基于云块划分的FY-2C云检测技术研究

发布时间：2017-06-26 07:01

  本文关键词：基于云块划分的FY-2C云检测技术研究，，由笔耕文化传播整理发布。

【摘要】：卫星遥感技术已经被普遍应用于许多领域,例如天气过程分析、资源环境监测以及能源调查等,与此同时,为了更进一步使得巨大的遥感数据资源得到更好的利用,大量学者专家们还在不断探索与寻找其他技术方法。其中,云是卫星遥感数据最直观体现的一项资源,云是影响气候变化的重要因素,云覆盖了地表50%以上的面积,对地球生态系统的辐射收支能够产生直接影响,所以,大量气象工作者对其进行了深入的研究。云具有很多的不确定性,无论是在时间分布,还是在空间分布上,不同的高度、厚度或者组成种类都可以影响卫星云图的特征,而且,太阳高度角和方位角的变化也会导致卫星云图的图像特征变化。这是卫星遥感图像处理与应用技术研究中的一大难题。文中提出了将云检测对象从像元改成区块,区块有大有小,可能只有几个像元组成,也可能有大量像元组成,但是,无论区块的大小,必须保持一致性,即一个区块内的所有像元都是属于同一类的,这是进行下一步研究的前提。利用FY-2C静止卫星的多波段、高时间分辨率的优势,进行了云检测的研究。首先,采用了结合扫描线种子填充法与八邻域边界追踪法的边界划分算法进行边界识别,算法可以保证了边界的完整和闭合。然后利用ArcGIS中的分区统计方法与聚类分析对区块进行特征值提取以及初步分类,结合目视解译的方法对无云区域与有云区域的特征进行比较,获取特征,从而定义指标I=RVIS·(TIR4-Tim)作为检测指标,并统计得到无云区域的Ⅰ值较低的特征。最后通过对指标Ⅰ进行迭代得到最终Ⅰ的阈值作为区分有云和无云的指标,得到云检测最终结果。文中利用上述方法进行对2006年1月1日及7月1日02：00-06：00(UTC)共10个时次的卫星云图进行云检测,并且将云检测结果与国家卫星气象中心提供的云分类产品进行比较。得到的结果是,两者超过70%以上面积的结果相同,最高已经超过85%,而对结果不同的区域使用目视解译方法进行验证发现,较多区域是云检测结果准确,部分是云检测结果错误,主要的原因有两个,一是可见光通道资料无效时而产生的失误,二是指标Ⅰ的阈值选取不准确。综合来说,云检测方法的检测效果较优,值得进一步的研究。
【关键词】：云检测 FY-2C 种子填充 边界追踪 聚类分析
【学位授予单位】：南京信息工程大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要5-7
• Abstract7-9
• 第一章 绪论9-16
• 1.1 研究目的和意义9
• 1.2 国内外研究进展9-13
• 1.3 研究内容及技术路线13-15
• 1.3.1 研究内容及方法13-14
• 1.3.2 技术路线14-15
• 1.4 本文章节安排15-16
• 第二章 资料来源及预处理16-26
• 2.1 FY-2卫星16-17
• 2.2 卫星标称数据集产品(NOM)17-20
• 2.3 FY-2气象卫星云分类产品20-23
• 2.3.1 产品生成原理21-22
• 2.3.2 产品的主要特点及使用22-23
• 2.4 资料预处理23-25
• 2.4.1 辐射定标23-24
• 2.4.2 几何校正24-25
• 2.5 本章小结25-26
• 第三章 基于种子填充的边界划分26-34
• 3.1 种子填充算法26-28
• 3.1.1 传统的填充算法27
• 3.1.2 扫描线种子填充算法27-28
• 3.2 边界追踪算法28-30
• 3.3 边界划分算法30
• 3.4 实例分析30-33
• 3.5 本章小结33-34
• 第四章 基于聚类分析的区块分类34-49
• 4.1 分区统计34-35
• 4.2 聚类分析35-39
• 4.3 实例分析39-47
• 4.3.1 分区统计结果39-40
• 4.3.2 区块聚类结果及分析40-42
• 4.3.3 定义指标及统计42-45
• 4.3.4 重聚类结果45-47
• 4.4 本章小结47-49
• 第五章 基于云分类的结果验证49-64
• 5.1 检测结果与云分类产品的对比49-51
• 5.2 目视解译验证51-62
• 5.3 本章小结62-64
• 第六章 总结与展望64-67
• 6.1 研究总结64-65
• 6.2 创新点65
• 6.3 不足与展望65-67
• 参考文献67-71
• 致谢71-72
• 作者简介72

  本文关键词：基于云块划分的FY-2C云检测技术研究，由笔耕文化传播整理发布。

本文编号：485179