遥感图像中多层云和单层云类型综合分类与识别的方法

摘要

本发明公开了一种遥感图像中多层云和单层云类型综合分类与识别的方法，该方法包括：步骤‑1：有云像元鉴别；步骤‑2：单层和多层云粗分类与标记；步骤‑3：单层云类型精细分类；步骤‑4：云层相态分类与标记；由此完成遥感图像中有云像元的鉴别和云层的综合分类与识别。本发明可以得到更为精细的云层类型识别和分类结果，不但可实现对单层云像元和多层云像元的区分，而且可判定多层云像元的相态以及单层云像元的云层类型，最终将遥感图像像元详细地识别为晴空(无云像元)、多层水云、多层冰云、卷云、卷层云、垂直扩展云、高积云、高层云、乱层云、积云、层积云、层云以及填充值共13类像元，为遥感图像的后续处理和应用提供更为丰富的图像信息。

说明书

技术领域

本发明涉及遥感图像云层识别的技术领域，具体涉及一种遥感图像中多层云和单层云类型综合分类与识别的方法。

背景技术

云层的存在是影响星载光学传感器对地观测成像性能的一项重要干扰因素。云层的种类繁多，不同类型云层的空间分布及其散射辐射与传输特性迥异，为研究清楚各云层类型性质从而剔除云层对观测系统的影响，对云层类型的识别就成了研究的重点和难点(参见文献[1-2])。此外，无论是天基传感器还是地基传感器观测都表明多层云的存在很普遍，且对云层的特性有很大影响(参见文献[3-8])。

依据云层的相态可将云层分为水云、冰云和混合相态云；依据云层云顶高度分布可将云层粗略分为高位、中位和低位；依据云层形态可将云层分为层云、积云和卷云等类型云。几种常见类型的云层空间分布如图1所示，通过识别出卫星图像像元是否为多层云重叠及其所对应的云相态和单层云云层的类型，可降低甚至消除云层的存在对观测系统的影响。

图1中虚线框1所示为单层云，即在垂直方向(Z方向)上仅存在一层云层，其余线框所示均为多层云，即在垂直方向上出现多层云层重叠，所不同的仅是重叠云层的层数。图1中框2和框4所示均为两层云，其中，框2中所示的两层云均为积雨云，框4中所示的两层云从上到下分别为卷云和乱层云；框3所示为四层云，从上到下分别为卷层云、高层云、层积云和层云。

与本发明相关的现有技术一：单层云类型识别的阈值法

现有技术一的技术方案为：

现用于单层云类型识别的方法主要是通过阈值判别，例如单层云类型识别的阈值法，文献[1]国际卫星云气象计划(International Satellite Cloud Climatology Project,ISCCP)即根据云顶压强P_top和光学厚度τ两个变量通过固定阈值比较对云层进行判别分类。ISCCP云层识别所采用的云顶压强和光学厚度的阈值如图2所示，该文献给出了如图2所示的九种单层云类型，其中垂直扩展云是指在垂直方向上跨度比较大的云，如图1中的积雨云即是最常见的一种垂直扩展云。

现有技术一的缺点

ISCCP云层识别方法依据阈值判断实现对云层类型的判决，但ISCCP云层识别法假设待判定云层均是单层的，忽略了多层云重叠存在的情况。对于天基观测来说，即只能对最上层的云层进行判别，而无法实现下层的重叠云层相态及类型的识别。

与本发明相关的现有技术二

现有技术二的技术方案为：

文献[2]结合Terra卫星或Aqua卫星上的中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer，MODIS)数据中的多层云标识(Multi-Layer Flag,MLF)利用阈值法对图像逐像元进行判断其像元为单层云像元、多层云像元还是垂直扩展云像元，图3给出其多层云检测流程。图中所需参数为：云顶压强P_top、光学厚度τ和多层云标识F_ML，均由MODIS数据反演的云层数据产品MOD/MYD06(Terra卫星的云层数据产品为MOD，Aqua卫星的云层数据产品为MYD)获得。其中，MLF为像元是否为多层像元的可信度评价标记，取值为0-9的整数，其中0代表晴空，1代表单层云，2-9均代表多层云，且数值越大代表为多层云的可信度越高(参见文献[6,7,9])。

