一种基于面向对象分类的白天陆地辐射雾的遥感监测方法
阅读：541发布：2024-01-03
专利汇可以提供一种基于面向对象分类的白天陆地辐射雾的遥感监测方法专利检索，专利查询，专利分析的服务。并且本 发明 提供一种基于面向对象分类的白天陆地 辐射 雾遥感监测方法。其选择空间 分辨率 最高达到250米的EOS/MODIS卫星遥感数据，通过基于大气辐射传输模型模拟和统计大量EOS/MODIS卫星遥感数据两个 角 度相结合，构建 云 雾特征参数，并选择合适的遥感影像分割 算法 ，对云雾特征参数进行影像分割。对分割获取的各个同质单元逐个计算其 光谱 特征、纹理特征、几何特征以及云雾特征参数特征值，结合地面实测气象观测数据，采用 决策树 分类算法对影像分割后构建的各个同质单元的各种属性进行训练，构建白天陆地辐射雾遥感监测方法用于雾检测。本发明能够有效避免低云和雾由于光谱和纹理的相似性导致难以区分的问题。，下面是一种基于面向对象分类的白天陆地辐射雾的遥感监测方法专利的具体信息内容。
1.一种基于面向对象分类的白天陆地辐射雾遥感监测方法，其特征在于包括如下步骤：
（1）利用Streamer大气辐射传输模型模拟各种典型云类和陆地辐射雾在可见光、近红外、中红外波段，不同粒子大小、不同光学厚度条件下的光谱辐射特征；
（2）利用Internet从美国航空航天局、中国国家卫星气象中心下载获取EOS/MOSIS卫星遥感数据，基于步骤（1）对各种典型云类和陆地辐射雾在可见光、近红外、中红外波段的光谱特征模拟，并结合统计大量EOS/MODIS卫星遥感数据，确定MODIS数据能够用于云雾检测的波段或波段组合，根据云类和陆地辐射雾在可见光波段和中红外波段反射率的差异，构建NDFI归一化雾指数作为云雾特征参数，所述NDFI归一化雾指数的定义为其中，R1是MODIS第1波段反射率，R20是MODIS第20波段的反射率；
（3）通过对下载的每条EOS/MODIS卫星数据进行辐射定标处理、几何定位处理，获取EOS/MODIS卫星数据可见光、近红外波段的反射率、中红外波段亮度温度和热红外波段亮度温度，并计算相应的太阳天顶角角度信息，按照步骤（2）计算NDFI云雾特征参数；
（4）对所述NDFI云雾特征参数进行图像分割，获取至少两个同质单元的分割后图像；
（5）对分割获取的各个同质单元逐个计算其属性信息，所述属性信息包括光谱特征、纹理特征、几何特征以及云雾特征参数特征值；
（6）利用步骤（5）计算获取的各个同质单元的属性信息，结合地面实测气象观测数据，引入同质单元的面积、第1波段反射率平均值、归一化积雪指数（NDSI）平均值、第2波段反射率平均值、第20波段反射率平均值、第26波段反射率平均值、第31波段亮度温度方差值、归一化雾指数（NDFI）平均值作为云雾识别的判别特征，结合中国气象局气象数据共享平台获取全球地面天气资料定时值数据集，采用决策树分类算法对分割后构建的同质单元的各种属性进行训练，确定同质单元的各个属性判别阈值，对分割得到的同质单元逐个进行云雾分离判断，得到大雾分布专题影像。
2.如权利要求1所述的基于面向对象分类的白天陆地辐射雾的遥感监测方法，其特征在于：所述步骤（4）对所述NDFI云雾特征参数进行图像分割具体为：
首先，基于NDFI云雾特征参数，选择均值漂移算法对影像进行初步分割，得到一个偏“过分割”的初步分割结果；
然后，在“过分割”的初步分割结果之上，逐个同质单元完成光谱、空间和邻接关系的构建；
最后，在得到各个同质单元的光谱、空间信息，以及同质单元之间的邻接关系后，选择迭代合并算法，计算所有邻接关系的合并代价值，并进行排序，找到合并代价值最小的邻接关系对应的两个同质单元i和j，将i和j同质单元进行合并，作为新的同质单元i，更新其他同质单元与同质单元i的邻接关系，删除其他同质单元与同质单元j的邻接关系，不断重复这个过程直到迭代终止，得到最后的图像分割结果。
3.如权利要求1所述的基于面向对象分类的白天陆地辐射雾的遥感监测方法，其特征在于：所述步骤（5）具体为：基于步骤（4）得到的图像分割结果，将分割得到的各个同质单元进行ID编码，并将EOS/MODIS数据预处理以后的影像进行叠加，利用各个同质单元的ID号，计算各个同质单元在各个波段的光谱特征、纹理特征，各个同质单元的空间特征以及各个同质单元的云雾特征参数特征值，作为后续进行判别的属性信息。
