趙少帥，楊磊庫，陳興峰，王涵，盧曉峰

(1.河南理工大學 測繪與國土信息工程學院，河南 焦作 454003；2.中國科學院遙感與數(shù)字地球研究所 國家環(huán)境保護衛(wèi)星遙感重點實驗室，北京 100101)

0 引言

中國高分辨率對地觀測系統(tǒng)建設是具備高空間分辨率、高時間分辨率、高光譜分辨率、高精度觀測能力的自主、先進的對地觀測系統(tǒng)[1]。高分四號衛(wèi)星是該項目中唯一一顆地球同步軌道衛(wèi)星，該星具有可見光50 m空間分辨率、中波紅外400 m空間分辨率的能力(表1)。高時間和空間分辨率使得高分四號衛(wèi)星廣泛應用于資源、農(nóng)業(yè)和防災減災等領域，該星數(shù)據(jù)還可以在大氣環(huán)境領域用以反演高時空分辨率的氣溶膠產(chǎn)品，這對于監(jiān)測生命周期短、空間變化性大的大氣氣溶膠十分有利。高時空分辨率的氣溶膠產(chǎn)品可以為大氣污染防控、政策研究提供有力支撐。針對高分四號衛(wèi)星數(shù)據(jù)的光譜特征和高空間分辨率特征，采用區(qū)域直方圖統(tǒng)計的方法確定適合的閾值，并針對不同下墊面進行測試，以驗證算法的可行性。

表1 高分四號衛(wèi)星有效載荷技術指標

使用遙感數(shù)據(jù)獲取地球空間信息已成為一種重要而便捷的手段。但許多傳感器獲取的遙感影像中都存在云層遮擋的問題[2]，這嚴重影響了利用遙感數(shù)據(jù)對其他地氣參數(shù)的提取[3]。尤其是在氣溶膠反演過程中，準確的云檢測是保證反演精度的關鍵一步[4]。作為影像后處理、空間信息提取的關鍵步驟[5]，針對云檢測的方法前人做了大量研究[6]。

在高分四號衛(wèi)星氣溶膠反演過程中，考慮提高輻射數(shù)據(jù)信噪比需要一定大小窗口內的像元進行聯(lián)合反演。第一，在這個過程中，碎云、云邊緣、薄云等不容易被識別的像元會引入誤差進而降低反演精度；第二，未識別的云邊緣和碎云等會被誤識別是污染嚴重的氣溶膠，給環(huán)境監(jiān)測和區(qū)域環(huán)境評價帶來干擾。通常云檢測常用的是基于云光譜特征的閾值法。云層的平均反射率為50%～55%，對于厚云可達90%以上[7]。因此，大多數(shù)云檢測算法是基于可見光和紅外(IR)光譜反射率閾值或者是不同波段反射率的組合閾值。例如，ISCCP(international satellite cloud climatology project)法[8]，該方法使用可見光波段(0.6 μm)與紅外波段(11 μm)的輻射值數(shù)據(jù)，統(tǒng)計出晴空無云像元對應的輻射值變化范圍進而確定適合的閾值用于進行云檢測。APOLLO(AVHRR processing scheme overclouds land and ocean)方法[9]使用像元的亮溫和多個波段反射率的組合閾值進行云檢測，同樣的原理也被用于中分辨率成像光譜輻射計(moderate resolution imaging spectroradiometer，MODIS)的云檢測[4，10-13]。上述基于光譜特征的閾值法在進行云檢測時對厚云十分有效，但是同時也存在一定的缺陷。例如，在云邊緣和碎云區(qū)域存在一定的漏識別[14]現(xiàn)象。針對高時間分辨率的衛(wèi)星數(shù)據(jù)也有基于序列圖像法的自動云檢測算法，如胡昌苗等[15]開發(fā)的針對高分四號靜止軌道衛(wèi)星數(shù)據(jù)的自動云檢測算法。其主要利用高分四號衛(wèi)星的“凝視”功能，對災害等熱點地區(qū)可以連續(xù)成像，利用序列圖像上云的運動特征進行云的識別。該算法的云識別精度高，特別是在邊界、薄云區(qū)域。但其受限于序列圖像的構建，不適用于大范圍、隨機影像的云識別，這就限制了該算法應用于氣溶膠光學厚度反演時影像的云識別。

