模型，但是为后续的白天雾检测研究提供了大雾的纹理及变化特征。进入21世纪，随着EOS计划的顺利实施，欧洲MSG静止卫星和日本MTSAT静止卫星的顺利升空，中国的风云系列卫星的投入使用，为遥感雾检测研究提供了更优质的数据源。 Bendix等针对MODIS数据，进行了基于辐射传输的分类机制研究，通过对MODIS多个通道进行辐射传输计算，获得雾与其他目标区分的反射率和亮度温度阈值[3]。利用可见光范围波段进行白天雾检测存在太阳高度角变化的问题，以及区分其他高反射率目标(其他云类和冰雪地表)，Germark和Bendix考虑到上述白天利用可见光进行雾检测存在的问题，引入了综合光谱特征和空间特征的雾检测技术，很好的将雾和低层云从其他高反射率目标中区分出来W]。为了更好的区分雾和低层云，需要获取云层的底部高度，Cermak在[5]中基于MSG SEVIRI数据提出一种方法，通过获取云顶高度和云物理厚度来计算云层底部高度， 但是有较高的误报率。Wen在[6]中利用Mreamer辐射传输模型对MODIS数据的第一波段反射率 (0. 62-0. 67 um)和第20波段反射率(3. 66-3. 84 um)进行了模拟，构建了 NDFI (归一化雾指数)，然后对NDFI进行面向对象分割，完成了基于MODIS数据的白天陆地雾检测模型的构建。Jung-Moon等在[7]中利用MTSAT-IR数据、MODIS数据，结合SBDART辐射传输模型，对朝鲜半岛发生的雾层上存在高云的现象进行了研究分析，研究结果显示有高云存在情况下 3.7 um波段与10.8 um波段亮温差和0. 68 um的反射率明显大于没有高云存在的情况，为雾层上存在高云情况下的雾检测提供了新的研究思路。Jung-Rim等人在[8]中利用辐射传输模型，重点模拟3. 7um波段反射率随太阳高度角的变化，结合连续的MTSAT-IR静止卫星数据，建立了黎明和傍晚的遥感雾检测模型，检测结果与地面实测数据有很好的一致性，但是在有卷云覆盖的高纬地区检测结果不理想。
总结以上方法可知，现有的这些方法主要是基于雾的光谱特征进行雾检测，并且数据源以MODIS等极轨卫星为主。但是雾的整个生效过程通常为几个小时且通常发生在凌晨或早上，极轨卫星的时间分辨率和过境时间并不能很好的满足雾检测的实际需要。尽管静止卫星(如日本的MTSAT卫星、中国的FY2系列卫星)的空间分辨率和光谱分辨率不如极轨卫星，但其具有半小时的高时间分辨率，因此针对大范围发生的陆地辐射雾，静止卫星可以很好的满足实际检测需要。但是目前针对静止卫星的雾检测方法还没有引入面向对象的思想，并且其高时间分辨率的特性也未很好的被利用。
背景技术：
引用文献
1.Gurka, J. J, Using satellite data for forecasting fog and stratus dissipation. Conference on Weather Forecasting and Analysis. 5th, St. Louis, Mo, United States, 1974. p. 54-57.
2.巴德MJ.，福布斯GS.，格兰特JR.，卢乃锰，卫星与雷达图像在天气预报中的应用.北京.科学出版社.1998.
3.Bendixj J.， Thiesj B.， et al， A feasibility study of daytime fog and low stratus detection with TERRA/AQUA-MOD IS over land. Meteorol. Applj 2006. 13:p. Ill - 125.
4.Cermakj J.， Bendixj J.， A novel approach to fog/low stratus detection using Meteosat 8 data. Atmospheric Research. 2008. 87:p. 279 - 292.
5.CERMAKj J.， A New Satellite—based Operational Fog Observation Scheme. Ph.D. Thesis, Philipps-Universitat Marburg, Germany, 2006.
6.Xiongfei Wen, Liangming Liuj Wei Li et al, An Object-Oriented Based Daytime Over Land Fog Detection Approach Using EOS/MODIS Data. Richard H. Picardj Klaus Schaferj Adolfo Comeronj Evgueni Kassianovj Christopher J. Mertens. The 16th SPIE Europe Symposium on Remote Sensing，Berlin Germany，2009， SPIE:12.
