發(fā)布時間：2021-02-24 20:58

　　云作為氣候變化的重要因素,能改變太陽輻射的能量傳輸過程,進(jìn)而影響著地表-大氣之間的輻射收支,在輻射能量平衡中扮演重要的角色。此外,目前衛(wèi)星遙感技術(shù)成為地球監(jiān)測的重要手段之一,然而云的存在會使遙感影像變得模糊甚至阻擋了地物信息,使地物信息無法正確表達(dá),大氣、地表參數(shù)無法準(zhǔn)確反演。因此,云檢測成為遙感影像處理的必要環(huán)節(jié),對提高遙感數(shù)據(jù)的利用率有重要意義。傳統(tǒng)閾值法使用統(tǒng)一的經(jīng)驗(yàn)閾值實(shí)現(xiàn)圖像上所有像元的云識別,或基于圖像統(tǒng)計(jì)得出閾值,而由于地表結(jié)構(gòu)以及云狀態(tài)的復(fù)雜性和基于圖像統(tǒng)計(jì)得到閾值的不穩(wěn)定性,此類方法通常難以有效實(shí)現(xiàn)圖像高精度的云識別,特別是對于薄碎云以及高亮度區(qū)域上空的云識別。針對此類問題,本文提出一種基于地表類型支持的云檢測（Land Cover-based Cloud Detection,LCCD）及云陰影檢測（Land Cover-based Cloud Shadow Detection,LCCSD）方法,所用地表類型數(shù)據(jù)為 GlobeLand30（The 30-meter Global Land Cover Dataset）地表類型數(shù)據(jù)集。本文的主要內(nèi)容如下:（1）地表類型支... 

【文章來源】：山東科技大學(xué)山東省

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１?ＧｌｏｂｅＬａｎｄ３０數(shù)據(jù)介紹??Ｆｉｇ．?２．１?Ｉｎｔｒｏｄｕｃｔｉｏｎ?ｏｆ?ＧｌｏｂｅＬａｎｄ３０?Ｄａｔａ??ＧｌｏｂｅＬａｎｄ３０分類產(chǎn)品?

使基于地表類型庫的云及云陰影檢測能夠更加準(zhǔn)確，提高地表類型庫在時間序列使??用上的持續(xù)性和穩(wěn)定性，降低地表類型變化對云及與陰影檢測帶來的誤差，同時，該方??法還可以消除一部分庫和影像匹配時存在的邊界誤差，圖２．３為不同地物類型下各特征??參數(shù)分布情況。??１０???１０｜??０．４????？?夂邊地＊?？、邊地Ａ?？?人邊龜我??Ｍ?？?Ｗ？Ｖ?？??０?８?？夂Ｈ?０８??“?０２??〇？?０ｆｌ?ｊｖ＊?Ａ?？??〇４?＿?“?００?ｖｆｃ?－４＾??〇〇?＾?＿?００?ｉｈ．?丨？？贊??、：：丨心?＾?嘴．??Ｗｔｔ?？Ｍｉ?ｉ．?ＷＨ９?水?Ｏ?／．?艦?人：ｉ?丨Ｗ技?水?Ｈ?ｊ．?钃堆??地物處別?地物炎別?地物５５別??圖２．３不同地物類型下各特征參數(shù)分布??Ｆｉｇ．?２．３?Ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｃｈａｒａｃｔｅｒｉｓｔｉｃ?ｐａｒａｍｅｔｅｒｓ?ｕｎｄｅｒ?ｄｉｆｆｅｒｅｎｔ?ｌａｎｄ?ｔｙｐｅｓ??城市的擴(kuò)張主要表現(xiàn)是由耕地?cái)U(kuò)為人造地表。圖２．３說明了人造地表和裸地在以上??１１??

