本发明涉及一种多源气象卫星云检测方法。
背景技术：
：：森林火灾卫星监测是目前发达国家监测林火时使用的主要方法之一。卫星林火监测是以卫星作为空间平台，通过传感探测器数据信息传输、接收、解译、监测发现林火并监测其行为的航天遥感技术手段。由于高于绝对温度的任何物体都通过电磁波的形式向外放射辐射能，根据这一特性，卫星监测林火利用卫星装载的高分辨率辐射计通过大气窗口从几百公里高空对地球表面进行扫描，探测出地面物体发出的热辐射能。云是卫星遥感探测森林火灾的重要干扰因子。为有效地对火灾进行预测,首先要消除云的干扰,因此要进行云层监测。云检测一直是遥感图象处理分析的一大难点，国内外学者在这方面作了不少研究,但多是从光谱特性入手研究。根据光谱辐射特性可知，云层相对于下垫面(包括陆地、水体等),在可见光与红外光区具有较高的反射率和较低的亮温值，因此通过可见光与红外光区阈值法将云和下垫面分开。可见光与红外光谱阈值法虽简单易行,但在薄卷云以及下垫面为烟雾等情况下，云和下垫面的光谱特征相似，用此方法则难以区分云和下垫面，而且阈值的确定具有一定的主观性，对先验知识要求很高，在时间和区域有一定的局限性。由于于云是随时间和空间变化的不稳定因子，故要较好识别云区就要充分了解它的时空分布特性，并采用行之有效的方法来解决这个难题。以noaa卫星识别云来说，鉴于不同的云相对于植被、土壤、水域等不同下垫面在noaa卫星可见光波段具有较高的反射率以及在热红外波段具有较低的亮温等特性,这就给判云带来了有利条件。因而，需要一种可以利用可见光段进行云层监测的方法。技术实现要素：基于此，本发明提供一种多源气象卫星云检测方法，其特征在于，该方法包括以下步骤：接收卫星数据；识别所接收的数据的种类；根据所识别的数据的种类，采取与该数据种类相适应的阈值法对数据进行处理，识别云层。进一步地，所识别的数据种类为基于modis数据，基于modis数据的云检测方法为：选择通道1、通道6和通道26三个波段数据，进行归一化处理，以消除大气辐射及仪器的影响,突出云的信息,得到最佳云的检测影像，所述检测包括如下运算：式中,ch(n)为通道n影像上目标的反射率值，若ch(26)>t1，则像元为云覆盖；若t2<value<t3且ch(1)>t4，则该像元为云覆盖；否则，该像元未由云覆盖。进一步地，所识别的数据种类为基于noaa数据，基于noaa数据的云检测方法采用动态阈值检测：某一通道像元阵的直方图曲线中，地表峰值往云一侧直方图曲线二阶差分的极大值点，即直方图曲线斜率最大变率的所在位置，作为云和晴空像元的阈值。进一步地，所识别的数据种类为基于风云数据，基于风云数据的云检测方法为：r1＞r1th且r1th_min＜ri＜rith_max且t4＜t4th，r1：通道1的反射率。r2：通道2的反射率。t4：热红外通道(10.3-11.3μm)等效黑体辐射亮温。r1th、t4th分别为r1和t4的阈值，r1tn_min、r1th_max分别为ri的下限阈值和上限阈值，其中，r1th＝35％，t4th＝237k，r1th_min＝0.9，r1th_max＝1.1。本申请通过对卫星监测云层进行法分析，对由于有不同光谱辐射特性的云和下垫面，可见光和红外光能够将二者进行区分的原理进行了介绍，主要通过阈值法对云层进行识别。根据不同数据中所设阈值不同，分别对modis数据、avhrr数据以及风云数据的云层检测方法进行研究，得出modis数据和风云数据中在检测前和检测后的云层的对比图。可以为后续的云层反射虚假热点识别提供基础。附图说明图1为noaa卫星监测云流程图；图2为modis数据监测云流程图；图3为modis数据中识别云层图；图4为风云数据识别云流程图；图5为风云数据对比云层图。具体实施方式由图1可知，根据noaa卫星光谱原理,植被在可见光波段内具有吸收峰,水在可见光波段内具有较强的反射峰,其反射率随着杂质的增加而增大，土壤的光谱在可见光波段内随着波长的延伸反射率亦呈上升趋势。因此，根据0.58～0.68μm波长范围内的光谱曲线分析,发现在可见光波段内,植被反射率最低,水反射率次之，反射率最高的是土壤。