路 茜，張鐵寶，辛 華，劉 放

(四川省地震局，四川 成都 610041)

MODIS數(shù)據(jù)云檢測算法在西南地區(qū)的改進

路 茜，張鐵寶，辛 華，劉 放

(四川省地震局，四川 成都 610041)

根據(jù)云在MODIS數(shù)據(jù)幾個可見光和紅外波段的特性，改進了現(xiàn)今國內外應用較廣泛的多光譜綜合云檢測算法，進行中國大陸西南地區(qū)的云檢測應用試驗。通過對該區(qū)不同時期的云檢測應用試驗，調整該方法的各光譜閾值。試驗結果表明，該多光譜綜合云檢測法效果理想，對可見光波段難以識別的薄卷云也有很好的效果，為MODIS數(shù)據(jù)進一步在中國大陸西南地區(qū)的應用打下了良好的基礎。

MODIS；云檢測；多光譜綜合；閾值；中國大陸西南地區(qū)

隨著空間技術的發(fā)展，衛(wèi)星遙感數(shù)據(jù)被越來越多地應用到防震減災工作中，尤其是MODIS數(shù)據(jù)因其具有較高的空間分辨率和豐富的陸地信息探測波段，在地震監(jiān)測預報研究中得到了許多應用。由于云層會對其下墊面數(shù)據(jù)的應用產生影響，因此鑒別云數(shù)據(jù)是地表數(shù)據(jù)應用的前提和基礎。在可見光波段，厚的云體反射太陽輻射能力很強，有較高的反照率，在紅外波段，相對于地表，云有較小的輻射值，利用這些云數(shù)據(jù)特性選取合適波段進行運算可以實現(xiàn)判別云的目的。本文在現(xiàn)今國內外應用較廣泛的多光譜綜合云檢測算法基礎上適當做了改進，對中國大陸西南地區(qū)遙感數(shù)據(jù)進行了云檢測應用試驗，取得了一些有應用價值的結果。

1 MODIS遙感數(shù)據(jù)介紹

四川省地震局自2004年3月以來建立起MODIS數(shù)據(jù)接收站，一直致力于探索MODIS數(shù)據(jù)在地震監(jiān)測預報研究中的應用。在地震領域的應用中，MODIS數(shù)據(jù)較其他數(shù)據(jù)具有高空間、時間分辨率的優(yōu)點，其含有36個光譜通道，多光譜的聯(lián)合應用是MODIS數(shù)據(jù)的應用研究特色之一。我們所需要的MODIS數(shù)據(jù)元素為36個通道中包含的紅外地表亮溫數(shù)據(jù)，由于紅外射線無法穿過云層被衛(wèi)星傳感器探測到，因此云層對于我們的數(shù)據(jù)應用存在一定干擾。

2 云檢測基本原理和現(xiàn)有算法簡介

2.1 云檢測基本原理

云層數(shù)據(jù)與下墊面相比具有高的反射率和低的亮度溫度，這也是云檢測的基本原理，因此，簡單的可見光和紅外波段的閾值組合可提供有效的云檢測方法。然而在許多情況下，如下墊面為冰雪，云為薄卷云，夜間出現(xiàn)的低層云或小的積云時，云和下墊面的輻射相似，難以用簡單的可見光和紅外光譜組合的方法來區(qū)別云和下墊面。MODIS數(shù)據(jù)具有36個光譜探測通道，這為實現(xiàn)利用多光譜通道進行云檢測并得到較好的云檢測效果成為可能[6]。

2.2 現(xiàn)有MODIS云檢測算法簡介

可見光反射率法R0.66或R0.87：根據(jù)不同下墊面條件、生態(tài)系統(tǒng)，利用云和地表的反射率差異檢測云。當?shù)乇砼c云的反射率差異較大時，該方法比較有效。而對雪地等與云的反射率區(qū)別不大的區(qū)域此方法效果不理想。MODIS第1通道(0.66 μm)的反射率檢驗運用于陸地，而第2通道(0.87 μm)則用于海洋和沙漠[1]。

近紅外反射率法R1.38：薄卷云是一種對可見光通道反射率影響很小的云，檢測薄卷云是云檢測中的難點。近紅外反射率云檢測方法由Bo-Cai Gao等提出，由于1.38 μm近紅外波段對水有強烈吸收[4]，地面的輻射很難到達傳感器，高云的濕度很小，高云在1.38 μm近紅外波段反射率很大[3,6]，利用上述差異可實現(xiàn)MODIS數(shù)據(jù)在該波段對高云，特別是薄卷云的檢測。