4.如权利要求1所述的基于面向对象分类的白天陆地辐射雾遥感监测方法，其特征在于：还包括制作大雾遥感监测报告并分发，制作大雾遥感监测报告并分发，具体方式为：
首先，针对利用遥感技术分析基于EOS/MODIS数据获取的大雾分布信息及所在坐标范围等相关结果，利用Google Map API进行解析，确认其所在县、乡、村具体行政区域信息；
然后，对监测时间、所在行政区等相关信息进行过滤和分组，在开源web自动化测试工具Selenium2/Webdriver API的支持下生成大雾遥感监测报告并发布给相关机构。
一种基于面向对象分类的白天陆地辐射雾的遥感监测方法
技术领域
[0001] 本发明涉及测绘遥感技术领域，具体是一种基于面向对象分类的白天陆地辐射雾遥感监测方法。
背景技术
[0002] 雾是一种严重的灾害性天气，已被国际上列为十大灾害天气之一。2014年1月4日，中国国家减灾办、民政部通报2013年自然灾情，雾霾首次被国家纳入自然灾情。2013年，我国中东部地区雾霾严重，雾霾天气多发、频发。其中1-3月、9-12月雾霾天气尤其严重。根据《中华人民共和国气象行业标准：雾的等级及预报》，雾是近地面空气中的水汽凝结成大量悬浮在空气中的微小水滴或冰晶，导致水平能见度低于1千米的天气现象。按其物理本质来说，雾是气温低于露点时近地面层空气中水汽凝结（或凝华）的结果，其所具有的微物理结构特性造成了它极易降低空气透明度、恶化能见度，使视力受阻、视野模糊。浓雾不像地震、火山爆发、洪水等突发性灾害在短时间内对人类造成巨大的伤害，也不像风雨雷电那样让人惊心动魄，而是以“温柔杀手”的形式给社会经济和人民生活带来许多的不利影响和危害，它会降低能见度、恶化空气质量，对交通运输包括航空、航海、公路等都有直接影响。此外大雾对电力设施安全、人体健康、农业生产、军事行动、名胜古迹保护等方面也有显著影响。根据《国家气象灾害应急预案》、《江苏省气象灾害评估管理办法》、《武汉市气象灾害 防御办法》（征求意见稿）等国家级和区域级的气象灾害应急标准，针对我国部分地区日益严重的雾霾污染情况，持续性大范围高污染的雾现象需要在第一时间发现并及时进行评估和预警。
[0003] 传统的大雾监测方法是基于地面观测站点的监测，通过建立固定的监测站点、瞭望塔等方式在获取雾信息方面能够取得一定的效果，但是需要耗费大量的人力物力，特别是在偏远地区难以达到满意的效果；也难以迅速获取大范围的雾资料。地面观测站点提供的数据往往缺乏代表性，数值天气预报模型经过几十年的发展目前也取得了一定的进展，但是无论是二维还是三维模式在空间分辨率和时间分辨率方面都很难满足实际应用的需要，而且数值预报模型方法难以完全模拟大气演变，在精度和效率上也无法达到准实时雾监测的需求。
[0004] 遥感技术成了及时发现大雾和评定雾等级的有效途径。卫星监测大雾是在高频率的监测中掌握大雾的发生和发展动态，特别是边远地区的大雾发现、跟踪监测有重要意义。目前，利用卫星遥感技术进行大雾监测取得了一定进展，美国航空航天局、德国宇航局、中国国家卫星气象中心等机构都成立了卫星遥感大雾监测相关部门，对大雾进行监控，主要是利用NOAA/AVHRR气象卫星，MODIS气象卫星，MSG/SEVIRI气象卫星、FY气象卫星等。
[0005] NOAA/AVHRR数据是目前大雾遥感监测运用最广泛的数据源之一。1973年Hunt在理论上证明了由小粒径不透明水云（如雾、低层云）在中红外波段的比辐射率明显小于其在长波红外波段的比辐射率，而且这种差异和粒子大小有关，粒子越小，比辐射率的差异越大， 比辐射率的差异会造成云雾在中红外和长波红外波段亮度温度的差异，而其他地物（水体、植被）却没有这种性质。随后，Eyre等，Turner等利用NOAA/AVHRR数据10.8微米和3.7微米波段的亮度温度差（也称为“双波段差值法”）进行夜间雾和低层云的监测工作，发现该方法有较好的应用前景，该方法也是目前唯一用于业务化夜间雾监测的方法。同时，Saunders和Gray发现相比其他云类，由小粒径组成的云（如辐射雾）在中红外波段有比较高的反射率，利用反射率的差异可以进行雾监测。
