一种对逐日积雪覆盖率图像处理的方法

摘要

本发明提供一种对逐日积雪覆盖率图像处理的方法，将当日的上午星积雪覆盖率图像和下午星积雪覆盖率图像进行合成，并调整合成图像中类型为积雪的像元所对应的积雪覆盖率，再对积雪覆盖率图像进行连续的多步骤的处理；在各个步骤的处理过程中，分别对各个步骤中之前的步骤处理得到的积雪覆盖率图像作为基础，对类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，最后获得当日的最终积雪覆盖率图像；通过兼顾多种方法的组合，获得了云覆盖低(或无云)且具有积雪覆盖的细节的积雪覆盖率图像，可满足高亚洲地区对逐日积雪覆盖率图像的需求。

说明书

技术领域

本发明涉及卫星遥感图像处理技术领域，更具体地，涉及一种对逐日积雪覆盖率图像处理的方法。

背景技术

高亚洲地区是以青藏高原为中心的亚洲高海拔地区，是全球积雪的重要分布区，也是我国三大稳定积雪覆盖区域之一，是我国积雪覆盖面积最大和地球上中低纬度冰雪集中主要的地区，是许多大江大河的发源地，还是地表径流和地下水的主要补给来源之一，其积雪的消融对地表水平衡和区域气候有重要影响。一些研究表明高亚洲地区有显著变暖趋势，其冰冻层发生了明显变化，高亚洲积雪动态变化是诊断山地积雪对全球变暖的响应、中亚环境变化研究等重要指标，对高亚洲积雪进行准确动态监测显得极为重要。此外，积雪对高亚洲其周围地区的水文和生物也有密切相关联系，因此，高亚洲积雪覆盖的时空模式信息对于该区域的科学研究和管理应用都非常重要。

目前，卫星遥感以其大规模、快速、周期性、多尺度、多时相、低成本等优势在积雪的动态监测中发挥着重要作用，其中MODIS以中等空间分辨率和高时间分辨率的特性得到广泛应用，特别是在积雪遥感二值产品和覆盖率产品方面具有较高的监测精度，但高亚洲地区的MODIS产品中，云覆盖的影响使得逐日的监测需要考虑对MODIS产品的云的影响问题；目前的消除云的影响效果比较好的方法主要有：多传感器融合与被动微波数据结合去云，当MODIS积雪覆盖率图像中的像元为云，被动微波传感器(如AMSR-E)雪水当量产品相应像元为积雪时，就将MODIS积雪覆盖率图像中的像元为云的像元赋值为积雪，陆地、湖泊、湖冰同理，被动微波传感器缺失数据用前一天的值代替，但是其积雪覆盖率无法估算；函数拟合积雪边界，采用连续几天的MODIS积雪覆盖率图像作为一个计算单元，要求MODIS积雪边界在这几天是一个连续的可用三维隐函数表示的时空流，空间二维时间一维，通过隐函数，找到云覆盖部分的积雪边界，界内即为积雪，界外为陆地，该方法可实现积雪二值产品的估算。

由于高亚洲地区，特别是例如青藏高原地区，季节性积雪具有赋存时间短、雪层较薄的特点，在对水循环等问题的研究中，迫切需要逐日少云(云覆盖＜10％)的积雪覆盖率的动态信息；然而，由于目前对高云量的逐日积雪覆盖率图像处理的方法中，通常采用多传感器融合或者函数拟合积雪边界的方法，以保证消除云的影响的效果，但是上述方法无法估算像元的积雪覆盖率，或者只能确定积雪覆盖的边界，不能体现边界处的积雪覆盖的具体细节，难以满足高亚洲地区对逐日积雪覆盖率图像产品的需求。

发明内容

为了克服上述问题或者至少部分地解决上述问题，本发明提供一种对逐日积雪覆盖率图像处理的方法。

根据本发明的一个方面，提供一种对逐日积雪覆盖率图像处理的方法，包括：

获取当日的上午星积雪覆盖率图像和下午星积雪覆盖率图像，将当日的上午星积雪覆盖率图像和下午星积雪覆盖率图像合成为合成图像，并调整合成图像中类型为积雪的像元所对应的积雪覆盖率，以获得当日的第一积雪覆盖率图像；

基于前一日的第一积雪覆盖率图像及后一日的第一积雪覆盖率图像，对当日的第一积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，以获得当日的第二积雪覆盖率图像；

