高時空分辨率遙感影像對精細(xì)尺度土地利用和土地覆蓋變化研究具有重要意義,然而云噪聲的存在給影像的解譯和分析帶來了一定的挑戰(zhàn),因此云噪聲檢測作為一項(xiàng)基礎(chǔ)性工作在影像解譯與分析過程中扮演了非常重要的作用。QA60產(chǎn)品被廣泛推薦為Sentinel-2衛(wèi)星影像的常規(guī)云檢測產(chǎn)品,然而,我們最近的研究發(fā)現(xiàn)基于QA60產(chǎn)品的云檢測通常會出現(xiàn)明顯的云噪聲漏檢測現(xiàn)象。為探索提高Sentinel-2衛(wèi)星影像云噪聲檢測效果的方法,基于Google Earth Engine（GEE）平臺,結(jié)合Sentinel-2衛(wèi)星影像2A級（L2A）數(shù)據(jù)的2個云相關(guān)波段（B1和B9）以及4個產(chǎn)品（QA60、AOT、MSK_CLDPRB和SCL產(chǎn)品）,設(shè)計(jì)相應(yīng)分割算法,并以典型區(qū)為案例,從影像波段特性、云微物理學(xué)等角度分析了相關(guān)波段/產(chǎn)品云檢測結(jié)果的空間分布格局及差異,并借助定量化指標(biāo)對云檢測效果進(jìn)行評價。結(jié)果表明:①在云檢測算法方面,B1和B9波段采用的動態(tài)閾值分割算法穩(wěn)健性較好,檢測結(jié)果能在一定程度上擬合其波段特性,并合理地表征相應(yīng)波段的云噪聲;②從云檢測空間分布看,AOT產(chǎn)品效果較差,B9波段和QA6... 

【文章來源】：遙感技術(shù)與應(yīng)用. 2020,35(05)北大核心

【文章頁數(shù)】：11 頁

【部分圖文】：

3個典型研究區(qū)空間位置

由于受到Sentinel-2衛(wèi)星2A級影像中云相關(guān)產(chǎn)品固有屬性的影響，針對云相關(guān)波段和產(chǎn)品分別采用了不同的云檢測算法：對于云相關(guān)波段和AOT產(chǎn)品，本文使用動態(tài)閾值分割算法，獲取其對應(yīng)的最優(yōu)云檢測結(jié)果；對于已經(jīng)包含了云分類結(jié)果的云相關(guān)產(chǎn)品，不需要借助云檢測算法便可以直接提取出含云區(qū)域，并作為該產(chǎn)品的最優(yōu)云檢測結(jié)果。因此，本文是針對所有波段/產(chǎn)品的最優(yōu)云檢測情況進(jìn)行對比，旨在尋找最佳的適合于云檢測的波段/產(chǎn)品。6個云相關(guān)波段/產(chǎn)品的云檢測算法具體設(shè)計(jì)如下：2.3.1 B1波段云檢測算法