[0006] 现有的白天陆地辐射雾遥感监测方法主要包括多波段阈值法和分形纹理法。多波段阈值法通过利用大气辐射传输模型模拟云雾辐射特征，确定云雾的特征波段，并设定阈值进行云雾检测。分形纹理法利用卫星云图上雾顶光滑、起伏较小、边界清晰整齐，而云顶具有纹理粗糙，起伏较大，边界破碎零乱等特点，采用分形理论描述云雾在灰度表面纹理粗细上的差异，并设定阈值进行云雾分离。
[0007] Bendix等基于Streamer大气辐射传输模型，通过分析地表反射率、太阳天顶角、光学厚度等因素的影响，模拟雾在MODIS波段的1-7波段上的最大、最小反射率，并以此作为阈值，运用多波段阈值法对白天陆地雾进行检测，同时结合地形数据对地面雾和抬升雾进行辨别。Cermak等使用MSG/SEVIRI静止气象卫星数据，综合考虑云、雾的光谱、空间和微物理属性，提出一种基于面向对象分类思想的低云和雾检测方法，正确率达到64%-83%，但是该方法主要针对欧洲地区的秋冬季节，并且是将低云和雾当作整体进行检测，同时由于 MSG数据空间分辨率偏低（3公里左右），导致小范围的雾容易漏检。马慧云等针对MODIS数据，提出了基于区域特征的云与陆地辐射雾分离检测算法，但她指出算法区域特征的选择仍需加强。李维等针对FY-2C/D/E数据，提出了基于支持向量机和时间序列特征的云与陆地辐射雾分离检测算法，但他指出雾相对云的时序变化特征选择仍需完善。
[0008] 中国专利申请200810238095.5针对海雾监测缺乏地面观测资料的限制，提出了一种针对EOS/MODIS卫星数据的遥感海雾特征量的实时提取方法。首先进行海雾检测得到海雾分布区，然后根据已有公式计算出海雾的光学厚度、雾有效半径、液态水路径、雾顶高度和雾能见度等特征参数，但是还有待于进一步验证。
[0009] 中国专利申请201210011489.3中提出了一种针对MTSAT2R的陆地辐射雾检测算法，考虑陆地辐射雾在远红外和近红外波动亮度温度差的累计效应，进行了基于时序影像的陆地辐射雾与地表分离研究，同时考虑夜间陆地辐射雾的发展规律和低云的运动特征，进行了基于时序影像的陆地辐射雾与低云的分离研究，但是MTSAT2R卫星数据的空间分辨率只有4公里，对面积较小的陆地辐射雾很容易漏检。
[0010] 传统的雾检测方法，Eyre等，Turner等基于NOAA/AVHRR数据提出的双波段差值法、Saunders和Gray提出的利用反射率差异的雾检测方法、Bendix等提出的基于多波段阈值的白天陆地雾遥感检测方法、中国专利200810238095.5提出的海雾检测方法、李维等提出的基于支持向量机和时间序列特征的云与陆地辐射雾分离检测算法等 方法都是基于像素（pixel-based）的检测方法，由于中低云和雾在光谱和纹理上的差异性导致两者难以区分；只有Cermak提出的基于MSG/SEVIRI数据的基于面向对象分类思想的低云和雾检测方法，通过对云雾影像进行图像分割，明确提出了综合考虑云、雾的光谱、空间和微物理属性进行云雾检测，但是利用MSG/SEVIRI和MTSAT静止气象卫星（如中国专利申请201210011489.3）又存在空间分辨率低（MSG/SEVIRI数据空间分辨率为3公里、MTSAT数据空间分辨率为4公里）导致在雾检测中存在漏检的问题。
[0011] 因此，目前陆地辐射雾监测的难点是监测范围大、雾的监测往往容易受到云的干扰等，另外雾光学厚度、雾影响面积等相关参数的提取存在一定困难，单独利用雾在遥感影像光谱特征上的特征难以准确有效的区分雾和各种云类。
发明内容
[0012] 本发明提供一种基于面向对象分类的白天陆地辐射雾遥感监测方法，可以解决现有技术陆地辐射雾监测存在的中低云和雾难以区分以及空间分辨率低导致漏检的问题。
[0013] 一种基于面向对象分类的白天陆地辐射雾的遥感监测方法，其特征在于包括如下步骤：
[0014] （1）利用Streamer大气辐射传输模型模拟各种典型云类和陆地辐射雾在可见光、近红外、中红外波段，不同粒子大小、不同光学厚度条件下的光谱辐射特征；
[0015] （2）利用Internet从美国航空航天局、中国国家卫星气象中心 下载获取EOS/MOSIS卫星遥感数据，基于步骤（1）对各种典型云类和陆地辐射雾在可见光、近红外、中红外波段的光谱特征模拟，并结合统计大量EOS/MODIS卫星遥感数据，确定MODIS数据能够用于云雾检测的波段或波段组合，根据云类和陆地辐射雾在可见光波段和中红外波段反射率的差异，构建NDFI归一化雾指数作为云雾特征参数，所述NDFI归一化雾指数的计算公式为[0016]
