- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于MAX-DOAS观测的云检测与分类
摘要： 多轴差分光学吸收光谱法（MAX-DOAS）对气溶胶和痕量气体的观测会受到云层的显著影响。因此，识别云层并表征其特性至关重要。本研究探讨了云层对多项MAX-DOAS衍生参数的影响，包括辐射亮度、色指数（两个选定波长处的辐射亮度比值）、氧二聚体O4的吸收以及非弹性散射光比例（环效应）。通过将这些参数与晴空参考值对比，或分析其随时间/观测方向的变化规律，即可实现云层识别?；谑毙虮浠治觯踔聊苷攵缘ゴ尾饬渴侗鹪撇阌跋?。我们据此开发了一套可灵活应用于MAX-DOAS或天顶DOAS观测的云分类方案：基础版本仅通过天顶色指数观测判断云层（或高气溶胶负荷）存在；进阶版本则综合考量其他参数与观测角度，从而实现薄云/厚云、雾等子类细分。将该方案应用于2009年夏季荷兰卡本沃（Cabauw）二氧化氮仪器比对实验（CINDI）的MAX-DOAS观测数据，发现其与地面天空图像及激光雷达后向散射剖面高度吻合。
关键词： 云检测、CINDI活动、辐射传输、云分类、MAX-DOAS
更新于2025-09-23 15:22:29
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于P范数回归模型的光学遥感影像时间序列云检测
摘要： 本文提出了一种无需预先获取参考图像的自动多时相云检测方法。通过稳健拟合受云污染的多时相图像像素，生成一系列参考图像以呈现景观随时间变化的固有渐变特征。随后通过目标图像与参考图像的差值阈值分割进行云检测，该差值仅包含建模为高斯噪声的回归模型误差以及对应云及其阴影的异常值。在LANDSAT数据集上与现有先进算法对比表明，该方法能更有效区分被云和云阴影覆盖的像素与未受污染的像素。
关键词： p范数分布、稳健回归、稳健尺度估计、云检测、多时相
更新于2025-09-23 15:21:21
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于深度金字塔网络的RGB彩色遥感图像云检测
摘要： 从遥感观测数据中进行云检测是各类遥感应用的关键预处理步骤。对于RGB彩色图像而言，该问题尤为棘手——由于云层缺乏能与地表直接区分的显著光谱特征。本文采用深度金字塔网络(DPN)解决该问题：通过在编码器层引入预训练参数模型增强网络性能，该方法能从一组含噪声标签的RGB彩色图像中获取精确的像素级分割与分类结果。为验证方法优越性，我们采集并标注了来自低轨Gokturk-2和RASAT卫星的云/非云掩膜对应数据。实验结果表明，即便对于人眼难以辨识的复杂场景（如雪山），所提方法仍优于多个基线模型。
关键词： 云检测，深度金字塔网络
更新于2025-09-23 15:21:21
-
基于自然场景统计和Gabor特征的卫星图像云检测
摘要： 云检测是遥感（RS）图像处理中的重要任务。目前已开发出众多云检测算法，但现有方法大多存在忽略小而薄的云层、以及无法区分云与光度相似区域（如建筑物和雪地）的缺陷。本文提出一种新型光学遥感图像云检测算法，将测试图像划分为三类：厚云、薄云和非云区域。首先采用简单线性迭代聚类算法分割潜在云区（包括小云块），随后通过自然场景统计模型对超像素进行云与地表建筑物的区分，最后计算各超像素的Gabor特征并利用支持向量机实现云与雪区的判别。实验结果表明，该模型在云检测性能上优于现有先进方法。
关键词： 自然场景统计（NSS）、支持向量机（SVM）、Gabor特征、超像素、云检测
更新于2025-09-23 15:21:01
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于卷积神经网络的云检测：从Landsat-8到Proba-V的迁移学习
摘要： 云检测是利用地球观测卫星多光谱传感器信息的关键问题。对于Proba-V卫星而言，由于光谱波段数量有限，云检测具有挑战性。先进的机器学习方法（如卷积神经网络CNN）在有足够标注数据的情况下已被证明能有效解决该问题。然而，关于云层存在的同步共址信息通常不可获取或需要大量人工标注。本研究提出利用现有的Landsat-8云掩膜数据集进行学习，并将这种学习迁移应用于解决Proba-V云检测问题。我们使用经调整以模拟Proba-V特性的Landsat影像训练CNN模型，并在大量真实Proba-V场景上进行测试。所开发的模型在不使用任何真实Proba-V数据训练的情况下，性能超越了当前运行的Proba-V云检测系统。此外，若使用少量Proba-V数据对CNN进行微调，云检测精度还可进一步提升。
关键词： Proba-V，迁移学习，卷积神经网络，云检测，领域自适应，Landsat-8
更新于2025-09-10 09:29:36
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 一种多时相云检测的深度网络方法
摘要： 我们提出了一种具有时间记忆功能的深度学习模型，用于检测第二代气象卫星（MSG）搭载的SEVIRI成像仪获取的图像时间序列中的云层。该模型提供像素级云图及相关置信度，并通过循环神经网络结构在时间维度上传播信息。借助单一模型，我们能够以高精度勾勒出全年昼夜不同时段的云层轮廓。
关键词： 卷积神经网络、SEVIRI、深度学习、云检测、循环神经网络
更新于2025-09-09 09:28:46
-
[2018年IEEE第20届国际多媒体信号处理研讨会(MMSP) - 加拿大不列颠哥伦比亚省温哥华市(2018年8月29日-8月31日)] 2018年IEEE第20届国际多媒体信号处理研讨会(MMSP) - 基于全卷积神经网络的遥感图像云检测算法
摘要： 本文提出了一种基于深度学习的框架，用于解决遥感图像中精确云检测的问题。该框架利用全卷积神经网络（FCN），能够对Landsat 8图像中的云区域进行像素级标注。同时，提出了一种基于梯度的识别方法，用于识别并排除训练集真实标签中的冰雪区域。研究表明，结合阈值法与深度学习这两种方法的混合方案，在无需人工修正自动生成的真实标签的情况下，提升了云检测的性能。平均而言，Jaccard指数和召回率分别提高了4.36%和3.62%。
关键词： 深度学习、Landsat 8、全卷积网络（FCN）、图像分割、U-Net、遥感、卷积神经网络（CNN）、云检测
更新于2025-09-09 09:28:46