在图3判定框中的变量ΔP_top计算公式为：

${\mathrm{\Delta P}}_{top}=\frac{P_s-P_{top}}{P_s-P_{trop}}---\left(1\right)$

式中P_s为地表压强，P_top为云顶压强，P_trop为对流层顶压强。其中采用的地表压强为臭氧层检测设备(Dutch/Finnish>

现有技术二的缺点

文献[2]尽管实现了单层云像元和多层云像元的区分，但是仍存在以下不足：该方法仅将卫星图像像元识别为单层云像元、多层云像元和垂直扩展云像元三类，既未详细给出单层云的云层类型，也未给出多层云的相态。

参考文献：

[1]http://isccp.giss.nasa.gov/cloudtypes.html#DIAGRAM，2016.

[2]J.Joiner,A.P.Vasilkov,P.K.Bhartia,G.Wind,S.Platnick,W.P.Menzel,Detection of Multi-layer and Vertically-extended Clouds Using A-train Sensors.Atmospheric Measurement Techniques,2010.3:pp.233–247.

[3]R.Frey,B.A.Baum,A.Heidinger,S.Ackerman,B.Maddux,P.Menzel,MODIS CTP(MOD06)Webinar#7.2014.

[4]J.D.Spinhirne,et al.,Cloud and Aerosol Measurements from GLAS:Overview and Initial Results.Geophysical Research Letters,2005.32(L22S03):pp.1-5.

[5]A.Behrangi,S.P.F.Casey and B.H.Lambrigtsen,Three-dimensional Distribution of Cloud Types Over the USA and Surrounding Areas Observed by CloudSat.International Journal of Remote Sensing,2012.33(16):pp.4856-4870.

[6]W.P.Menzel,R.A.Frey and B.A.Baum,Cloud Top Properties and Cloud Phase Algorithm Theoretical Basis Document.2015.pp.1-73.

[7]S.Platnick,et al.,MODIS Cloud Optical Properties:User Guide for the Collection 6Level-2 MOD06/MYD06 Product and Associated Level-3 Datasets.2015.

[8]J.D.Spinhirne,S.P.Palm and W.D.Hart,Antarctica Cloud Cover for October 2003from GLAS Satellite Lidar Profiling.Geophysical Research Letters,2005.32(22):pp.1-4.

[9]http://modis-atmos.gsfc.nasa.gov/，2016.

发明内容

本发明所要解决的技术问题为：针对上述卫星图像云层类型识别中的问题，本发明提出一种综合的多层云和单层云类型识别方法，将多层云标识、云顶压强和光学厚度的阈值以及不同相态云层的亮温特性相结合，综合判定图像像元属于多层云像元还是单层云像元，同时还能够判定多层云像元的相态、单层云像元的云层类型等，完善了对遥感图像中云层类型的识别。

本发明采用的技术方案为：一种遥感图像中多层云和单层云类型综合分类与识别的方法，该方法包括如下步骤：

步骤-1：有云像元鉴别

根据云掩膜数据，将卫星图像像元划分为有云像元、晴空像元和填充值像元，该填充值像元为无法判识像元，并针对有云像元完成以下云层识别步骤；

步骤-2：单层和多层云粗分类与标记

利用地表压强P_s、对流层顶压强P_trop、云顶压强P_top、光学厚度τ和多层云标识F_ML按照以下判定条件对云层进行粗分类：

(1)满足ΔP_top>0.6和τ>12则判定该像元为垂直扩展云；

(2)满足ΔP_top>0.6、τ<12和F_ML≥2则判定该像元为多层云像元；

(3)均不满足(1)(2)的像元则初步判定为普通单层云像元；

步骤-3：单层云类型精细分类

将步骤-2中初步判定为普通单层云的像元，利用云顶压强P_top、光学厚度τ参数按照ISCCP阈值将单层云像元进一步细分为垂直扩展云、卷层云、卷云、高层云、高积云、乱层云、积 云、层积云和层云九种云层类型的像元；