?ｎ〇＾ｌｃｅ??Ｌａｎｄ?Ｔｙｐｅ??圖２．２?ＧｌｏｂｅＬａｎｄ３０各地表類型精度??Ｆｉｇ．?２．２?Ａｃｃｕｒａｃｉｅｓ?ｏｆ?ＧｌｏｂｅＬａｎｄ３０?ｆｏｒ?ａｌｌ?ｌａｎｄ?ｃｏｖｅｒ?ｔｙｐｅｓ??２．１．２地表類型變化分析??地表類型庫是由２００９－２０１１年的遙感數(shù)據(jù)制作而成的，從全球尺度講，地表類型變??化在五年之內(nèi)不會發(fā)生大面積的突變，但是小區(qū)域的地表類型變化是必然存在的，這種??變化多以邊界的變動為主，在遙感圖像上表現(xiàn)出像元級的擴(kuò)張、縮小或平移。在此類變??化中，常見的較大變化有城市擴(kuò)張?jiān)斐傻某鞘兄車刈優(yōu)槿嗽斓乇�、植被區(qū)修建的蓄??水用地以及水體區(qū)域更為植被區(qū)域等。本節(jié)將圍繞這三點(diǎn)對地表類型變化進(jìn)行判斷并更??正，使基于地表類型庫的云及云陰影檢測能夠更加準(zhǔn)確，提高地表類型庫在時間序列使??用上的持續(xù)性和穩(wěn)定性，降低地表類型變化對云及與陰影檢測帶來的誤差，同時，該方??法還可以消除一部分庫和影像匹配時存在的邊界誤差，圖２．３為不同地物類型下各特征??參數(shù)分布情況。??１０???１０｜??０．４????？?夂邊地＊?？、邊地Ａ?？?人邊龜我??Ｍ?？?Ｗ？Ｖ?？??０?８?？夂Ｈ?０８??“?０２??〇？?０ｆｌ?ｊｖ＊?Ａ?？??〇４?＿?“?００?ｖｆｃ?－４＾??〇〇?＾?＿?

【參考文獻(xiàn)】：
期刊論文
[1]基于圖割模型的高分全色影像自動云檢測[J]. 楊羚,王樹根,孫明偉,康一飛,李禮.  地理空間信息. 2018(01)
[2]采用單時相法的高分一號數(shù)據(jù)云/陰影檢測[J]. 云雅,夏勇,張錦水,潘耀忠.  遙感信息. 2017(04)
[3]全球30m地表覆蓋遙感數(shù)據(jù)產(chǎn)品-Globe Land30[J]. 陳軍,廖安平,陳晉,彭舒,陳利軍,張宏偉.  地理信息世界. 2017(01)
[4]基于BP神經(jīng)網(wǎng)絡(luò)的云檢測和云相態(tài)識別[J]. 靳澤群,張玲,劉神聰,易凡.  光學(xué)與光電技術(shù). 2016(05)
[5]基于多時相遙感數(shù)據(jù)的云陰影檢測算法[J]. 米雪婷,孫林,韋晶,田信鵬.  山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)
[6]針對NPP VIIRS數(shù)據(jù)的云檢測方法研究[J]. 夏浪,毛克彪,孫知文,馬瑩.  中國環(huán)境科學(xué). 2014(03)
[7]新一代Landsat系列衛(wèi)星:Landsat 8遙感影像新增特征及其生態(tài)環(huán)境意義[J]. 徐涵秋,唐菲.  生態(tài)學(xué)報(bào). 2013(11)
[8]基于支持向量機(jī)的遙感影像厚云及云陰影去除[J]. 梁棟,孔頡,胡根生,黃林生.  測繪學(xué)報(bào). 2012(02)
[9]FY-2云檢測中動態(tài)閾值提取技術(shù)改進(jìn)方法研究[J]. 劉健.  紅外與毫米波學(xué)報(bào). 2010(04)
[10]快速高準(zhǔn)確度云檢測算法及其應(yīng)用[J]. 單娜,鄭天垚,王貞松.  遙感學(xué)報(bào). 2009(06)



本文編號：3049934