[0017] 其中，R1是MODIS第1波段反射率，R20是MODIS第20波段的反射率；
[0018] （3）通过对下载的每条EOS/MODIS卫星数据进行辐射定标处理、几何定位处理，获取EOS/MODIS卫星数据可见光、近红外波段的反射率、中红外波段亮度温度和热红外波段亮度温度，并计算相应的太阳天顶角角度信息，按照步骤（2）计算NDFI云雾特征参数；
[0019] （4）对所述NDFI云雾特征参数进行图像分割，获取至少两个同质单元的分割后图像；
[0020] （5）对分割获取的各个同质单元逐个计算其属性信息，所述属性信息包括光谱特征、纹理特征、几何特征以及云雾特征参数特征值；
[0021] （6）利用步骤（5）计算获取的各个同质单元的属性信息，结合地面实测气象观测数据，引入同质单元的面积、第1波段反射率平均值、归一化积雪指数（NDSI）平均值、第2波段反射率平均值、第20波段反射率平均值、第26波段反射率平均值、第31波段亮度温 度方差值、归一化雾指数（NDFI）平均值作为云雾识别的判别特征，结合中国气象局气象数据共享平台获取全球地面天气资料定时值数据集，采用决策树分类算法对分割后构建的同质单元的各种属性进行训练，确定同质单元的各个属性判别阈值，对分割得到的同质单元逐个进行云雾分离判断，得到大雾分布专题影像。
[0022] 进一步的，所述步骤（4）对所述NDFI云雾特征参数进行图像分割具体为：
[0023] 首先，基于NDFI云雾特征参数，选择均值漂移算法对影像进行初步分割，得到一个偏“过分割”的初步分割结果；
[0024] 然后，在“过分割”的初步分割结果之上，逐个同质单元完成光谱、空间和邻接关系的构建；
[0025] 最后，在得到各个同质单元的光谱、空间信息，以及同质单元之间的邻接关系后，选择迭代合并算法，计算所有邻接关系的合并代价值，并进行排序，找到合并代价值最小的邻接关系对应的两个同质单元i和j，将i和j同质单元进行合并，作为新的同质单元i，更新其他同质单元与同质单元i的邻接关系，删除其他同质单元与同质单元j的邻接关系，不断重复这个过程直到迭代终止，得到最后的图像分割结果。
[0026] 进一步的，所述步骤（5）具体为：基于步骤（4）得到的图像分割结果，将分割得到的各个同质单元进行ID编码，并将EOS/MODIS数据预处理以后的影像进行叠加，利用各个同质单元的ID号，计算各个同质单元在各个波段的光谱特征、纹理特征，各个同质单元的空 间特征以及各个同质单元的云雾特征参数特征值，作为后续进行判别的属性信息。
[0027] 进一步的，还包括制作大雾遥感监测报告并分发，制作大雾遥感监测报告并分发，具体方式为：
[0028] 首先，针对利用遥感技术分析基于EOS/MODIS数据获取的大雾分布信息及所在坐标范围等相关结果，利用Google Map API进行解析，确认其所在县、乡、村具体行政区域信息；
[0029] 然后，对监测时间、所在行政区等相关信息进行过滤和分组，在开源web自动化测试工具Selenium2/Webdriver API的支持下生成大雾遥感监测报告并发布给相关机构。
[0030] 本发明针对已有白天陆地辐射雾存在的问题，以光谱信息丰富（有36个波段，光谱范围从400微米到1440微米），空间分辨率高（最高达到250米）的EOS/MODIS卫星遥感数据为遥感数据源，基于大气辐射传输模型，通过对各种云类和雾进行辐射传输模拟，分析各种云类和雾在可见光、近红外、中红外波段不同粒子大小、不同光学厚度条件下的光谱辐射特征，并结合实际的EOS/MOSIS数据，构造最能够描述云雾差异的特征参数；通过对EOS/MOSIS数据进行数据预处理，计算云雾特征参数，并选择合适的图像分割算法，对云雾特征参数进行图像分割，综合考虑分割后各个同质单元，在云雾特征参数值、各个波段的光谱特征、纹理特征、各个同质单元的空间特征，利用决策树分类算法进行雾检测，能够有效避免云雾在光谱上的相似性导致雾检测困难的现状，并基于EOS/MODIS数据获取的大雾分布 信息及所在坐标范围等相关结果，利用Google Map API进行解析，确认其所在县、乡、村等具体行政区域信息。对监测时间、所在行政区等相关信息进行过滤和分组，在开源web自动化测试工具Selenium2/Webdriver API的支持下逐条生成大雾分布监测报告进行自动推送到指定用户邮箱。本专利发明对大雾灾害的及时发现和应急响应能够起到关键性的支撑作用，具有重大意义。附图说明