在典型區(qū)域1的云檢測空間格局（圖3）中：圖3(c）展示了AOT產(chǎn)品的云檢測結(jié)果，該結(jié)果中云噪聲像元全部被漏檢測，且沒有出現(xiàn)云噪聲誤檢測現(xiàn)象，整幅影像被完全識別為其他地物；圖3(d）展示了QA60產(chǎn)品的云檢測結(jié)果，從其空間格局可以看出，部分厚云區(qū)域可以得到較好的檢測結(jié)果，但是部分卷云像元和大部分薄云像元出現(xiàn)了明顯的漏檢測現(xiàn)象，且存在于厚云中的小面積其他地物被誤檢測為云噪聲；圖3(e）展示了B9波段的云檢測結(jié)果，該結(jié)果中大部分云噪聲的邊緣像元均出現(xiàn)了漏檢測現(xiàn)象，而且將真彩色影像（圖3(a））中部分山脈的綠色植被誤檢測為云噪聲；圖3(f）展示了MSK＿CLDPRB產(chǎn)品的云檢測結(jié)果，其中比較明顯的厚云區(qū)域出現(xiàn)云噪聲漏檢測現(xiàn)象；圖3(g）展示了SCL產(chǎn)品的云檢測結(jié)果，該結(jié)果的誤檢測現(xiàn)象不明顯，但是云噪聲邊緣區(qū)域存在漏檢測現(xiàn)象；圖3(h）展示了B1波段的云檢測結(jié)果，該區(qū)域的云檢測結(jié)果基本符合真彩色影像（圖3(a））中云噪聲的分布格局，相比于其他波段，該波段的漏檢測像元最少，小部分云噪聲邊緣區(qū)域的薄云存在誤檢測現(xiàn)象。在典型區(qū)域2的云檢測空間格局（圖4）中：圖4(c）展示了AOT產(chǎn)品的云檢測結(jié)果，與原始真彩色影像對比可以看出，該結(jié)果中云噪聲像元全部出現(xiàn)漏檢測現(xiàn)象，部分區(qū)域出現(xiàn)了將其他地物識別為云噪聲的誤檢測現(xiàn)象，整體上完全不符合其對應(yīng)的真彩色影像（圖4(a））中云噪聲和其他地物的空間分布格局；圖4(d）展示了QA60產(chǎn)品的云檢測結(jié)果，部分厚云噪聲的邊緣像元以及大面積的卷云和薄云區(qū)域均出現(xiàn)了嚴(yán)重的漏檢測現(xiàn)象，沒有出現(xiàn)云噪聲的誤檢測現(xiàn)象；圖4(e）展示了B9波段的云檢測結(jié)果，該結(jié)果中部分云噪聲的邊緣像元出現(xiàn)漏檢測現(xiàn)象，對應(yīng)其真彩色影像（圖4(a））可以看出，大部分耕地和草地被誤檢測為云噪聲；圖4(f）展示了MSK＿CLDPRB產(chǎn)品的云檢測結(jié)果，大部分薄云像元出現(xiàn)了明顯的云噪聲漏檢測現(xiàn)象，誤檢測現(xiàn)象不明顯；圖4(g）展示了SCL產(chǎn)品的云檢測結(jié)果，大部分薄云像元出現(xiàn)了明顯的云噪聲漏檢測現(xiàn)象，小部分草地被誤檢測為云噪聲；圖4(h）展示了B1波段的云檢測結(jié)果，云噪聲漏檢測現(xiàn)象不明顯，由于真彩色影像（圖4(a））中不明顯的薄云區(qū)域沒有標(biāo)注為云噪聲，因此這些區(qū)域存在云噪聲誤檢測現(xiàn)象。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)的全卷積神經(jīng)網(wǎng)絡(luò)的資源三號遙感影像云檢測[J]. 裴亮,劉陽,譚海,高琳.  激光與光電子學(xué)進(jìn)展. 2019(05)
[2]偏振多通道遙感云檢測的閾值優(yōu)化[J]. 方薇,喬延利,張冬英,易維寧.  光學(xué)學(xué)報(bào). 2018(12)
[3]利用對象光譜與紋理實(shí)現(xiàn)高分辨率遙感影像云檢測方法[J]. 董志鵬,王密,李德仁,王艷麗,張致齊.  測繪學(xué)報(bào). 2018(07)
[4]基于支持向量機(jī)的多特征融合影像云檢測[J]. 孫汝星,范榮雙.  測繪與空間地理信息. 2018(06)
[5]光學(xué)遙感信息技術(shù)與應(yīng)用研究綜述[J]. 張兵.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[6]綜合高分衛(wèi)星圖像多維特征的云檢測方法[J]. 夏雨,崔生成,楊世植.  大氣與環(huán)境光學(xué)學(xué)報(bào). 2017(06)
[7]基于深度學(xué)習(xí)的資源三號衛(wèi)星遙感影像云檢測方法[J]. 陳洋,范榮雙,王競雪,陸婉蕓,朱紅,楚清源.  光學(xué)學(xué)報(bào). 2018(01)
[8]中亞沙塵氣溶膠時空分布特征及潛在擴(kuò)散特性分析[J]. 張喆,丁建麗,王瑾杰.  地理學(xué)報(bào). 2017(03)
[9]多樣地表和大氣狀況下的MODIS數(shù)據(jù)云檢測[J]. 呂明明,韓立建,田淑芳,周偉奇,李偉峰,錢雨果.  遙感學(xué)報(bào). 2016(06)
[10]基于高斯混合模型法的國產(chǎn)高分辨率衛(wèi)星影像云檢測[J]. 康一飛,潘勵,孫明偉,陳奇,王越.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(06)



本文編號：3010207