基于当日的第二积雪覆盖率图像中与类型为云的像元所临近的像元的类型，对当日的第二积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，以获得当日的第三积雪覆盖率图像；

基于当日的第三积雪覆盖率图像中像元的高程，对当日的第三积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，以获得当日的第四积雪覆盖率图像；

基于包含当日的预设天数的第四积雪覆盖率图像，对当日的第四积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，以获得当日的最终积雪覆盖率图像；

其中，像元的类型包括陆地、湖泊、湖冰、积雪和云。

本发明的又一方面，提供一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使计算机执行上述的方法。

本发明的又一方面，提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机程序，该计算机程序使计算机执行上述的方法。

本发明提供的一种对逐日积雪覆盖率图像处理的方法，将当日的上午星积雪覆盖率图像和下午星积雪覆盖率图像进行合成，并调整合成图像中类型为积雪的像元所对应的积雪覆盖率，再对积雪覆盖率图像进行连续的多步骤的处理；在各个步骤的处理过程中，分别对各个步骤中之前的步骤处理得到的积雪覆盖率图像作为基础，对类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，最后获得当日的最终积雪覆盖率图像；通过兼顾多种方法的组合，获得了云覆盖低且具有积雪覆盖的细节的积雪覆盖率图像，可满足高亚洲地区对逐日积雪覆盖率图像的需求。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为根据本发明实施例的对MODIS逐日积雪覆盖率图像处理的方法的流程图；

图2为根据本发明实施例的各步骤对积雪覆盖率图像去云处理后剩余云量的曲线图；

图3为积雪遥感二值图像与本发明实施例的最终积雪覆盖率图像的空间覆盖的对比图；

图4为积雪遥感二值图像与本发明实施例的最终积雪覆盖率图像的积雪像素数的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的一个实施例中，参考图1，提供一种对逐日积雪覆盖率图像处理的方法，包括：

S11，获取当日的上午星积雪覆盖率图像和下午星积雪覆盖率图像，将当日的上午星积雪覆盖率图像和下午星积雪覆盖率图像合成为合成图像，并调整合成图像中类型为积雪的像元所对应的积雪覆盖率，以获得当日的第一积雪覆盖率图像；

S12，基于前一日的第一积雪覆盖率图像及后一日的第一积雪覆盖率图像，对当日的第一积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，以获得当日的第二积雪覆盖率图像；

S13，基于当日的第二积雪覆盖率图像中与类型为云的像元所临近的像元的类型，对当日的第二积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，以获得当日的第三积雪覆盖率图像；

S14，基于当日的第三积雪覆盖率图像中像元的高程，对当日的第三积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，以获得当日的第四积雪覆盖率图像；

S15，基于包含当日的预设天数的第四积雪覆盖率图像，对当日的第四积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，以获得当日的最终积雪覆盖率图像；

其中，像元的类型包括陆地、湖泊、湖冰、积雪和云。

具体的，针对高亚洲地区的特点，本实施例拟通过兼顾多种方法的组合，组合过程中优先采用可靠性好的方法，而可靠性较差的方法放在后面，通过多个步骤对逐日积雪覆盖率图像进行处理，通过这种对方法的组合，可最大程度上保持逐日积雪覆盖率图像的精度。

基于逐日积雪覆盖率图像，采用上述S11-S15五个步骤对逐日积雪覆盖率图像进行处理，S11-S15五个步骤依次可简称为“上下午合成”、“三天合成”、“临近像元”、“稳定积雪陆地”和“最大陆地”。

在“上下午合成”的步骤中，在将当日的上午星积雪覆盖率图像和下午星积雪覆盖率图像合成为合成图像的过程中，首先确定合成图像中每一像元的类型，再根据合成图像中每一像元的类型调整每一像元的颜色值。在阴天(高云覆盖)情况下，假设短时间内积雪覆盖率情况基本保持不变，在确定合成图像中每一像元的类型的过程中，采用如下的规则：

对合成图像中任一像元，将任一像元作为目标像元，获取当日的上午星积雪覆盖率图像中，与目标像元位置相同的像元的第一类型，以及当日的下午星积雪覆盖率图像中，与目标像元位置相同的像元的第二类型；

