張素蘭， 代海山， 趙其昌， 楊 勇

（1.長(zhǎng)江師范學(xué)院 計(jì)算機(jī)工程學(xué)院/三峽庫(kù)區(qū)環(huán)境監(jiān)測(cè)與災(zāi)害防治工程研究中心，重慶 408100；2.西安夢(mèng)筆談信息科技有限公司，西安 710065；3.上海衛(wèi)星工程研究所，上海 200240）

FY-3C/MERSI云檢測(cè)算法研究

張素蘭1，2*， 代海山3， 趙其昌3， 楊 勇3

（1.長(zhǎng)江師范學(xué)院 計(jì)算機(jī)工程學(xué)院/三峽庫(kù)區(qū)環(huán)境監(jiān)測(cè)與災(zāi)害防治工程研究中心，重慶 408100；2.西安夢(mèng)筆談信息科技有限公司，西安 710065；3.上海衛(wèi)星工程研究所，上海 200240）

作為風(fēng)云系列衛(wèi)星的新數(shù)據(jù)源，風(fēng)云三號(hào)C星 （FY-3C）的中分辨率光譜成像儀 （MERSI）數(shù)據(jù)目前多見(jiàn)于試驗(yàn)性研究，國(guó)家衛(wèi)星氣象中心 （NSMC）發(fā)布的業(yè)務(wù)產(chǎn)品中尚未包含云檢測(cè)的相關(guān)產(chǎn)品。基于FY-3C/MERSI可見(jiàn)光和短波紅外通道的光譜特性，提取云檢測(cè)標(biāo)準(zhǔn)，構(gòu)建云檢測(cè)算法。算法處理流程為首先從FY-3C/MERSI一級(jí)數(shù)據(jù)產(chǎn)品中 （MERSI Level 1B）提取和云相關(guān)的通道數(shù)據(jù)，然后經(jīng)過(guò)定標(biāo)處理轉(zhuǎn)換成云檢測(cè)標(biāo)準(zhǔn)所需的各個(gè)可見(jiàn)光通道的反射率，最后根據(jù)云檢測(cè)標(biāo)準(zhǔn)識(shí)別圖像中的云像素信息，為后續(xù)大氣反演和地表參數(shù)反演提供可靠的數(shù)據(jù)。

FY-3C/MERSI；云檢測(cè)；光譜特性；反射率

風(fēng)云三號(hào)C星 （FY-3C）是我國(guó)第二代極軌氣象衛(wèi)星，于2013年9月23日上午11時(shí)07分在太原衛(wèi)星中心成功發(fā)射。它的目標(biāo)是實(shí)現(xiàn)全球大氣和地球物理要素的全天候、全天時(shí)的多光譜觀測(cè)。中分辨率光譜成像儀MERSI（Medium Resolution Spectral Imager）是FY-3C最主要的光學(xué)成像儀器。它有20個(gè)光譜通道，可探測(cè)大氣、陸地、海洋的可見(jiàn)光反射輻射和熱紅外發(fā)射輻射[1]。相比于其他同類星載傳感器（如EOS/MODIS），它的熱紅外通道和光譜響應(yīng)均有所提高，使得其可以更加精細(xì)地捕捉地表、洋面及云頂?shù)臒釋傩孕畔?，同時(shí)也可以為云檢測(cè)等遙感產(chǎn)品的生成提供高分辨率熱紅外圖像[2]。

由于FY-3C數(shù)據(jù)目前多見(jiàn)于試驗(yàn)性研究，國(guó)家衛(wèi)星氣象中心 （National Satelite Meterological Center，NSMC）發(fā)布的業(yè)務(wù)產(chǎn)品中尚缺乏云檢測(cè)相應(yīng)的產(chǎn)品。同時(shí)受地理位置、氣候、季節(jié)等多種綜合因素的影響，云分布在時(shí)間和空間上具有極大的不確定性，使得云檢測(cè)成為遙感圖像處理中的難題。目前在云檢測(cè)方面的研究，概括起來(lái)大致可分為三類：閾值法[3-5]、聚類分析法和神經(jīng)網(wǎng)絡(luò)法[6-8]。其中，閾值法主要依據(jù)云的反射率要明顯高于植被、土壤及水體等背景反射率[9]，它是一種相對(duì)成熟且易于實(shí)現(xiàn)的方法，目前這類云檢測(cè)算法多適用于EOS/MODIS，但在FY-3C/MERSI云檢測(cè)過(guò)程中的應(yīng)用還需進(jìn)一步探討和驗(yàn)證。