熱紅外亮溫差值法BT11.00-BT3.75：當影像全部為晴空或全部被厚云覆蓋時，MODIS 31通道(11.0 μm)與MODIS20通道(3.75 μm)的亮度溫度差會出現(xiàn)小值或負值，而在非均勻視場中會出現(xiàn)較大的亮度溫度差，在白天，由于3.75 μm波段處有太陽反射，BT11.00與BT3.75間存在較大的亮度溫度差，這對檢測低層水云十分有效[6]。該方法用于日間沙漠地區(qū)時容易出現(xiàn)誤判。

上述方法各有優(yōu)缺點，為了更準確地對中國大陸西南地區(qū)數(shù)據(jù)做云檢測，將對上述算法做適當組合應用，并根據(jù)試驗結果，最終確定適用于該地區(qū)的多光譜綜合云檢測法。

3 云檢測方法試驗和結果

3.1 試驗區(qū)概況及數(shù)據(jù)預處理

云檢測試驗區(qū)位于中國大陸西南地區(qū)(中心經(jīng)緯度為：30.0°N，100.0°E；長2 000 km、寬2 000 km)，包括四川、重慶、云南、湖南、廣西、西藏、青海、甘肅、寧夏、陜西等省區(qū)。該地區(qū)的地面覆蓋類型復雜，包含山地、高原、平川、河谷、沙漠等，地質結構復雜，地形和氣候變化大，適合作為云檢測條件的試驗區(qū)。試驗中選用1月、4月、7月、10月的MODIS/TERRA衛(wèi)星遙感數(shù)據(jù)，具有季節(jié)代表性。試驗研究中選用了MODIS可見光、近紅外和熱紅外的6個波段(見表1)。在進行云檢測之前，數(shù)據(jù)經(jīng)過去除bow-tie效應、幾何校正、將可見光及近紅外波段轉化為反射率[2,5]和檢測壞點等預處理。

表1 MODIS云檢測選用波段

圖2 四個算法條件數(shù)值直方圖(DN表示數(shù)值，Npts表示個數(shù))

3.2 算法流程

多光譜綜合具體算法如下(參見圖1)：第一步：若通道26(R1.38)大于某閾值(T1)，判別為云，此步驟可以檢測出大部分高云；第二步：若通道1(R0.66)大于某閾值(T2)，并且同時滿足通道31(BT11.00)與通道20(BT3.75)的差值大于某閾值(T3)、通道1、6歸一化值(RN)小于等于某閾值判別為云。此步驟可以檢測出大部分中云和低云，同時排除、減少對水體、沙漠和積雪的誤判。

3.3 閾值的確定

確定算法閾值是云檢測的重要環(huán)節(jié)，直接關系到云檢測效果。對于不同下墊面類型，不同季節(jié)，閾值不是唯一的。對某一區(qū)域，如果能確定不隨地物類型變化，只隨時間季節(jié)變化的云檢測閾值，那么MODIS數(shù)據(jù)云檢測就可能實現(xiàn)批處理化，這樣會使得海量數(shù)據(jù)云檢測及數(shù)據(jù)存儲更具便捷性。

圖1 云檢測算法流程圖

根據(jù)圖2直方圖所示，并非所有的云檢測閾值都能很容易地從直方圖中得到。在某些影像中，當云比較少時，直方圖曲線突變(拐點)不明顯，從中提取到閾值的難度較大，在這種情況，可以對比原始影像，找出各種云狀態(tài)的相應相元值，以此為參考來確定云檢測閾值。為了驗證本算法對不同季節(jié)云檢測的適用性，對 2013年1月、4月、7月、10月的共32幅試驗區(qū)MODIS/TERRA影像數(shù)據(jù)進行了云檢測試驗。通過上節(jié)算法流程的處理，再結合人工判讀檢測，確定了表2所示的云檢測條件閾值。圖3為使用表2云檢測條件得到的1月、4月、7月、10月典型圖像的云檢測效果。

(1a-1c：1月，2a-2c：4月，3a-3c：7月，4a-4c：10月，其中a為可見光三通道合成圖，b為ch26通道高層薄卷云圖，c為云檢測結果)圖3 MODIS影像及云檢測結果對比

