一种基于微光云图数据的夜间低云大雾监测方法技术

一种基于微光云图数据的夜间低云大雾监测方法，分别选取夜间可见光、近红外以及远红外波段卫星遥感数据，进行去缺省值和图像匹配的预处理；利用云雾反照率数据与下垫面反照率数据在可见光波段差异较大的特点，采用最大类间方差法自动确定最佳图像分割阈值，将云雾与下垫面分离；利用微光传感器在夜间可见光波段接收到的云雾反射月光能量数据与城市灯光等光源自身辐射能量数据的差异，作目标区域的灰度直方图，依据直方图的分布情况手动选取合适的灰度阈值，将云雾与城市灯光光源分离；利用冰雪反照率数据与云雾反照率数据在近红外波段所表现出的差异，综合采用归一化积雪指数(NDSI)和归一化植被指数(NDVI)将云雾与冰雪分离。

【技术实现步骤摘要】

本专利技术属于遥感
，是一种综合利用微光条件下多波段卫星遥感数据的夜 间低云大雾监测方法。
技术介绍
卫星遥感监测具有覆盖范围广，时间分辨率高，信息源可靠且成本较低等诸多优 势，利用卫星遥感资料进行夜间低云大雾监测是有效的方法和技术途径。目前的方法主要 有计盒维数法、基于灰度连通域加权分数维法、双红外亮温差值法W及双波段阔值法。其 中，前两种方法主要利用云雾在纹理上的分形特征的不同，从红外遥感图像上识别纹理相 对均匀的低云大雾区域，其能够较好地区分云雾与下垫面等背景，但由于某些中高云在纹 理结构上与低云大雾类似，其识别结果中往往参杂有部分中高云。双红外亮温差值法是 目前应用最广泛的夜间低云大雾监测方法。该方法利用低云大雾在中红外波段（3.7ym) 和远红外波段（10.8ym)的亮温差异，选取合适的亮温差阔值（大约为2K)识别低云大 雾区域。然而由于该方法仅使用两个红外波段的数据，其对于夜间低云大雾的识别存在 很多局限，如该方法并不适合云雾层厚度小于100m的情况，在双红外波段上某些类型的 ±壤在无云雾情况下与低云大雾较为相似，中高层层状云也常常与低云大雾相混淆等 。双波 段阔值法首次尝试结合夜间可见光波段与远红外波段数据，通过手动选取阔值实现夜间低 云大雾监测，取得了一定的效果。但由于该方法使用波段较少，其难W将 低云大雾与亮地表（如城市灯光等光源、冰雪覆盖区域）区分开。目前，综合利用微光条件 下多波段卫星遥感数据的夜间低云大雾监测方法还未见报道。因此，需要寻找一种基于微 光云图数据的夜间低云大雾监测方法。
技术实现思路
本专利技术的目的在于，提供，综合 利用多波段卫星遥感数据对夜间低云大雾进行监测。 为了实现上述目的，本专利技术采取W下技术方案；一种基于微光云图数据的夜间低 云大雾监测方法，其特征在于，所述方法包括W下步骤： 步骤1、分别选取夜间可见光、近红外W及远红外波段卫星遥感数据，进行去缺省 值和图像匹配的预处理； 步骤2、利用云雾反照率数据与下垫面反照率数据（地表、水体、植被等）在可见光 波段反照率差异较大的特点，采用最大类间方差法自动确定最佳图像分割阔值，将云雾与 地表、水体W及植被等下垫面分离； 步骤3、利用微光传感器在夜间可见光波段接收到的云雾反射月光能量数据与城 市灯光等光源自身福射能量的差异，作目标区域的灰度直方图，依据直方图的分布情况手 动选取合适的灰度阔值，将云雾与城市灯光等光源分离； 步骤4、利用冰雪反照率数据与云雾反照率数据在近红外波段（尤其是1. 61ym附 近）所表现出的反照率差异，综合采用归一化积雪指数（NDSI)和归一化植被指数（NDVI) 将云雾与冰雪分离； 步骤5、利用低云大雾、下垫面W及中高云在远红外波段所表现出的亮温差异，作 目标区域的亮温直方图，依据直方图的分布情况选取亮温阔值，将低云大雾、下垫面与中高 云分离； 步骤6、合并步骤2、3、4、5所得结果的共同区域，得到云雾的相关数据，即初步的 低云大雾监测结果； 步骤7、根据低云大雾应具有的连续均匀的特性，对步骤5得到的初步监测结果中 的每3X3像元区域逐次进行均匀性检测，剔除噪声，进而得到最终的低云大雾监测结果。 步骤2中用于确定图像分割最佳阔值的最大类间方差法的公式如下： 假设图像大小为MXN，灰度级为L，图像中灰度为i(0《i《kl)的像素数为Ni， 则灰度i的概率为巧=^ '最佳阔值为： G=argmaXo<__g<__L-l化(Wa-Wo)2+Pb(Wb-Wo)2]式中g为灰度值（0《g《レl)，其 余参数定义如下： 步骤4中归一化积雪指数NDSI、归一化植被指数NDVI的公式如下：式中Rii、Ri2、Ri3分别表示物体在IU0. 64ym)、12 (0. 865ym)、13 (1. 61ym)波段 的反照率。 步骤5中计算3X3像元区域均匀性的公式如下：式中甜表示目标区域的均匀性大小，y、0分别表示目标区域的灰度平均值和标 准差。【附图说明】 图1是本专利技术实现流程图； 图2、3是本专利技术对夜间低云大雾的监测结果W及验证情况。[002引其中；图2为算法监测结果及验证情况（即实施例1)，图2中（a、b、c)分别为DNB可见光云图、15红外云图、低云大雾监测结果；图2中W、e)分别为能见度实测结果、云底 高实测结果；图3算法监测结果及验证情况（即实施例2)，图3中a、b、c)分别为DNB微光 云图、15红外云图、低云大雾监测结果；图3中（d)、（e)分别为能见度实测结果、云底高实 测结果。【具体实施方式】 本专利技术综合利用微光条件下多波段卫星数据，提出了适用于夜间低云大雾监测的 多波段阔值法。该方法通过实施一系列分离过程得到低云大雾初步监测结果，在此基础上 进行均匀性检测，最终提取出微光云图中的低云大雾区域。结合图1，该方法具体为：[002引 1数据预处理 分别选取夜间可见光、近红外W及远红外波段卫星遥感数据，进行去缺省值和图 像匹配的数据预处理。其中，去缺省值处理是指剔除遥感图像中的条带噪声，常用的方法 有；全局的线性探测器匹配法、非线性探测器匹配法、统计修改法W及空间滤波器掩膜法。 图像匹配处理是指对不同波段遥感图像的像元空间位置进行匹配，常用的方法有最近邻 法、双线性内插法、=次卷积内插法。 2云雾与地表、植被、水体分离 在可见光波段，卫星在夜间接收到的福射能量主要与目标物的反照率W及月 相角有关（城市灯光等自身福射光源除外）。根据米散射理论，云雾的散射作用比较 明显，其反照率要明显高于地表、植被、水体等下垫面（冰雪除外）。因此在夜间可见 光云图上，云雾的亮度相比于该些类型的下垫面更为明亮。针对夜间可见光云图，可 通过设定灰度阔值的方法将云雾与地表、植被、水体分开。而对于不同时间、不同地域 的微光云图，显然不能使用固定的阔值，因此动态阔值的确定是该分离过程的关键点。 0tsu提出一种自适应的图像分割阔值确定方法，即最大类间方 差法。该算法将待分割图像看作是由背景和目标两类组成，用类间方差来衡量目标和背景 之间的差别，使得目标和背景的类间方差最大的灰度值即认为是最佳阔值。假设微光云图 像元数为MXN，灰度级为L，图像中灰度值为i(0《i《kl)的像素数为Ni，则灰度值i的 累计出现概率为则最佳阔值G可由W下公式计算得到：[003引式中g为灰度值（0《g《kl),其余参数定义如下： 3云雾与城市灯光等光源分离 夜间，卫星上搭载的微光传感器不仅可W探测到云雾等反射月光的特征 物，也能探测到城市灯光、火、渔船等光源。为了排除该些光源对低云大雾监测结果 的干扰，需要从微光云图中剔除光源。夜间云雾等特征物反射月光福射范围大致为 1. 0X1〇-12胖?cm-2 ?sr-i~1. 0X10 -8W?cm-2 ?sr-i，而典型的夜间灯光福射范围大致为 1. 0X1〇-9胖?cm-2 ?sr-i~3. 0X10 ?cm-2 ?sr-i。因此在微光云图上，城市灯光等光源一 般比云雾等特征物更明亮（尤其是当月相接近新月时明暗差异更加明显）。通过统计目标 区域的灰度直方图，依据直方图的分布情况手动选取合适的灰度阔值，即可将云雾与城市 灯光等光源分离。依据直方图的分布情况手动选取合适的灰本文档来自技高网...