本文基于FY-3C/MERSI的光譜特性分析，建立云檢測(cè)算法模型，旨在剔除FY-3C/MERSI數(shù)據(jù)中云覆蓋率大的遙感圖像，為后續(xù)的大氣反演和地表參數(shù)反演提供依據(jù)。因此，針對(duì)FY-3C/MERSI遙感數(shù)據(jù)的業(yè)務(wù)應(yīng)用需求，其云檢測(cè)算法研究具有重要的應(yīng)用價(jià)值。

1 云光譜特性分析

研究表明，在可見(jiàn)光0.650 μm波段處，晴空數(shù)據(jù)一般具有較低的反射率，其值為0～0.3；而云的反射率則高于30%，因此可見(jiàn)光0.650 μm波段是進(jìn)行云檢測(cè)的首選波段[10-11]。同時(shí)，云在近紅外波段0.940 μm處的波譜特征與大氣中的含水量有關(guān)，可反映大氣中的水汽特征[12]。由于0.650 μm與0.940 μm云與各種地物波譜特征形成明顯反差，將兩者歸一化處理一方面可以突出云的信息，另一方面可以部分消除太陽(yáng)高度角、衛(wèi)星掃描角及大氣程輻射的影響。歸一化云檢測(cè)指數(shù)B0.650-0.940可表示為：

由于云反射光譜在0.650 μm處具有較高的反射率，而在0.940 μm因受水汽影響,其反射率較低，故有B0.650-0.940＞0；而土壤反射光譜在0.650 μm和0.940 μm兩個(gè)波段處的反射率較為接近，因此B0.650-0.940≈0；植被反射光譜在0.650 μm處呈低反射，在0.940 μm處呈高反射，因此B0.650-0.940〈0。

研究表示，雪和云在可見(jiàn)光波段具有相似的反射特性。但在1.640 μm近紅外波段中，雪因吸收太陽(yáng)輻射強(qiáng)而導(dǎo)致反射率低，云則相對(duì)吸收太陽(yáng)輻射少而反射率高，通常對(duì)0.650 μm和1.640 μm波段處的反射率進(jìn)行歸一化處理，如式 （2）所示，進(jìn)行區(qū)分云和雪。歸一化處理一定程度上可以消除大氣輻射及儀器影響[13]，但該法容易將湖岸、海岸線誤判，因此利用對(duì)云敏感的0.412 μm紫光波段進(jìn)行修正[14]。

根據(jù)不同波段對(duì)云的敏感特性，以及MERSI數(shù)據(jù)的各通道的波譜特性，結(jié)合大氣窗口和云的輻射傳輸特點(diǎn)，選擇了MERSI可見(jiàn)光到短波紅外4個(gè)通道數(shù)據(jù)進(jìn)行云檢測(cè)。具體通道選擇及對(duì)應(yīng)波段波長(zhǎng)值如表1所示。

表1 MERSI云檢測(cè)的特征波段Table 1 The characteristic bands for MERSI cloud detection

根據(jù)上述云的光譜特性，本文中云檢測(cè)標(biāo)準(zhǔn)實(shí)現(xiàn)有三種途徑：

（1）MERSI可見(jiàn)光通道3是進(jìn)行云檢測(cè)的首選通道，其反射率B3大于30%即可判斷為云，表示為T1=B3＞0.3。

（2）根據(jù)MERSI通道3，18的反射率，利用公式 （1）計(jì)算云檢測(cè)指數(shù)B3-18，其值大于0即可判斷為云，表示為T2=B3-18＞0。

（3）根據(jù)MERSI通道3，6的反射率，利用公式 （2）對(duì)其差和比B3-6進(jìn)行判斷，如果其值小于0.002，則有可能為云。城鎮(zhèn)、海岸在這兩個(gè)通道中反射率值和厚云值接近，在云檢測(cè)過(guò)程中利用通道8的反射率B8來(lái)修正，同時(shí)利用可見(jiàn)光通道3反射率B3來(lái)剔除水體。云檢測(cè)標(biāo)準(zhǔn)T3表示為T3=B8＞0.17&B3-6〈0.002&B3＞0.2。