[0031] 图1为本发明利用Streamer模型模拟MODIS第1波段反射率随光学厚度的变化示意图；
[0032] 图2为本发明利用Streamer模型模拟MODIS第1波段反射率随有效粒子大小的变化示意图；
[0033] 图3为本发明利用Streamer模型模拟MODIS第6波段反射率随光学厚度的变化示意图；
[0034] 图4为本发明利用Streamer模型模拟MODIS第6波段反射率随有效粒子大小的变化示意图；
[0035] 图5为本发明利用Streamer模型模拟MODIS第20波段反射率随光学厚度的变化示意图；
[0036] 图6为本发明利用Streamer模型模拟MODIS第20波段反射率随有效粒子大小的变化示意图；
[0037] 图7为本发明对比Streamer模型模拟MODIS第1、6波段反射率随不同光学厚度的变化示意图；
[0038] 图8为本发明对比Streamer模型模拟MODIS第1、20波段反射率随不同光学厚度的变化示意图；
[0039] 图9为本发明对比各种云类和雾在MODIS第1波段和第20波段反射率随不同光学厚度的变化示意图；
[0040] 图10为本发明构建的NDFI云雾特征参数在区分各种不同光学厚度云类和雾的示意图；
[0041] 图11为本发明对比云雾在MODIS影像反射率和直方图差异的示意图；
[0042] 图12为本发明基于面向对象分类的白天陆地辐射雾遥感监测方法的流程示意图；
[0044] 图14为本发明其中一实施例对MODIS数据处理过程图像及实测站点分布图；
[0045] 图15为本发明另一实施例对MODIS数据处理过程图像及实测站点分布图。
具体实施方式
[0046] 下面将结合具体实施例，对本发明中的技术方案进行清楚、完整地描述。
[0047] 一种基于面向对象分类的白天陆地辐射雾的遥感监测方法，包括以下步骤：
[0048] （1）选择合适的大气辐射传输模型模拟各种典型云类（包括高云、中云、低云等）和陆地辐射雾在可见光、近红外、中红外波段，不同粒子大小、不同光学厚度条件下的光谱辐射特征；具体的模拟过程如下：
[0049] 首先，在当前种类繁多的大气辐射传输模型中选择适合进行模拟各种典型云类（包括高云、中云、低云等）和陆地辐射雾在可见光、近红外、中红外波段不同粒子大小、不同光学厚度条件下的光谱辐射特征的大气辐射传输模型，本实施例选择的是Streamer模型，该模型是由美国威斯康星大学Jeff Key，Axel Schweiger，i-Chee Tsay等人合作完成，非常适合进行在不同参数条件下各种云类和雾的光谱辐射特征模拟。
[0050] 其次，在linux环境下，利用Streamer模型，通过csh脚本，改变各种云类和陆地辐射雾的光学厚度、粒子大小，模拟各种云类和陆地辐射雾在可见光、近红外、中红外波段在不同的光学厚度、粒子大小条件下云雾的光谱辐射特征，观察MODIS在可见光、近红外、中红外波段的光谱辐射特征随云雾的光学厚度和有效粒子大小的变化。
[0051] 在可见光、近红外波段，卫星入瞳处所接收到的辐射能量主要来自目标物（地表、云顶、雾顶）反射的太阳短波辐射能量。利用Streamer辐射传输模式，模拟MODIS的波段1(0.66μm)和波段6(1.64μm)的反射率随云雾的光学厚度和有效粒子大小的变化，模型模拟过程选择中纬度冬季大气模型、农村气溶胶模型和植被地表等参数。如图1和图2所示，分别模拟了MODIS波段1反射率与光学厚度τ、有效粒子 半径Re之间的关系。模拟结果显示MODIS波段1反射率对光学厚度τ的变化比较敏感，而受云雾有效粒子半径Re的影响相对比较小。
[0052] 图3和图4分别模拟了MODIS波段6反射率与光学厚度τ、有效粒子半径Re之间的关系。模拟结果显示MODIS波段6反射率对有效粒子半径的变化比较敏感，而在光学厚度大于一定程度时，基本上不随光学厚度的增加而变化，可近似认为不变。