云檢測方法1月4月7月10月R1.38>T1T1=15T1=15T1=15T1=15R0.66>T2T2=15T2=30T2=30T2=20BT11.00-BT3.75

4 結果與討論

對MODIS數(shù)據(jù)2013年1月、4月、7月和10月不同時次的32條影像數(shù)據(jù)的處理和云檢測試驗結果表明，除了青藏高原的冰雪仍有少量誤判以外(如圖3中1c、2c所示)，該云檢測算法在試驗區(qū)內各個季節(jié)都有較好的云檢測效果(如圖3所示)。本文采用的云檢測方法具有方法簡單、云識別率高、可批量處理等優(yōu)點。本文只對2013年的數(shù)據(jù)進行了云檢測處理和檢測試驗，在今后的應用工作中還需要更多資料的累積和處理，以不斷完善適用于該地區(qū)的云檢測算法。

[1] Steven Ackerman,Kathleen Strabala,W. Menzel，et al．Discriminating clear sky from cloud with MODIS．Journal of Geophysical Research，1998；103：32141-32157.

[2] Tilton J C．Cloud mask generation for MODIS utilizing hierarchical segmentation．Geoscience and Remote Sensing Symposium，2006；IGARSS，2006．IEEE International Conference on Denver，Colorado，2006；3708-3711.

[3] Bo-Cai Gao，Alexander F.H. Goetz，Warren J. Wiscombe．Cirrus cloud detection from Airborne imaging spectrometer data using the 1.38(m water vapor band．Geophysical Research Letters，1993，20(4)：301-304.

[4] Kerry Meyer，Yang Ping， Bo--Cai Gao．Optical thickness of tropical cirrus clouds derived from the MODIS 0.66 and 1.375 μm channels．IEEE Transactions on Geoscience and Remote Sensing，2004；42(4)：833-841.

[5] Wan Zheng-Ming．MODIS Land-Surface Temperature Algorithm Theoretical Basis Document (LST ATBD) Version 3.3． http://modis.gsfc.nasa.gov/data/atbd/atbd_mod11.pdf，1999.

[6] 劉玉潔，楊忠東．MODIS遙感信息處理原理與算法[M]．北京：科學出版社，2001．

[7] 李微，方圣輝，佃袁勇，等．基于光譜分析的MODIS云檢測算法研究[J]．武漢大學學報(信息科學版)，2005；30(5)：435-443.

[8] 張旭，崔彩霞，毛煒峰，等．基于MODIS數(shù)據(jù)的云檢測及其在新疆的應用[J]．干旱區(qū)研究，2011；28(4)：705-709.

[9] 盛夏，孔龍祥，鄭慶梅．利用MODIS數(shù)據(jù)進行云檢測[J]．解放軍理工大學學報：自然科學版，2004；5(4)：98-102.

[10] 李穎，張顯峰．基于規(guī)則的MODIS數(shù)據(jù)日問云檢測與比較分析[J].北京大學學報(自然科學版)，2009；45(6)：1003-1011.

The Cloud Detection Improvement and Application of MODIS Data in Southwestern China

LU Qian，ZHANG Tiebao，XIN Hua，LIU Fang

(Earthquake Administration of Sichuan Province，Sichuan Chengdu 610041，China)

According to the characteristics of the cloud on the MODIS data visible and infrared spectra，we improve the domestic and foreign common cloud detection method. We use the Multi-spectrum synthesis cloud detection and in the Southwestern China test. Based on the different periods of cloud detection application test，the spectrum threshold value of the method can be determined. Our test result shows that the effect of Multi-spectrum synthesis cloud detection is ideal especially for the thin cirrus cloud which is invisible in the visible band. The Multi-spectrum synthesis cloud detection laid a good foundation for further application of MODIS data in Southwestern China.

MODIS；Cloud detection；multi-spectrum synthesis；threshold value； Southwestern China

2016-07-15

四川省地震局地震科技專項(LY1610)資助

路茜(1982-)，女，四川省成都市人，工程師，主要研究衛(wèi)星遙感紅外地震預測，E-mail:lucilleqian@126.com.

TP79

B

1001-8115(2017)01-0011-04

10.13716/j.cnki.1001-8115.2017.01.003