若第一类型与第二类型相同，则将第一类型或第二类型作为合成图像中目标像元的类型；

若第一类型与第二类型中至少一个为湖泊或者湖冰，则将相应的湖泊或者湖冰作为合成图像中目标像元的类型；

若第一类型与第二类型不相同且分别为陆地或者积雪，则将第一类型作为合成图像中目标像元的类型；

若第一类型与第二类型中一个为云，另一个为陆地或者积雪，则将相应的陆地或者积雪作为合成图像中目标像元的类型；

若第一类型与第二类型的数据均缺失或者无效，则将合成图像中目标像元的类型设置为云。

可通过调整像元的颜色值来体现像元的类型。例如，预设的陆地的颜色为棕色，则将类型为陆地的像元的颜色值调整为棕色的颜色值。

其中，调整合成图像中类型为积雪的像元所对应的积雪覆盖率的规则如下：

若第一类型与第二类型均为积雪，则将合成图像中目标像元所对应的积雪覆盖率调整为当日的上午星积雪覆盖率图像和下午星积雪覆盖率图像中，与目标像元位置相同的像元所对应的积雪覆盖率的平均值；

若第一类型为积雪，而第二类型为云或者陆地，则将合成图像中目标像元所对应的积雪覆盖率调整为当日的上午星积雪覆盖率图像中，与目标像元位置相同的像元所对应的积雪覆盖率；

若第二类型为积雪，而第一类型为云，则将合成图像中目标像元所对应的积雪覆盖率调整为当日的下午星积雪覆盖率图像中，与目标像元位置相同的像元所对应的积雪覆盖率。

积雪覆盖率的大小也可以通过调整颜色值来体现，也可以通过其他方式来体现，在此不做限制。

本实施例通过将当日的上午星积雪覆盖率图像和下午星积雪覆盖率图像进行合成，并调整合成图像中类型为积雪的像元所对应的积雪覆盖率，再对积雪覆盖率图像进行连续的多步骤的处理；在各个步骤的处理过程中，分别对各个步骤中之前的步骤处理得到的积雪覆盖率图像作为基础，对类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，最后获得当日的最终积雪覆盖率图像；通过兼顾多种方法的组合，获得了云覆盖低且具有积雪覆盖的细节的积雪覆盖率图像，可满足高亚洲地区对逐日积雪覆盖率图像的需求。

如图2所示，选取某段时间内的高亚洲地区的逐日积雪覆盖率图像进行处理，MOD10A1和MYD10A1分别表示该段时间内的上午星积雪覆盖率图像和下午星积雪覆盖率图像；在该段时间内，MOD10A1(即图2中的MOD)和MYD10A1(即图2中的MYD)的平均云量分别为39.3％和43.6％，经“上下午合成”处理后，去除的云量约为8.7％，平均云量降到32.8％，处理后的图像仍不能直接用于积雪的实时动态监测，因此需要进一步的处理。由于阴天(云多)积雪融化概率低，在时间窗口为3天时，认为在这一时间跨度内积雪覆盖率基本维持不变，可采用“三天合成”的方法对图像进一步处理。

基于上述实施例，基于前一日的第一积雪覆盖率图像及后一日的第一积雪覆盖率图像，对当日的第一积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，包括：

将当日的第一积雪覆盖率图像中类型为云的像元作为的第一像元，对于任一第一像元，将任一第一像元作为目标第一像元，获取前一日的第一积雪覆盖率图像及后一日的第一积雪覆盖率图像中，与目标第一像元位置相同的像元的类型；

若前一日的第一积雪覆盖率图像及后一日的第一积雪覆盖率图像中，与目标第一像元位置相同的像元的类型至少一个为湖泊或者湖冰，则将目标第一像元的类型调整为相应的湖泊或者湖冰；

若前一日的第一积雪覆盖率图像及后一日的第一积雪覆盖率图像中，与目标第一像元位置相同的像元的类型均为陆地，则将目标第一像元的类型调整为陆地；

若前一日的第一积雪覆盖率图像及后一日的第一积雪覆盖率图像中，与目标第一像元位置相同的像元的类型均为积雪，则将目标第一像元的类型调整为积雪，且将目标第一像元所对应的积雪覆盖率调整为前一日的第一积雪覆盖率图像及后一日的第一积雪覆盖率图像中，与目标第一像元位置相同的像元所对应的积雪覆盖率的平均值。

如图2所示，“三天合成”的方法处理后，平均云量降到25.7％，去除的云量约为7.1％；由于基于积雪在空间上的连续性，可采用“临近像元”的方法对图像进一步的处理。

基于上述实施例，基于当日的第二积雪覆盖率图像中与类型为云的像元所临近的像元的类型，对当日的第二积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，包括：