簡單來說小水滴和小冰晶“相聚”在一起便形成了肉眼可見的云。而這個“相聚”的過程高度不穩(wěn)定[16]，導致云在衛(wèi)星影像上表現(xiàn)出相對于植被、土壤、水體和氣溶膠等其他介質更高度的空間不均一性。依據(jù)此原理，Martins等[16]提出了一種基于云空間變化特性的檢測方法。該方法是利用云的形成過程高度不穩(wěn)定導致云相對與地表、氣溶膠和霧霾等表現(xiàn)出更復雜的空間變化特性的原理進行云的檢測。針對高空間分辨率衛(wèi)星數(shù)據(jù)，云的空間變化特征會更容易識別，因此該方法能夠有效針對云邊緣和碎云等區(qū)域進行識別。該方法已成功應用于MODIS[17]和地球靜止海洋彩色成像儀(geostationary ocean color imager，GOCI)[18]傳感器，都取得了很好的效果。但其在檢測厚云和薄云時有缺陷。厚云處于云的中間區(qū)域比較密集，空間變化性很小，因此使用云的空間變化性方法時厚云會被漏識別。同樣，薄云的空間變化特性幾乎和下墊面表現(xiàn)一致，因此云的空間變化特性方法也不適用于薄云。針對上述問題，本文提出了使用云的空間變化特性、光譜反射率特征閾值和HOT(haze-optimized transformation)薄云檢測[19]聯(lián)合的方法。

1 云檢測方法

針對云邊緣、碎云、厚云和薄云的不同特性，使用了云的空間變化特性、光譜反射率特征閾值和HOT薄云檢測聯(lián)合的方法。其中利用光譜反射率特征閾值對厚云進行識別；利用云的空間變化特性對云邊緣和碎云進行識別；利用HOT薄云檢測對薄云進行識別。利用3種方法互補的特性，最終實現(xiàn)針對面對氣溶膠反演的高分四號影像的云檢測。具體流程如圖1所示。

圖1 云檢測流程圖

云檢測的具體步驟為：①首先對高分四號衛(wèi)星數(shù)據(jù)進行預處理，即將影像的DN值轉換為表觀輻亮度，再通過計算得到藍、紅2個波段的表觀反射率；②分別利用藍波段計算影像的平均加權標準差，利用紅藍波段計算影像的HOT值；③根據(jù)各個閾值對影像進行云檢測。

1.1 云的光譜反射率特性分析與閾值確定

有研究表明，在可見光光譜范圍內，云相對于其他下墊面有更高的光譜反射率[20]，特別在云中間區(qū)域，這個特征更加明顯。因此可以通過云的高反射率光譜特征對厚云進行識別，和使用云空間變化特征的方法形成互補。

研究表明，在可見光0.65 μm波段處，晴空數(shù)據(jù)一般具有較低的反射率，其值約為0～0.3，因此可見光0.65 μm波段是進行云檢測的首選波段[21-22]。利用區(qū)域直方圖統(tǒng)計法共統(tǒng)計137幅分布在中國不同區(qū)域包含厚云情況的高分四號衛(wèi)星影像(2016年1—12月)。0.65 μm波段反射率統(tǒng)計果如圖2所示。圖2展示了用以區(qū)分云像元和非云像元閾值的統(tǒng)計結果，該閾值為0.32，即反射率大于0.32時，該像元為云。這和前人研究結果比較一致。

