本文關(guān)鍵詞：基于云塊劃分的FY-2C云檢測(cè)技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：衛(wèi)星遙感技術(shù)已經(jīng)被普遍應(yīng)用于許多領(lǐng)域,例如天氣過(guò)程分析、資源環(huán)境監(jiān)測(cè)以及能源調(diào)查等,與此同時(shí),為了更進(jìn)一步使得巨大的遙感數(shù)據(jù)資源得到更好的利用,大量學(xué)者專家們還在不斷探索與尋找其他技術(shù)方法。其中,云是衛(wèi)星遙感數(shù)據(jù)最直觀體現(xiàn)的一項(xiàng)資源,云是影響氣候變化的重要因素,云覆蓋了地表50%以上的面積,對(duì)地球生態(tài)系統(tǒng)的輻射收支能夠產(chǎn)生直接影響,所以,大量氣象工作者對(duì)其進(jìn)行了深入的研究。云具有很多的不確定性,無(wú)論是在時(shí)間分布,還是在空間分布上,不同的高度、厚度或者組成種類都可以影響衛(wèi)星云圖的特征,而且,太陽(yáng)高度角和方位角的變化也會(huì)導(dǎo)致衛(wèi)星云圖的圖像特征變化。這是衛(wèi)星遙感圖像處理與應(yīng)用技術(shù)研究中的一大難題。文中提出了將云檢測(cè)對(duì)象從像元改成區(qū)塊,區(qū)塊有大有小,可能只有幾個(gè)像元組成,也可能有大量像元組成,但是,無(wú)論區(qū)塊的大小,必須保持一致性,即一個(gè)區(qū)塊內(nèi)的所有像元都是屬于同一類的,這是進(jìn)行下一步研究的前提。利用FY-2C靜止衛(wèi)星的多波段、高時(shí)間分辨率的優(yōu)勢(shì),進(jìn)行了云檢測(cè)的研究。首先,采用了結(jié)合掃描線種子填充法與八鄰域邊界追蹤法的邊界劃分算法進(jìn)行邊界識(shí)別,算法可以保證了邊界的完整和閉合。然后利用ArcGIS中的分區(qū)統(tǒng)計(jì)方法與聚類分析對(duì)區(qū)塊進(jìn)行特征值提取以及初步分類,結(jié)合目視解譯的方法對(duì)無(wú)云區(qū)域與有云區(qū)域的特征進(jìn)行比較,獲取特征,從而定義指標(biāo)I=RVIS·(TIR4-Tim)作為檢測(cè)指標(biāo),并統(tǒng)計(jì)得到無(wú)云區(qū)域的Ⅰ值較低的特征。最后通過(guò)對(duì)指標(biāo)Ⅰ進(jìn)行迭代得到最終Ⅰ的閾值作為區(qū)分有云和無(wú)云的指標(biāo),得到云檢測(cè)最終結(jié)果。文中利用上述方法進(jìn)行對(duì)2006年1月1日及7月1日02：00-06：00(UTC)共10個(gè)時(shí)次的衛(wèi)星云圖進(jìn)行云檢測(cè),并且將云檢測(cè)結(jié)果與國(guó)家衛(wèi)星氣象中心提供的云分類產(chǎn)品進(jìn)行比較。得到的結(jié)果是,兩者超過(guò)70%以上面積的結(jié)果相同,最高已經(jīng)超過(guò)85%,而對(duì)結(jié)果不同的區(qū)域使用目視解譯方法進(jìn)行驗(yàn)證發(fā)現(xiàn),較多區(qū)域是云檢測(cè)結(jié)果準(zhǔn)確,部分是云檢測(cè)結(jié)果錯(cuò)誤,主要的原因有兩個(gè),一是可見(jiàn)光通道資料無(wú)效時(shí)而產(chǎn)生的失誤,二是指標(biāo)Ⅰ的閾值選取不準(zhǔn)確。綜合來(lái)說(shuō),云檢測(cè)方法的檢測(cè)效果較優(yōu),值得進(jìn)一步的研究。
【關(guān)鍵詞】：云檢測(cè) FY-2C 種子填充 邊界追蹤 聚類分析
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP751
【目錄】：

• 摘要5-7
• Abstract7-9
• 第一章 緒論9-16
• 1.1 研究目的和意義9
• 1.2 國(guó)內(nèi)外研究進(jìn)展9-13
• 1.3 研究?jī)?nèi)容及技術(shù)路線13-15
• 1.3.1 研究?jī)?nèi)容及方法13-14
• 1.3.2 技術(shù)路線14-15
• 1.4 本文章節(jié)安排15-16
• 第二章 資料來(lái)源及預(yù)處理16-26
• 2.1 FY-2衛(wèi)星16-17
• 2.2 衛(wèi)星標(biāo)稱數(shù)據(jù)集產(chǎn)品(NOM)17-20
• 2.3 FY-2氣象衛(wèi)星云分類產(chǎn)品20-23
• 2.3.1 產(chǎn)品生成原理21-22
• 2.3.2 產(chǎn)品的主要特點(diǎn)及使用22-23
• 2.4 資料預(yù)處理23-25
• 2.4.1 輻射定標(biāo)23-24
• 2.4.2 幾何校正24-25
• 2.5 本章小結(jié)25-26
• 第三章 基于種子填充的邊界劃分26-34
• 3.1 種子填充算法26-28
• 3.1.1 傳統(tǒng)的填充算法27
• 3.1.2 掃描線種子填充算法27-28
• 3.2 邊界追蹤算法28-30
• 3.3 邊界劃分算法30
• 3.4 實(shí)例分析30-33
• 3.5 本章小結(jié)33-34
• 第四章 基于聚類分析的區(qū)塊分類34-49
• 4.1 分區(qū)統(tǒng)計(jì)34-35
• 4.2 聚類分析35-39
• 4.3 實(shí)例分析39-47
• 4.3.1 分區(qū)統(tǒng)計(jì)結(jié)果39-40
• 4.3.2 區(qū)塊聚類結(jié)果及分析40-42
• 4.3.3 定義指標(biāo)及統(tǒng)計(jì)42-45
• 4.3.4 重聚類結(jié)果45-47
• 4.4 本章小結(jié)47-49
• 第五章 基于云分類的結(jié)果驗(yàn)證49-64
• 5.1 檢測(cè)結(jié)果與云分類產(chǎn)品的對(duì)比49-51
• 5.2 目視解譯驗(yàn)證51-62
• 5.3 本章小結(jié)62-64
• 第六章 總結(jié)與展望64-67
• 6.1 研究總結(jié)64-65
• 6.2 創(chuàng)新點(diǎn)65
• 6.3 不足與展望65-67
• 參考文獻(xiàn)67-71
• 致謝71-72
• 作者簡(jiǎn)介72

  本文關(guān)鍵詞：基于云塊劃分的FY-2C云檢測(cè)技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：485179