而云在可见光波段内的反射率却明显高于下垫面介质，其反射率随着云区的高度、厚度的变化而不同。基于modis数据的云检测中分辨率成像光谱仪(modis)是现今新一代的搭载在terra和aqua一个重要的光学遥感仪器。modis机载模型器于1998年安装到eos-am(上午轨道)和pm(下午轨道)系列卫星上，从1999年12月正式向地面发送数据。modis是nasa地球行星使命计划中总数为15颗。它不仅可以获得陆地和海洋温度，初级生产力，陆地表面覆盖，云，气溶胶，水蒸气和火和其他目标图像。它是监测全球生物和物理过程的重要仪器,监测地球表面的时间为1—2天。它具有36个中等分辨率水平(0.25um～1um)的光谱波段，光谱波段如表1所示。其中，本申请重点研究云层反射虚假热点识别，因此将光谱表中的主要用途定为：陆地与云边界、陆地与云特性、地球表面和云顶温度、云顶高度。modis出现后,由于仪器和共享数据的优势,许多人选择了利用该数据进行研究。目前采用的是modiscloudmask算法。该算法使用了modis的19个波段数据,设定多个特征进行阈值判定，并使用4级置信度(晴空,可能晴空,可能有云,有云)来表示出现云的可能性，分辨率为1km和250m。但该算法需要地表类型、海拔高度等地理数据及冰雪分布数据和部分ncep数据等作为输入,而且使用波段数较多,易受探测器工作状况影响。表3.1光谱波段表table3.1spectralbandtable本文算法选择通道1(0.66μm)、通道6(1.64μm)和通道26(1.38μm)三个波段数据进行云检测。归一化处理用来消除大气辐射及仪器的影响,以便更好地突出云的信息,得到最佳云的检测影像。基本运算如下:式中,ch(n)为通道n影像上目标的反射率值。云检测判据如下:若ch(26)>t1，则该像元为云覆盖；若t2<value<t3且ch(1)>t4，则该像元为云覆盖；否则，该像元未由云覆盖。图2中modis数据监监测云层技术路线图显示这一过程。选取ch(26)>1，0<value<0.4且ch(1)>0.2，对云层进行监测。基于上述算法,通过目视判读可以看出(如3所示),本算法可以检测出下垫面上空的云,特别是反射率较低的薄云,达到预期检测效果由modis数据识别云图可知，在图3中，(a)图为卫星识别云形成的遥感图像，图中可清晰辨认白色部分为云层，黑红色部分为下垫面，(b)图为识别云之后的遥感图像，白色部分为仪器识别云层所反映的部分，对比彩色合成图和云检测结果，可以看到云的形态提取完整、自然。云系边沿丝带状、波纹状和羽齿状云体都能够完整提取出来。基于noaa数据的云检测动态阈值法是一种自动检测云的方法(dtcm法)。该方法认为某一通道像元阵的直方图曲线中，地表峰值往云一侧直方图曲线二阶差分的极大值点，即直方图曲线斜率最大变率的所在位置，作为云和晴空像元的阈值最为适合。对3种不同的数据组合分别进行了云检测，认为用通道1，3和4的差值进行基于像元的云检测是最好的方法。利用双通道动态阈值法对gms-5卫星图像进行了自动云检测，发现在中低纬度地区，可见光和红外两个通道都有资料时，云判识精度较好；在高纬度地区，由于地表温度低，积雪覆盖多，太阳高度角低，云判识精度较差；还对直方图平滑间距大小和像元阵列大小的选取问题进行了讨论。在对单一区域提取动态云检测阈值的基础上，用滑动窗和嵌套窗方法改进云检测动态阈值提取方法，并利用多年平均气候数据对所提取的云检测阈值的合理性进行检验。avhrr多通道动态阈值云检测算法中，对avhrr的5个通道和4个通道组合(通道2和1的比值、通道3和4的差值、通道3和5的差值以及通道4和5的差值)分别选择450*2048像元块，进行直方图统计和阈值方图统计和阈值选择。将avhrr通道或通道组合的像元值与阈值进行比较，就可判定该像元是否被云污染，得到该通道或通道组合的云检测结果。当太阳天顶角很大时，由于太阳反射光被大气介质强烈地散射和吸收，使得可见光通道对地物的代表性较差；在长时间avhrr观测数据处理中，有可能会发生一些时次遥感产品的某通道数据无法使用的现象，在这些情况下，根据卫星天顶角和各通道的数据质量动态给每个通道或通道组合的云检测结果一个权重系数，从而分析得到最终的云检测结果。