圖2 0.65 μm反射率直方圖

只采用0.65 μm反射率閾值的云檢測結果如圖3所示，圖3(a)為高分四號衛(wèi)星真彩色影像，圖3(b)為對應的云檢測結果。從圖中可以明顯看出，該方法在厚云區(qū)域有很好的識別效果，但在云的邊緣和碎云區(qū)域存在漏識別現(xiàn)象。

圖3 利用0.65 μm反射率閾值的云掩膜結果，閾值為0.32

1.2 云的空間變化特性分析與閾值確定

通過計算藍波段(0.47 μm)3×3共9個像素的平均加權標準差(mean weighted standard deviation，MSTD)[16](式(1))來描述云的空間變化特性，然后利用區(qū)域直方圖統(tǒng)計的方法確定適合高分四號衛(wèi)星數(shù)據(jù)的閾值進行云的檢測[16]。

(1)

具體計算過程如圖4所示，根據(jù)式(1)計算以像元X為中心3×3窗口內的平均加權標準差σ*，然后平移3個像素計算下一個窗口的σ*，以此類推，計算整幅影像的平均加權標準差。針對高分四號衛(wèi)星影像，其可見光空間分辨率為50 m，因此最終云掩膜的空間分辨率也為50 m。

圖4 3×3 平均加權標準差計算示意圖

根據(jù)上述原理，統(tǒng)計了2016年1—12月，分布在中國不同區(qū)域的高分四號衛(wèi)星影像，這些影像包括了分布在亮地表(沙漠等)和暗地表(植被、水體等)區(qū)域在內的不同形態(tài)云(薄云、厚云、碎云)的情況。統(tǒng)計結果如圖5所示。圖5展示了用以區(qū)分云和非云像元閾值的統(tǒng)計結果，該閾值為1.68E-4。即像元的平均加權標準差大于1.68E-4時，該像元判定為云。

圖5 0.47 μm波段3×3平均加權標準差直方圖

只采用云空間變化性閾值的云檢測結果如圖6所示，圖6(a)為高分四號衛(wèi)星真彩色影像，圖6(b)為對應的云檢測結果。從圖中可以明顯看出，該方法在云邊緣和碎云區(qū)域有很好的識別效果，但是在厚云區(qū)域(云中間區(qū)域)，由于其空間變化性小，會漏識別該區(qū)域的云像元。

圖6 利用0.47μm計算得到的空間變異性閾值的云檢測結果，閾值為1.68E-4

1.3 薄云特性分析與HOT閾值確定

但是上述2個方法在薄云檢測方面都有一定的缺陷。為了解決這個問題，使用Zhang等[19]的HOT檢測方法用于薄云的檢測。Zhang等利用在晴朗條件下，對于不同地表覆蓋類型紅藍2個波段的光譜響應有很好的相關性；但對于薄云的光譜響應，不同的波長對不同的云光學厚度有很大的不同。利用這個原理擬合出晴朗條件下紅藍波段表觀輻亮度(經(jīng)驗證表觀反射率也具有同樣特性)的線性函數(shù)，即“晴空線”。利用HOT值表示在正交與晴空線方向偏離晴空線的程度，當像素的HOT值達到一定程度該像元即可判定為云。HOT表達式為[19]：

HOT=Band1×sinθ-Band3×cosθ

(2)

式中：Band1、Band3分別是藍、紅波段的表觀輻亮度；θ為“晴空線”與橫軸(藍波段)的夾角。

針對高分四號數(shù)據(jù)，利用區(qū)域直方圖統(tǒng)計的方法，在中國不同區(qū)域共選取75幅包含薄云的影像(2016年1—12月)進行統(tǒng)計，其晴空線如圖7所示。

圖7 高分四號衛(wèi)星云檢測的紅藍波段相關性——“晴空線”

由“晴空線”方程得HOT表達式為：

HOT=0.93×ρB-0.36×ρR

(3)