步骤-4：云层相态分类与标记

将步骤-2中判定为多层云的像元，利用8.5μm波段与11μm波段亮温差D_8.5-11和11μm波段与12μm波段亮温差D_11-12，依据以下条件对多层云像元进行判定：

若满足D_8.5-11≥D_11-12则判定像元为多层冰云像元；

若满足D_8.5-11<D_11-12则判定为多层水云像元；

由此完成遥感图像中有云像元的鉴别和云层的综合分类与识别。

本发明技术方案带来的有益效果为：

同现有的技术-1和技术-2相比，本发明所提出的遥感图像中多层云和单层云类型综合分类与识别方法可以得到更为精细的云层类型识别和分类结果。采用本发明所提出的方法，不但可实现对单层云像元和多层云像元的区分，而且可判定多层云像元的相态以及单层云像元的云层类型，最终将遥感图像像元详细地识别为晴空(无云像元)、多层水云、多层冰云、卷云、卷层云、垂直扩展云、高积云、高层云、乱层云、积云、层积云、层云以及填充值共13类像元，为遥感图像的后续处理和应用提供更为丰富的图像信息。

附图说明

图1为几种常见类型的云层空间分布示意图；

图2为ISCCP云层分类的云顶压强和光学厚度阈值(参见文献[1])；

图3为多层云与扩展云检测流程(参见文献[2])；

图4为多层云和单层云类型综合分类与识别流程；

图5为MODIS Terra卫星2015152.0230五分钟条带RGB图像；

图6为MOD06云掩膜判别结果；

图7为本发明所提出的多层云和单层云类型综合分类与识别方法的结果，其中，图7(a)为MODIS多层云标识MLF，图7(b)为单层云和多层云的判断结果，图7(c)为ISCCP阈值判别结果，图7(d)为综合多层云和单层云类型识别结果。色标所对应的符号名称说明为：St-层云，Sc-层积云，Cu-积云，Ns-乱层云，As-高层云，Ac-高积云，De-垂直扩展云，Cs-卷层云，Ci-卷云，Clear-晴空，MLwater-多层水云，MLice-多层冰云；该区域图像的识别结果恰好无填充值像元。

具体实施方式

下面结合附图以及具体实施方式进一步说明本发明。

本发明提出一种遥感图像中多层云和单层云类型综合分类与识别的方法，其为可综合识 别多层云相态以及单层云云层类型的方法，具体的实现流程如图4所示。

图中各参数如下：τ为光学厚度；P_top为云顶压强；P_s为地表压强；P_trop为对流层压强；F_ML为多层云标识；T_8.5为8.5μm波段下云层亮温；T₁₁为11μm波段下云层亮温；T₁₂为12μm波段下云层亮温；D_8.5-11为8.5μm波段与11μm波段下云层亮温差，D_8.5-11＝T_8.5-T₁₁；D_11-12为11μm波段与12μm波段下云层亮温差，D_11-12＝T₁₁-T₁₂。此外，图中的普通单层云是指不为垂直扩展云的单层云；图中省略填充值像元(无法判识像元)；ISCCP阈值系指利用云顶压强和光学厚度判定云类型所对应的阈值。