云檢測(cè)過(guò)程為：首先獲取各個(gè)通道的反射率B，計(jì)算T1，T2，T3，然后逐一建立云掩模，最終得到云檢測(cè)結(jié)果。

2 FY-3C/MERSI云檢測(cè)算法設(shè)計(jì)

本研究采用中國(guó)氣象局風(fēng)云衛(wèi)星遙感數(shù)據(jù)服務(wù)網(wǎng)①http://satellite.cma.gov.cn/發(fā)布的FY-3C/MERSI L1數(shù)據(jù)。它的存儲(chǔ)格式為HDF5層次式文件格式，包含組、數(shù)據(jù)集及其他輔助對(duì)象類型如數(shù)據(jù)類型、數(shù)據(jù)空間和屬性。MERSI L1是對(duì)原始觀測(cè)DN值進(jìn)行了多探元均一化訂正后的輸出，在進(jìn)行云檢測(cè)之前還需將其進(jìn)行輻射定標(biāo)，生成反映各個(gè)通道反射特性的真實(shí)數(shù)據(jù)。MERSI輻射定標(biāo)采用多項(xiàng)式進(jìn)行，可見(jiàn)光通道是二次多項(xiàng)式定標(biāo)，定標(biāo)后的物理量是其反射率。全部通道數(shù)據(jù)定標(biāo)前都要進(jìn)行通道的DN調(diào)整恢復(fù)，即：

其中DN*是L1數(shù)據(jù)中的EV科學(xué)數(shù)據(jù)集計(jì)數(shù)值，它是預(yù)處理時(shí)對(duì)原始DN經(jīng)過(guò)多探元?dú)w一化處理后的計(jì)數(shù)值，公式中的slope和intercept是對(duì)應(yīng)EV科學(xué)數(shù)據(jù)集的內(nèi)部屬性值包含在HDF5文件中，定標(biāo)計(jì)算是在DN**基礎(chǔ)之上進(jìn)行處理?？梢?jiàn)光通道定標(biāo)公式為：

其中K0，K1，K2為定標(biāo)系數(shù)數(shù)據(jù)集VIS_Cal_Coeff中對(duì)應(yīng)通道的3個(gè)系數(shù)。θ為太陽(yáng)天頂角，記錄在HDF5全局屬性中。

由上述分析，F(xiàn)Y-3C/MERSI云檢測(cè)算法可描述為：

（1）首先從HDF5文件中讀取云檢測(cè)標(biāo)準(zhǔn)中所述的四個(gè)通道3，6，8，18的數(shù)據(jù)及其定標(biāo)系數(shù)；

（2）然后根據(jù)公式 （3）對(duì)各個(gè)通道進(jìn)行DN值調(diào)整，計(jì)算通道圖像數(shù)據(jù)經(jīng)緯度，進(jìn)而計(jì)算太陽(yáng)天頂角；

（3）根據(jù)上一步得到的DN**及太陽(yáng)天頂角，根據(jù)公式 （4）對(duì)可光通道進(jìn)行定標(biāo)，將MERSI L1數(shù)據(jù)轉(zhuǎn)換成云檢測(cè)所需的各個(gè)通道的反射率B；

（4）最后根據(jù)上述定標(biāo)后的數(shù)據(jù)及云檢測(cè)算法標(biāo)準(zhǔn)進(jìn)行云檢測(cè)，得到云檢測(cè)結(jié)果圖像，其算法如下。Algorithm Cloud_Detection（HDF5 file)

{

band[4]={3,6,8,18};

i=0；

while（i++〈4)