式中：ρB為藍波段的表觀反射率；ρR為紅波段的表觀反射率。

根據(jù)HOT值的表達式統(tǒng)計HOT結果的直方圖如圖8所示。圖8展示了用以區(qū)分云與非云像元閾值的統(tǒng)計結果，該閾值為0.097，即當像元的HOT計算結果大于0.097時，該像元判定為云。

圖8 HOT計算結果直方圖

只采用HOT閾值的云檢測結果如圖9所示，圖9(a)為高分四號衛(wèi)星真彩色影像，圖9(b)為對應的云檢測結果。從圖中可以明顯看出，該方對薄云有很好的識別效果。

圖9 利用HOT方法的云掩膜結果，閾值為0.097

2 云檢測結果及分析

根據(jù)圖1的云檢測流程，對不同地區(qū)的影像進行云檢測測試，包括中國東部植被茂密(暗地表)區(qū)域，西部沙漠戈壁(亮地表)區(qū)域，為了更好地觀測檢測結果，選取4幅具有代表性的子影像進行結果展示，見圖10。

圖10(a)、圖10(b)為植被茂密(暗地表)區(qū)域云檢測結果，從圖中可以看出對應厚云、碎云和薄云都有很好的識別效果，但對于透明云，其檢測精度較低，存在漏識別現(xiàn)象。圖10(c)、圖10(d)為沙漠戈壁(亮地表)區(qū)域云檢測結果，其檢測結果和植被茂密地區(qū)結果類似，對厚云和薄云都能很好地進行識別，同樣對透明云識別效果較差，存在漏識別現(xiàn)象。從圖10(d)中可以很好地看出，針對高空間分辨率的高分四號衛(wèi)星影像，基于云的空間變化性方法在云邊緣區(qū)域有很好的識別效果。

為了進一步檢驗云識別效果，針對不同影像，對每幅影像隨機選取50個樣本點，逐個像元進行人工檢視統(tǒng)計，統(tǒng)計結果表明，云像元檢測精度達到大約95%。通過目視對比及隨機樣本點的逐點對照分析，其結果表明，本文使用的方法可行，其檢測結果可信度較高。

圖10 真彩色影像及對應的云檢測結果

3 結束語

本文詳細闡述了高分四號衛(wèi)星遙感影像云檢測過程。通過對云的物理特性及光譜特性分析，選取了有效的波段組合及穩(wěn)定的閾值，并基于高分四號衛(wèi)星影像高空間分辨率的特性，利用云高的空間變化，實現(xiàn)了不同地表情況下的云檢測，并對結果進行了初步的分析，其結論如下：

①通過對去云影像的分析可以看出，所選擇的云檢測特征波段、波段組合及閾值是可靠的，其基于云空間變化特性的檢測方法，能夠有效地提升云邊緣檢測效果，適合用于大范圍，業(yè)務化的云檢測，從而提高國產(chǎn)衛(wèi)星影像利用率，為利用高分四號衛(wèi)星數(shù)據(jù)進行氣溶膠光學厚度反演提供高精度云掩膜產(chǎn)品。

②在對去云影像進行精度分析時，發(fā)現(xiàn)該算法對于厚云、碎云以及云邊緣檢測效果較好，但對于薄云和透明云，檢測效果還不是特別理想。另外，對于冰雪像元也會誤識別為云，這對于利用在可見光近紅外只有4個波段的高分四號傳感器來說，對高反射率的云和冰雪進行區(qū)分還存在困難。但通常來說，冰雪區(qū)域的氣溶膠反演很困難，即使MODIS氣溶膠產(chǎn)品在冰雪區(qū)域也大量缺失，故高分四號氣溶膠反演系統(tǒng)暫不在冰雪區(qū)域反演氣溶膠，冰雪區(qū)域允許和云歸為一類。

在評價云檢測精度方面，現(xiàn)存的大多數(shù)方法是通過在去云影像上選取隨機點，經(jīng)目視解譯后統(tǒng)計精度，最終評價檢測結果的。但是在判斷檢測結果的真實性方面，仍是現(xiàn)階段研究的難點，需進一步研究。