将当日的第二积雪覆盖率图像中类型为云的像元作为第二像元，对于任一第二像元，将任一第二像元作为目标第二像元，获取与目标第二像元直接临接的四个像元的类型；

若与目标第二像元直接临接的四个像元中至少有三个像元的类型为积雪，则将目标第二像元的类型调整为积雪，并将目标第二像元所对应的积雪覆盖率调整为，与目标第二像元临近的八个像元中类型为积雪的像元所对应的积雪覆盖率的平均值；

若与目标第二像元直接临接的四个像元中至少有三个像元的类型为陆地，则将目标第二像元的类型调整为陆地。

如图2所示，利用“临近像元”的方法去除云污染，去除的云量约为0.57％，此方法的去云量较少，但精度较高，对小范围的零碎的类型为云的像元，能很好地去除；在高亚洲地区，存在着常年冰雪和陆地(极少下雪的区域)，“稳定积雪陆地”的方法可以充分的利用该特点。

基于上述实施例，基于当日的第三积雪覆盖率图像中像元的高程，对当日的第三积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，包括：

将当日的第三积雪覆盖率图像中类型为云的像元作为第三像元，对于任一第三像元，将任一第三像元作为目标第三像元，获取目标第三像元的高程，并确定当日所属的季节的时间段；

若目标第三像元的高程大于第一预设值，则将目标第三像元的类型调整为积雪，并将目标第三像元所对应的积雪覆盖率调整为时间段中的所有第三积雪覆盖率图像中，与目标第三像元位置相同的像元所对应的积雪覆盖率的平均值；

若目标第三像元的高程小于第一预设值且大于第二预设值，且时间段中所有第三积雪覆盖率图像中，与目标第三像元位置相同的像元的类型为积雪或者云的天数占时间段的总天数的比例超过第三预设值，则将目标第三像元的类型调整为积雪，并将目标第三像元所对应的积雪覆盖率调整为时间段中的所有第三积雪覆盖率图像中，与目标第三像元位置相同的像元所对应的积雪覆盖率的平均值；

若目标第三像元的高程小于第二预设值，且时间段中的所有第三积雪覆盖率图像中，与目标第三像元位置相同的像元的类型为云的天数占时间段的总天数的比例小于第四预设值，且与目标第三像元位置相同的像元的类型为云的天数和像元的类型为陆地的天数之和为时间段的总天数，则将标第三像元的类型调整为陆地。

上述的第一预设值可设置为5800m，第二预设值可3000m，第三预设值可设置为90％，第四预设值可设置为20％。

季节的时间段指依所在地区的特点将总的时间段按季节分成若干个时间段，例如，以积雪年为总的时间段，将每年的7月1日至次年6月30日作为一个积雪年。一个积雪年分为2个季节：7月1日至9月30日为夏季，10月1日至次年的4月30日为冬季，5月1日到6月30日为夏季。

如图2所示，“稳定积雪陆地”的方法可以去除的云量约为5.2％，经过以上方法处理的图像的云覆盖仍有20％，“最大陆地”的方法存在着较大的不确定性，但是能有效的去除云污染。

基于上述实施例，基于包含当日的预设天数的第四积雪覆盖率图像，对当日的第四积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，包括：

将当日的第四积雪覆盖率图像中类型为云的像元作为第四像元，对于任一第四像元，将任一第四像元作为目标第四像元，获取预设天数中的所有第四积雪覆盖率图像中，与目标第四像元位置相同的像元的类型；

若预设天数中至少有一天的第四积雪覆盖率图像中，与目标第四像元位置相同的像元的类型为湖泊或者湖冰，则将目标第四像元的类型调整为相应的湖泊或者湖冰；

若预设天数中至少有一天的第四积雪覆盖率图像中，与目标第四像元位置相同的像元的类型为陆地，则将目标第四像元的类型调整为陆地；

若预设天数的所有第四积雪覆盖率图像中，与目标第四像元位置相同的像元的类型为云或者积雪，则将目标第四像元的类型调整为积雪，并将目标第四像元所对应的积雪覆盖率调整为预设天数的所有第四积雪覆盖率图像中，与目标第四像元位置相同且类型为积雪的像元所对应的积雪覆盖率的平均值。

