基于机器学习的偏振遥感云检测优化算法

摘要

偏振遥感经验阈值云检测算法受主观因素影响较强,极易在亮地表上空出现云检测不准确的问题。针对该问题,本文提出了一种主动和被动遥感卫星相结合的机器学习云检测算法。该算法基于POLDER3载荷多通道多角度偏振特性以及CALIOP载荷高精度云垂直特性展开研究,利用POLDER3载荷和CALIOP载荷观测重合区域数据,搭建了粒子群算法优化的BP神经网络训练云检测模型。基于该云检测训练模型,利用POLDER3一级数据开展云检测试验,试验显示该算法云检测结果与MODIS云检测产品一致性为92.46%,高于POLDER3官方云检测产品与MODIS云检测产品的一致性83.13%。通过对比本文算法试验结果与POLDER3官方云检测产品不同的像元的光学特性发现,相比POLDER3官方算法,本算法对于亮地表上空薄云具有更强的敏感性,能更有效地进行云检测。