{

讀取file中通道band[i-1]圖像數(shù)據(jù)集，定標(biāo)系數(shù)及全局屬性；

調(diào)整通道band[i-1]圖像數(shù)據(jù)DN值；

計(jì)算圖像數(shù)據(jù)經(jīng)緯度；

計(jì)算太陽(yáng)天頂角；

根據(jù)定標(biāo)公式 （4）計(jì)算通道band[i-1]反射率；

}

根據(jù)云檢測(cè)標(biāo)準(zhǔn)進(jìn)行云檢測(cè)；

輸出圖像；

}

3 實(shí)驗(yàn)及分析

實(shí)驗(yàn)中選取2013年11月27日UT 04：20-04：25的青藏高原地區(qū)的數(shù)據(jù)進(jìn)行云檢測(cè)算法驗(yàn)證實(shí)驗(yàn)。圖1（a）是通道3，6，8，18太陽(yáng)反射波段數(shù)據(jù)DN*的圖像，是直接從MERSI HDF5中讀取的，圖1（b）是對(duì)DN*數(shù)據(jù)進(jìn)行定標(biāo)之后得到的通道3，6，8，18的地表反照率數(shù)據(jù)圖像。圖2是云檢測(cè)計(jì)算結(jié)果的圖像。子圖 BAND 3，BAND 8-3-6，和 BAND 3-18分別顯示根據(jù)云檢測(cè)標(biāo)準(zhǔn) T1=B3＞0.3，T2=B3-18＞0，T3=B8＞0.17&B3-6＜0.002&B3＞0.2，利用圖1（b）中的數(shù)據(jù)進(jìn)行云檢測(cè)的結(jié)果，而BAND 3-6-8-18是三個(gè)標(biāo)準(zhǔn)相結(jié)合的結(jié)果。醬紫色表示的數(shù)值為1，代表檢測(cè)出的云數(shù)據(jù)信息。

圖1 MERSI/FY-3C可見(jiàn)光通道3，6，8，18地球觀察的多探元均一化訂正后的讀數(shù)值DN*及地表反射率Fig.1 The multi-detectors’DN*value after homogenization revised and surface reflectance for visible channel 3,6,8,18 from earth observation respectively

圖2 MERSI/FY-3C可見(jiàn)光通道3，6，8，18的云檢測(cè)結(jié)果圖像Fig.2 The result image for visible channel 3,6,8,18 after cloud detection

對(duì)比圖1（b）和圖2可以看出本文提出的云檢測(cè)算法能夠很好地識(shí)別出MERSI L1產(chǎn)品數(shù)據(jù)中的云數(shù)據(jù)信息。 標(biāo)準(zhǔn) T1=B3＞0.3 和T2=B3-18＞0 檢測(cè)的結(jié)果相當(dāng)一致， 標(biāo)準(zhǔn)T3=B8＞0.17&B3-6〈0.002&B3＞0.2 提供了不同的補(bǔ)充信息。

4 結(jié)論

作為新型且重要的衛(wèi)星數(shù)據(jù)源，F(xiàn)Y-3C/MERSI具有巨大的應(yīng)用潛力。云檢測(cè)是衛(wèi)星遙感圖像處理、反演大氣和地表參數(shù)的必要預(yù)處理工作之一。本文根據(jù)云的光譜特性，從FY-3C/MERSI中選取3，6，8，18四通道圖像數(shù)據(jù)，建立適用于FY-3C/MERSI的云檢測(cè)標(biāo)準(zhǔn)。根據(jù)云檢測(cè)標(biāo)準(zhǔn)從MERSI一級(jí)數(shù)據(jù)中提取上述四個(gè)通道的原始數(shù)據(jù)，經(jīng)過(guò)云檢測(cè)算法識(shí)別出衛(wèi)星圖像中的云像素信息。實(shí)驗(yàn)結(jié)果表明本文提出的FY-3C/MERSI云檢測(cè)標(biāo)準(zhǔn)及云檢測(cè)算法能夠很好地區(qū)分云與植被、土壤等地物信息。

致謝：本研究由涪陵區(qū)科技計(jì)劃項(xiàng)目 （FLKJ2015ABB1099），長(zhǎng)江師范學(xué)院引進(jìn)人才科研啟動(dòng)項(xiàng)目（2013KYQD010），科研創(chuàng)新團(tuán)隊(duì)建設(shè)計(jì)劃項(xiàng)目 （2014XJTD02），陜西省科技廳項(xiàng)目 （2016KTZDGY05-02），上海509所MERSI紅外輻射定標(biāo)及數(shù)據(jù)處理項(xiàng)目 （F2014050024），國(guó)家自然科學(xué)基金項(xiàng)目 （61601060）資助。

[1]楊軍，董超華，盧乃錳，等.中國(guó)新一代極軌氣象衛(wèi)星——風(fēng)云三號(hào)[J].氣象學(xué)報(bào)，2009，67（4）:501-509.

[2]楊何群，周紅妹，尹球，等.FY-3氣象衛(wèi)星MERSI數(shù)據(jù)快速預(yù)處理的IDL實(shí)現(xiàn)[J].遙感技術(shù)與應(yīng)用，2012，27（4）:566-574.