具体识别步骤如下：

步骤-1：有云像元鉴别

根据云掩膜数据，将卫星图像像元划分为有云像元、晴空像元和填充值像元(无法判识像元)，并针对有云像元完成以下云层识别步骤。

步骤-2：单层和多层云粗分类与标记

利用地表压强P_s、对流层顶压强P_trop、云顶压强P_top、光学厚度τ和多层云标识F_ML按照以下判定条件对云层进行粗分类：

(1)满足ΔP_top>0.6和τ>12则判定该像元为垂直扩展云；

(2)满足ΔP_top>0.6、τ<12和F_ML≥2则判定该像元为多层云像元；

(3)均不满足(1)(2)的像元则初步判定为普通单层云像元。

步骤-3：单层云类型精细分类

将步骤-2中初步判定为普通单层云的像元，利用云顶压强P_top、光学厚度τ参数按照ISCCP阈值将单层云像元进一步细分为垂直扩展云、卷层云、卷云、高层云、高积云、乱层云、积云、层积云和层云九种云层类型的像元。

步骤-4：云层相态分类与标记

将步骤-2中判定为多层云的像元，利用8.5μm波段与11μm波段亮温差D_8.5-11和11μm波段与12μm波段亮温差D_11-12，依据以下条件对多层云像元进行判定：

若满足D_8.5-11≥D_11-12则判定像元为多层冰云像元；

若满足D_8.5-11<D_11-12则判定为多层水云像元。

由此完成遥感图像中有云像元的鉴别和云层的综合分类与识别。

实施例：

以下举例说明本发明所提出的综合多层云和单层云类型识别方法的具体应用过程。

采用2015年6月1日(儒略历152日)Terra卫星上MODIS传感器所观测的观测时间为02:30-02:35的五分钟时间间隔的轨道(五分钟条带)数据，有5km分辨率406×207和1km分辨率2030×1354两种规格。图5为MODIS RGB伪彩色图像，该图像中有较大区域的云层覆盖。另外，该图像中出现的云层类型较为多，且有多层云层重叠的情况。现利用本发明所提出的方法对图5所对应区域的5km分辨率卫星图像数据进行多层云相态和单层云类型识别。

MODIS图像的云掩膜数据[9]是以十进制整数形式存储的，需要将十进制整数转换成二进制并逐“bit”，依据各标识所对应的“bit”的位数以及数值进行判断，如若一像元所对应的云掩膜数据的第一个字节的二进制数2-0“bit”(从高位到低位编号依次为76543210)值为111，则判定该像元为晴空像元。与图5中图像所对应的云掩膜判别结果如图6所示。晴空、可能晴空和不确定标记表示像元为晴空的可信度分别为99％、95％和66％。将标记为可能晴空、不确定和有云的像元均归为有云像元，继续后续的分类与识别。

图7示出了本发明所提出的方法的处理结果，其中图7(a)为步骤-2中MODIS多层云标识结果图，MODIS的多层云标识MLF值为0-9范围内的整数，其中，0代表晴空；1代表单层云；2-9均代表多层云，且数值越大表示为多层云的可信度越高，此处将MLF大于等于2的像元均判定为多层云像元；图7(b)为步骤-2中单层云和多层云的初步判定结果；图7(c)为步骤-3中对单层云像元的ISCCP阈值判定云类型结果；图7(d)为本发明最终的多层云相态和单层云类型的识别结果。

图7本发明所提出的多层云和单层云类型综合分类与识别方法的结果，色标所对应的符号名称说明为：St-层云，Sc-层积云，Cu-积云，Ns-乱层云，As-高层云，Ac-高积云，De-垂直扩展云，Cs-卷层云，Ci-卷云，Clear-晴空，MLwater-多层水云，MLice-多层冰云；该区域图像的识别结果恰好无填充值像元

本发明其他的替代方案同样能完成发明目的：

(1)本说明书以Terra卫星平台MODIS传感器遥感图像为例，说明了本发明的基本技术思路、处理方法和流程，采用其他观测平台或其他波段下云层的亮温特性或反射特性代替步骤-4中8.5μm、11μm和12μm波段下亮温差特性也完成识别云层相态，但处理方法和流程无需作实质性的改变；

(2)本项发明中所提单层和多层云的识别，也可采用其他的多层云像元识别方法来完成，例如采用PH算法(参见文献[7])替代步骤-2中所讨论的方法，同样可完成单层和多层云的识别。