[0053] 中红外波段(3.7μm)位于太阳短波辐射和地球长波辐射的公共区域。图5和图6模拟了MODIS第20波段反射率随云雾光学厚度和有效粒子半径的变化情况。可以看出，高云、中云、低云在MODIS第20波段的反射率很低，而雾在MODIS第20波段的反射率相对较高，而且反射率基本上不随光学厚度的增加而提高。而受云雾有效粒子的影响相对比较大，粒子越大，在第20波段的反射率越小。
[0054] 步骤（1）是基础，通过选择合适的大气辐射传输模型，模拟EOS/MODIS数据在可见光、近红外、中红外波段的光谱辐射特征，观察在可见光、近红外、中红外波段各种云类和雾的光谱辐射特征随云雾的光学厚度和有效粒子大小的变化。针对MODIS数据光谱信息丰富的优势，利用大气辐射传输模型模拟各种云类和雾在MODIS各个波段的光谱辐射特征，并统计大量的MODIS卫星遥感数据，充分挖掘MODIS数据能够用于云雾检测的波段或波段组合。
[0055] （2）利用Internet从美国航空航天局、中国国家卫星气象中心下载获取EOS/MOSIS卫星遥感数据，从中国气象局气象数据共享平台获取全球地面天气资料定时值数据集作为本专利的训练和验证数据； 基于步骤（1）通过利用大气辐射传输模型对云雾辐射特性的模拟并结合实际的EOS/MODIS卫星遥感数据，确定能够用于云雾检测的特征波段或波段组合，如图7、图8、图9所示。基于步骤（1）使用Streamer辐射传输模式对各种云类、雾在MODIS第1、6、20波段反射率随光学厚度和有效粒子半径变化的辐射特性，发现MODIS第1波段对光学厚度的变化敏感，而MODIS第6和20波段对有效粒子半径变化敏感。
[0056] 对比图7和图8，可以看到利用MODIS数据波段1和波段6与波段1和波段20两种波段组合都能够对云雾特征有一定程度的反映，但是通过对比图7(c)、图7(d)、图8(c)和图8(d)，波段1和波段20的组合要优于波段1和波段6，在区分低云和雾两种情况下具有相对大的特征空间，利用波段1和波段20能够比较有效的将各种云类和雾进行区分，如图9所示。因此本发明实施例最终选择了使用MODIS第1波段和第20波段构造NDFI归一化雾指数作为NDFI云雾特征参数，NDFI归一化雾指数的定义如式(1)所示，
[0057]
[0058] 而且从图9和图10中可以看到高云系的NDFI值最大，其次是中云系，再次是低云系，雾的NDFI值比云类要小，利用NDFI云雾特征参数能够比较有效的对各种云类和雾进行区分。
[0059] 中红外3.7μm波段（MODIS第20波段）在白天接收的能量比较复杂，既有目标物自身的热辐射，又包含其反射的太阳辐射。其自身的发射辐射ER可以近似如式(2)所示：
[0060] ER=ε20B20(T31)=(1-A20)B20(T31) (2)
[0061] 其中：A20是第20波段的反照率；B20(T31)表示利用普朗克函数使用10.8μm波段（MODIS第31波段）的亮度温度计算第20波段的辐射能量，由于在MODIS第31波段热红外波段处雾顶可近似为黑体，可以用31波段亮度温度来代替雾顶温度。
[0062] 反射部分的辐射能量RR，对于光学厚度大的云，可以近似如式(3)所示：
[0063] RR=π-1A20B20(Tsun)Ωsuncosζ (3)
[0064] 其中：Ωsun是立体角6.8×10-5sr；Tsun=5872K，ζ是太阳天顶角；Ωsun是对向地-5球的太阳立体角，取值为6.8×10 sr；Tsun是太阳表面温度，取值为5872K。卫星在中红外
3.7μm波段（MODIS第20波段）接收的辐射能量可以认为是自身发射辐射ER与反射辐射能量RR之和，如式(4)所示：
3.7μm波段（MODIS第20波段）接收的辐射能量可以认为是自身发射辐射ER与反射辐射能量RR之和，如式(4)所示：
[0065] L20=ER+RR (4)
[0066] 则MODIS第20波段的反照率可以由式(5)表示：
[0067]-1
[0068] 假定目标表面是各项同性的，则其方向反射率可以简单表示为π A20，结合式(1)，NDFI的计算公式可以由式(6)表示:
[0069]
[0070] 图11显示的分别是2006年12月25日的MODIS第1波段反射率，第20波段反射率和NDFI参数以及各自对应的直方图。分析图 像的直方图发现，单独利用MODIS第1波段反射率只能进行简单的云检测，难以进行云雾分离，MODIS第20波段反射率，其直方图初步表现出近似于双峰的结构，如图11（e）所示，而本发明提出的归一化雾指数的直方图存在明显的双峰结构（统计直方图排除了第1波段反射率小于0.2的像元），云雾两类像元之间典型值的差别较明显，可以用于云雾分离。