[3]HeidingerAK，AnneVR，Dean C.Using MODIS to Estimate Cloud Contamination of the AVHRR Data Record[J].Journal of Atmospheric and Oceanic Technology，2002，19（5）:586-601.

[4]劉健.FY-2云檢測(cè)中動(dòng)態(tài)閾值提取技術(shù)改進(jìn)方法研究[J].紅外與毫米波學(xué)報(bào)，2010，29（4）：288-292.

[5]武艷，銀燕，師春香，等.基于動(dòng)態(tài)閾值法的NOAA系列衛(wèi)星云檢測(cè)結(jié)果檢驗(yàn)[J].高原氣象，2012，31（3）：745-751.

[6]王奎，張榮，尹東，等.基于邊緣特征和AdaBoost分類的遙感圖像云檢測(cè)[J].遙感技術(shù)與應(yīng)用，2013，28（2）：263-268.

[7]王偉，宋衛(wèi)國(guó)，劉士興，等.Kmeans聚類與多光譜閾值相結(jié)合的MODIS云檢測(cè)算法[J].光譜學(xué)與光譜分析，2011，31（4）:1061-1064.

[8]Walder P，MacLaren I.Neural Network Based Methods for Cloud Classification on AVHRR Images[J].International Journal of Remote Sensing，2000，21（8）：1693-1708.

[9]秦雁，鄧孺孺，何穎清，等.基于光譜及幾何信息的TM圖像厚云去除算法[J].國(guó)土資源遙感，2012（4）：55-61.

[10]盧新玉，謝國(guó)輝，李楊，等.基于IDL的MODIS 1B數(shù)據(jù)雪面溫度反演[J].國(guó)土資源遙感，2010（4）：29-33.

[11]陳鵬，張榮，劉政凱.遙感圖像云圖識(shí)別中的特征提取[J].中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào)，2009，39（5）：484-488.

[12]宋小寧，趙英時(shí).MODIS圖象的云檢測(cè)及分析[J].中國(guó)圖象圖形學(xué)報(bào)：A輯，2004，8（9）：1079-1083.

[13]何全軍，劉誠(chéng).MODIS數(shù)據(jù)自適應(yīng)火點(diǎn)檢測(cè)的改進(jìn)算法[J].遙感學(xué)報(bào)，2008，12（3）：448-453.

[14]楊存建，趙梓健，任小蘭，等.基于遙感和GIS的川西綠被時(shí)空變化研究[J].生態(tài)學(xué)報(bào)，2012，32（2）：632-640.

Cloud Detection Algorithm for FY-3C/MERSI

ZHANG Sulan1，2*,DAI Haishan3,ZHAO Qichang3,YANG Yong3
（1.College of Computer Engineering/Research Center for Environmental Monitoring,Hazard Prevention of Three Gorge Reservoir,Yangtze Normal University,Chongqing 408100,China;2.Xi’an dream pen talk Mdt Info Tech Ltd,Xi’an 710065,China;3.Shanghai Institute of Satellite Engineering,Shanghai 200240,China）

As a new source,satellite data captured with medium resolution spectral imager(MERSI)onboard the second generation polar-orbiting meteorological satellite of China (FY-3C)were studied.This paper discusses the spectral characteristics of FY-3C/MERSI multi-channels and proposes a cloud detection algorithm.The spectral data of visible and short-wave infrared channels for cloud detection were extracted from MERSI Level 1B,and then converted into reflectance for each visible channel.The cloud pixels were isolated to provide information for the retrievals of other atmospheric and surface parameters.

FY-3C/MERSI;cloud detection;spectral characteristics;reflectance

X87

A

2096-2347（2017）04-0066-05

10.19478/j.cnki.2096-2347.2017.04.09

2017-09-11

涪陵區(qū)科技計(jì)劃項(xiàng)目 （FLKJ2015ABB1099），長(zhǎng)江師范學(xué)院引進(jìn)人才科研啟動(dòng)項(xiàng)目 （2013KYQD010），陜西省科技廳項(xiàng)目（2016KTZDGY05-02）

張素蘭 （1984-），女，安徽阜陽(yáng)人，博士，副教授，主要從事遙感圖像處理研究。E-mail:slzhang@cqu.edu.cn

學(xué)術(shù)編輯：楊振鴻