此外，由于遥感图像是连续的，而相邻2个像元块的动态阈值是不连续的，为了减少像元阵的边缘可能会出现判识结果的不连续现象，对阈值进行了平滑处理。noaa/avhrr数据的空间分辨率是不均匀的，星下点处空间分辨率最高，为1.1km，远离星下点处约为4km。由于noaa气象卫星的轨道每天向东(或向西)漂移6°左右，所以对同一地点不同日期avhrr所获得的数据分辨率是不同的。国家卫星气象中心收集整理了noaa/avhrr卫星1988年6月—2008年12月的下午资料，对于地面同一地点每天有1～2次观测资料，每天接收2～4轨过境数据，空间上可以覆盖东亚的大部分区域。由于涉及多颗卫星，扫描辐射计有avhrr/2和avhrr/3之分，卫星的传感器在业务运行期间也会随着时间的推移发生衰减，因此分别针对各个传感器做归一化辐射定标，avhrr1～2通道定标后的最终定标系数进行修正，3～5红外通道有星上定标设备，对其进行在轨定标。avhrr数据每条扫描线的长度为2048个像元，经纬度和角度信息有51个，采用线性插值获取每一像元的经纬度和角度进行等经纬度投影变换，纬向和经向的分辨率都为0.01°。利用经过精定位、分辨率为0.01°的eos/modis数据生成中国区域等经纬度投影底图，均匀提取控制点，对avhrr投影数据进行定位精校正处理，精度在1.2像元以内。在定标和定位基础上，再进行长时间序列资料滤波处理，从而生成质量较高、数据之间具有可比性的长时间序列avhrr多通道观测资料。然后，采用多通道动态阈值云检测方法，对单轨avhrr数据的每个像元进行云检测，从而得到国avhrr的云检测数据集。除了动态阈值法之外其他方法①单通道灰度阈值判云：对各通道图像给定灰度阈值，达到判云目的。②可见光、近红外反射率阈值云检测：计算可见光和近红外通道图像反射率,给定反射率阈值，凡高于该阈值的为云。③可见光反射率自动云检测:根据云的光谱和时空分布特征,对不同季节,不同时相的多幅avhrr图像可见光通道反射率情况进行试验和分析,找出相应关系和特征,并采用计算机自动判云方法进行云检测。④红外通道亮温阈值云检测:运用普朗克公式计算红外通道的亮温,设立亮温阈值,凡低于该阈值的为云。热红外通道亮温自动判云:对不同季节海区的亮温或温度进行实验分析，并分别选取不同判云值进行检测，达到计算机自动判云的目的。基于风云数据的云检测(1)中国已成功地发射了fy-1a、fy-1b、fy-1c、fy-2a、fy-2b、fy-2c、fy-2d、fy-3a、fy-3b、fy-3c、fy-3e、fy-3f等气象卫星。采用多通道阈值法对单时次数据进行云标识，由图3.4可知风云数据识别云的过程：检测方法如下:r1＞r1th且r1th_min＜ri＜rith_max且t4＜t4thr1：通道1的反射率。r2：通道2的反射率。t4：热红外通道(10.3-11.3μm)等效黑体辐射亮温。r1th、t4th分别为r1和t4的阈值，r1tn_min、r1th_max分别为ri的下限阈值和上限阈值，其中，r1th＝35％，t4th＝237k，r1th_min＝0.9，r1th_max＝1.1。由图5风云数据识别云层图可知，(a)图为卫星监测云层图，图中深黑色为下垫面，紫红色为云层，(b)图为风云数据中识别后的云层图，黑色为下垫面，白色为被识别云层。本算法同样可以检测出下垫面上空的云，尤其是薄云层。本申请通过对卫星监测云层进行法分析，对由于有不同光谱辐射特性的云和下垫面，可见光和红外光能够将二者进行区分的原理进行了介绍，主要通过阈值法对云层进行识别。根据不同数据中所设阈值不同，分别对modis数据、avhrr数据以及风云数据的云层检测方法进行研究，得出modis数据和风云数据中在检测前和检测后的云层的对比图。以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。当前第1页12当前第1页12