[0071] （3）通过对下载的每条EOS/MODIS卫星数据进行辐射定标处理、几何定位处理，获取EOS/MODIS卫星数据可见光、近红外波段的反射率、中红外波段亮度温度和热红外波段亮度温度，并计算相应的太阳天顶角角度信息，按照步骤（2）的公式计算NDFI云雾特征参数；具体步骤如下：
[0072] 首先，利用GDAL、HDF等软件包读取EOS/MOSIS卫星遥感数据，提取其数据生成时间、数据质量信息、各个波段定标参数等基础信息；并基于GDAL、HDF等软件包，通过波段运算和文件IO操作完成EOS/MOSIS卫星遥感数据的辐射定标和数据格式转换，完成对EOS/MODIS卫星数据的辐射定标处理。
[0073] 其次，利用PROJ.4等软件包，结合EOS/MOSIS数据自带的经纬度坐标文件对EOS/MOSIS卫星遥感数据进行坐标变换，EOS/MOSIS卫星数据的36个波段，1-2波段空间分辨率是250米，3-7波段空间分辨率是500米，其他波段以及卫星天顶角、太阳天顶角、相对方位角等角度参数的空间分辨率是1公里，在实际坐标变换过程中采用间接法对数据进行处理，并利用双三次卷积算法对空白区 域进行插值，得到具有坐标信息的EOS/MOSIS卫星遥感数据，完成对EOS/MODIS卫星数据的几何定位处理。获取经过辐射定标处理和几何定位处理之后的EOS/MODIS卫星数据可见光、近红外波段的反射率，中红外波段亮度温度和热红外波段亮度温度，以及太阳天顶角角度信息。
[0074] 最后，对经过辐射定标处理和几何定位处理后的MODIS数据可见光、近红外波段的反射率，中红外波段亮度温度和热红外波段亮度温度，按照步骤（2）中的式（6）计算NDFI云雾特征参数。
[0075] （4）对所述NDFI云雾特征参数进行图像分割，获取至少两个同质单元的分割后图像；具体方式如下：
[0076] 在步骤（3）完成对EOS/MODIS数据的预处理（辐射定标处理和几何定位处理）之后，得到了EOS/MODIS数据36个光谱波段信息、太阳天顶角等角度信息，以及NDFI云雾特征参数信息。首先，基于NDFI云雾特征参数，选择现有的均值漂移算法对影像进行初步分割。均值漂移算法需要使用者设置空间带宽和光谱带宽两个参数，而这两个参数对均值漂移算法进行图像分割的结果有很显著的影响，本发明在这个步骤对空间带宽和光谱带宽两个输入参数的设置不要求很精确，只需要得到一个偏“过分割”的初步分割结果，得到相应的同质单元；
[0077] 然后，在“过分割”的初步分割结果之上，逐个同质单元完成光谱、空间和邻接关系的构建；
[0078] 最后，在得到各个同质单元的光谱、空间信息，以及同质单元之 间的邻接关系后，选择迭代合并算法，计算所有邻接关系的合并代价值，并进行排序，找到合并代价值最小的邻接关系对应的两个同质单元i和j，将i和j同质单元进行合并，作为新的同质单元i，更新其他同质单元与同质单元i的邻接关系，删除其他同质单元与同质单元j的邻接关系，不断重复这个过程直到迭代终止，得到最后的图像分割结果。
[0079] （5）针对各个同质单元，计算各个波段的光谱特征、纹理特征、空间特征以及云雾特征参数特征值，作为后继进行判别的属性信息。具体方式如下：
[0080] 基于步骤（4）得到的图像分割结果，将分割得到的各个同质单元进行ID编码，并将EOS/MODIS数据预处理以后的影像进行叠加，利用各个同质单元的ID号，计算各个同质单元在各个波段的光谱特征、纹理特征，各个同质单元的空间特征以及各个同质单元的云雾特征参数特征值，作为后续进行判别的属性信息；
[0081] （6）利用步骤（5）计算获取各个同质单元的属性信息，并结合气象部门提供的地面实测气象观测数据，如图13所示，引入同质单元的面积（Area）、第1波段反射率平均值（MEAN（R1））、归一化积雪指数平均值（MEAN（NDSI））、第2波段反射率平均值（MEAN（R2）、第20波段反射率平均值（MEAN（R20）、第26波段反射率平均值（MEAN（R26））、第31波段亮度温度方差值（VAR（T31））、归一化雾指数平均值（MEAN（NDFI））等作为云雾识别的判别特征，结合中国气象局气象数据共享平台获取全球地面天气资料定时值数 据集，利用决策树分类算法进行训练构建模型，确定同质单元的各个属性判别阈值，对分割得到的同质单元逐个进行云雾分离判断，得到大雾分布专题影像。