上述预设天数可选择八天或者十六天。通过“最大陆地”的方法处理后的图像的云覆盖可降到10％以下。

为通过以上处理方法获得的最终积雪覆盖率图像的可行性，随机选取同一时间段的逐日无云覆盖积雪遥感二值图像作为参考，分析图像间的一致性，如图3(2015年的5天图像)所示空间覆盖的对比图，从图中可以看出，逐日无云覆盖积雪遥感二值图像(即图3中的二值产品)与最终积雪覆盖率图像(即图3中的积雪覆盖度产品)在空间分布上非常一致，但是通过以上处理方法获得的最终积雪覆盖率图像的积雪区域边缘体现了更多的细节。

在时间系列上，再选取逐日无云覆盖积雪遥感二值图像和通过以上处理方法获得的最终积雪覆盖率图像在一个积雪年中的冬季时间段的数据开展面积(像元数)的对比，图4展示了2013年10月1日至2014年4月30日间，逐日无云覆盖积雪遥感二值图像(即图4中的二值产品)与通过以上处理方法获得的最终积雪覆盖率图像中不同程度的积雪覆盖率范围(FSC＞0％、FSC＞20％、FSC＞30％和FSC＞50％)的积雪像元数目，通过各自的像元数目反映了各自对应的积雪的面积的情况。

因此，通过空间对比和时间系列对比可知，通过以上处理方法获得的最终积雪覆盖率图像对积雪的监测与同时期的逐日无云覆盖积雪遥感二值图像的一致性高，但最终积雪覆盖率图像可以有效地传递出积雪覆盖比例的信息，且云覆盖平均控制在10％以内。

通过上述方法，计算和构建了高亚洲地区2002～2016年每天的积雪覆盖率图像，是对高亚洲地区逐日无云覆盖积雪遥感二值图像的重要补充，该积雪覆盖率图像可以在日尺度上反映高亚洲地区积雪的变化特征，可用于积雪时空变化分析和气候变化研究，对于高亚洲区域生态、气候变化研究、融雪径流模型建立、雪灾预测以及水和能量循环研究具有重要的价值。

作为本发明的又一个实施例，提供一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，该计算机程序包括程序指令，当程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获取当日的上午星积雪覆盖率图像和下午星积雪覆盖率图像，将当日的上午星积雪覆盖率图像和下午星积雪覆盖率图像合成为合成图像，并调整合成图像中类型为积雪的像元所对应的积雪覆盖率，以获得当日的第一积雪覆盖率图像；基于前一日的第一积雪覆盖率图像及后一日的第一积雪覆盖率图像，对当日的第一积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，以获得当日的第二积雪覆盖率图像；基于当日的第二积雪覆盖率图像中与类型为云的像元所临近的像元的类型，对当日的第二积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，以获得当日的第三积雪覆盖率图像；基于当日的第三积雪覆盖率图像中像元的高程，对当日的第三积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，以获得当日的第四积雪覆盖率图像；基于包含当日的预设天数的第四积雪覆盖率图像，对当日的第四积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，以获得当日的最终积雪覆盖率图像；其中，像元的类型包括陆地、湖泊、湖冰、积雪和云。

作为本发明的又一个实施例，提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机程序，该计算机程序使该计算机执行上述各方法实施例所提供的方法，例如包括：获取当日的上午星积雪覆盖率图像和下午星积雪覆盖率图像，将当日的上午星积雪覆盖率图像和下午星积雪覆盖率图像合成为合成图像，并调整合成图像中类型为积雪的像元所对应的积雪覆盖率，以获得当日的第一积雪覆盖率图像；基于前一日的第一积雪覆盖率图像及后一日的第一积雪覆盖率图像，对当日的第一积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，以获得当日的第二积雪覆盖率图像；基于当日的第二积雪覆盖率图像中与类型为云的像元所临近的像元的类型，对当日的第二积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，以获得当日的第三积雪覆盖率图像；基于当日的第三积雪覆盖率图像中像元的高程，对当日的第三积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，以获得当日的第四积雪覆盖率图像；基于包含当日的预设天数的第四积雪覆盖率图像，对当日的第四积雪覆盖率图像中类型为云的像元进行调整，并调整将类型由云调整为积雪的像元所对应的积雪覆盖率，以获得当日的最终积雪覆盖率图像；其中，像元的类型包括陆地、湖泊、湖冰、积雪和云。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过计算机程序指令相关的硬件来完成，前述的计算机程序可以存储于一计算机可读取存储介质中，该计算机程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。