【技术保护点】
一种基于微光云图数据的夜间低云大雾监测方法，其特征在于，所述方法包括以下步骤：步骤1、分别选取夜间可见光、近红外以及远红外波段卫星遥感数据，进行去缺省值和图像匹配的预处理；步骤2、利用云雾反照率数据与下垫面反照率数据，在可见光波段差异较大的特点，采用最大类间方差法自动确定最佳图像分割阈值，将云雾与地表、水体以及植被等下垫面分离；步骤3、利用微光传感器在夜间可见光波段接收到的云雾反射月光能量数据与城市灯光等光源自身辐射能量数据的差异，作目标区域的灰度直方图，依据直方图的分布情况手动选取合适的灰度阈值，将云雾与城市灯光等光源分离；步骤4、利用冰雪反照率数据与云雾反照率数据在近红外波段，尤其是1.61μm附近所表现出的差异，综合采用归一化积雪指数（NDSI）和归一化植被指数（NDVI）将云雾与冰雪分离；步骤5、利用低云大雾、下垫面以及中高云在远红外波段所表现出的亮温差异，作目标区域的亮温直方图，依据直方图的分布情况手动选取合适的亮温阈值，将低云大雾、下垫面与中高云分离；步骤6、合并步骤2、3、4、5所得结果的共同区域，得到低云大雾的相关数据，即初步的低云大雾监测结果；步骤7、根据低云大雾应具有的连续均匀的特性，对步骤5得到的初步监测结果中的每3×3像元区域逐次进行均匀性检测，剔除噪声，进而得到最终的低云大雾监测结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：江军，马烁，严卫，胡申森，黄云仙，赵现斌，李冠林，安豪，兰渝，朱晓蕾，张夏荣，介阳阳，程玉鑫，吕华平，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏;32