[0082] （7）制作大雾遥感监测报告并分发，制作大雾遥感监测报告并分发。具体方式如下：
[0083] 首先，针对利用遥感技术分析基于EOS/MODIS数据获取的大雾分布信息及所在坐标范围等相关结果，利用Google Map API进行解析，确认其所在县、乡、村等具体行政区域信息。
[0084] 然后，对监测时间、所在行政区等相关信息进行过滤和分组，在开源web自动化测试工具Selenium2/Webdriver API的支持下生成大雾遥感监测报告并发布给相关机构，例如自动推送到指定用户邮箱。
[0085] 下面提供两个具体实施例对本发明技术方案的效果进行验证：
[0086] 实施例1：
[0087] 本案例是2006年12月25日03时20分（UTC）的MODIS数据。这次大雾从12月24日开始一直持续到12月28日才完全消散，大雾覆盖范围包括江苏省、安徽省、山东省等。
如图14所示，其中图14(a)是用MODIS6，2，1波段合成的假彩色合成图，图14(b)是本发明步骤（2）提出的NDFI云雾特征参数影像图，图14(c)是本发明步骤（4）分割获取的各个同质单元分布图，图14(d)是根据结合地面气象观测数据进行云雾判断后得到雾区分布图（灰色区域），其中三角形表示湖北气象局提供的没有观测到雾发生的实测站点分布图，而圆点表示是观测到雾的实测站点分布图。
如图14所示，其中图14(a)是用MODIS6，2，1波段合成的假彩色合成图，图14(b)是本发明步骤（2）提出的NDFI云雾特征参数影像图，图14(c)是本发明步骤（4）分割获取的各个同质单元分布图，图14(d)是根据结合地面气象观测数据进行云雾判断后得到雾区分布图（灰色区域），其中三角形表示湖北气象局提供的没有观测到雾发生的实测站点分布图，而圆点表示是观测到雾的实测站点分布图。
[0088] 表1：实施例1精度评定表
[0089]
[0090] 从表1可以看出，采用本发明进行遥感监测效果较好，总体精度可以达到89.67%，而且误检率低。
[0091] 实施例2：
[0092] 本案例是2007年12月20日02时30分（UTC）的MODIS数据。这次大雾覆盖范围包括河北省、北京市、天津市、山东省、江苏省等。如图15所示，图15(a)是用MODIS6，2，1波段合成的假彩色合成图，图15(b)是本发明步骤（2）提出的NDFI云雾特征参数影像图，图15(c)是本发明步骤（4）分割获取的各个同质单元分布图，图15(d)是根据结合地面气象观测数据进行云雾判断后得到雾区分布图（灰色区域），其中三角形表示湖北气象局提供的没有观测到雾发生的实测站点分布图，而圆点表示是观测到雾的实测站点分布图。
[0093] 表2：实施例2精度评定表
[0094]
[0095] 从表2可以看出，采用本发明进行遥感监测效果较好，总体精度 可以达到86.63%，而且误检率低。
[0096] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种便于定位与导航的列车广播系统 | 2020-05-08 | 119 |
| 一种小卫星拼接成像地面模拟系统 | 2020-05-08 | 606 |
| 星载原子钟性能评估方法 | 2020-05-08 | 531 |
| 一种基于车载经纬仪的自定位系统及方法 | 2020-05-08 | 719 |
| 一种应用于智能终端RTD定位的粗差探测方法及系统 | 2020-05-08 | 840 |
| 一种北斗和GPS卫星信号接收的正直性监测和判决方法 | 2020-05-08 | 341 |
| 定位方法及装置 | 2020-05-08 | 208 |
| 用于车辆定位的方法、装置、设备和计算机可读存储介质 | 2020-05-11 | 23 |
| 天通小猫便携式卫星终端 | 2020-05-08 | 463 |
| 一种数据处理方法及卫星通信系统 | 2020-05-08 | 78 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