7.Jung-Rim Lee， Chu-Yong Chung, Mi-Lim Ou， Fog De tection Using Geostationary Satellite Data: Temporally Continusous Algorithm· Asia-pacific Journal of Atmospheric Sceneces. 2010. 47 (2):p. 113-122.
8.Jung-MoonYooj Myeong-Jae Jeongj Young Min Hurj Dong-Bin Shin, Improved Fog Detection from Satellite in the Presence of Clouds. Asia-pacific Journal of Atmospheric Sceneces. 2011. 46(1) :p. 29-40..。
发明内容
针对白天陆地辐射雾检测中低云和雾分离的难题以及极轨卫星在雾检测中的限制，本发明选择MTSAT-2R静止卫星数据，提出了一种基于面向对象和时序影像的白天陆地辐射雾检测算法，实现了基于对象区域特征和时序特征的云雾分离，避免了低云和雾因为光谱和纹理的相似性导致的无法区分问题。本发明所提供基于面向对象和时序影像的白天陆地辐射雾检测方法，所述影像为 MTSAT-2R数据，包括以下步骤步骤一、对目前检测的时间点的MTSAT-2R数据，判断每个像素的第5波段反射率 i 5是否大于预设的反射率阈值，是则判断该像素属于地表目标并去除，否则保留，得到基于像素的云、雾、雪目标；
步骤二、计算步骤一所得云、雾、雪目标中每个像素的雾检测指数FDI，根据雾检测指数 FDI进行分割，将云、雾、雪目标分割为对象；雾检测指数FDI的计算公式如下 FDI= R4 /( R5 - R4 )，
其中，R4为像素的第4波段反射率，R5为像素的第5波段反射率； 步骤三、对步骤二获取的分割结果，首先计算各对象中每个像素的亮度温度差检测指数TDDI，然后统计每个对象的亮度温度差检测指数平均值，当某个对象的亮度温度差检测指数平均值大于预设阈值时识别为中高云对象并去除；设某对象中任一像素X的亮度温度为5Γ，像素X的亮度温度差检测指数TDDI计算公式如下
权利要求
1. 一种基于面向对象和时序影像的白天陆地辐射雾检测方法，所述影像为MTSAT-2R 数据，其特征是，包括以下步骤步骤一、对目前检测的时间点的MTSAT-2R数据，判断每个像素的第5波段反射率是否大于预设的反射率阈值，是则判断该像素属于地表目标并去除，否则保留，得到基于像素的云、雾、雪目标；步骤二、计算步骤一所得云、雾、雪目标中每个像素的雾检测指数FDI，根据雾检测指数 FDI进行分割，将云、雾、雪目标分割为对象；雾检测指数FDI的计算公式如下 FDI= R4 /( R5 - R4 )，其中，R4为像素的第4波段反射率，R5为像素的第5波段反射率； 步骤三、对步骤二获取的分割结果，首先计算各对象中每个像素的亮度温度差检测指数TDDI，然后统计每个对象的亮度温度差检测指数平均值，当某个对象的亮度温度差检测指数平均值大于预设阈值时识别为中高云对象并去除；设某对象中任一像素X的亮度温度为BT ,像素X的亮度温度差检测指数TDDI计算公式如下
2.根据权利要求1所述基于面向对象和时序影像的白天陆地辐射雾检测方法，其特征是步骤八、九、十中采用的时序序列包括前一天晚上9点开始到目前检测的时间点，间隔时间为一个小时。
全文摘要
本发明提出了一种基于面向对象和时序影像的白天陆地辐射雾检测方法，该方法利用雾在静止卫星数据上呈现的光谱和纹理特性，构造基于单幅影像的雾检测特征参数，将高云、中云和部分低云以及雪与雾进行分离，与此同时，根据陆地辐射雾的生消特性，引入时序遥感影像，将无法从单幅影像上分离的低云和雾在时序影像中进行分离。本发明提出的陆地辐射雾检测方法实现了基于对象区域特征和时序特征的云雾分离，避免了低云和雾由于光谱和纹理特征的相似性导致的无法区分的问题，取得了很好的雾检测效果。
文档编号G01W1/00GK102540277SQ201210011489
公开日2012年7月4日 申请日期2012年1月16日 优先权日2012年1月16日
发明者李维, 杜娟 申请人:武汉大学