一種結(jié)合時空信息的遙感逐日積雪產(chǎn)品去云方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于遙感圖像處理技術(shù)領(lǐng)域，涉及一種結(jié)合時空信息的遙感逐日積雪產(chǎn)品 去云方法，利用積雪的特性及地形信息，有效地恢復(fù)積雪產(chǎn)品中云像元信息。
【背景技術(shù)】
[0002] 由于遙感逐日積雪產(chǎn)品有較高的時間分辨率和空間分辨率，且在晴空條件下與地 面實測數(shù)據(jù)吻合精度高，因此，遙感逐日積雪產(chǎn)品被廣泛應(yīng)用于積雪的檢測中。然而，云量 高是限制其應(yīng)用的一個主要因素。目前，常見的去云方法有：兩衛(wèi)星合成，相鄰時間推導(dǎo)， 空間濾波，基于雪線的方法，根據(jù)積雪過渡期確定閾值的方法，多天合成（包括固定天數(shù)和 非固定天數(shù)合成）等，采用其中一種方法或多種方法依次去云。其中，兩衛(wèi)星合成和相鄰時 間推導(dǎo)的方法運用比較廣泛，去云量較大，精度高，但不能完全解決云覆蓋問題；空間濾波 方法主要基于4鄰域或8鄰域的信息去云，去云量小，且犧牲了部分空間分辨率；基于雪線 的方法，隨著云覆蓋量增大，精度降低；根據(jù)積雪過渡期確定閾值的方法，只考慮了一個積 雪周期，忽略了積雪累積和融化期的交替變化；多天合成方法，包括固定天數(shù)和可變天數(shù)合 成，雖然能有效減少云覆蓋量，但降低了時間分辨率。
[0003] 總之，上述去云方法僅考慮到時間或空間單方面對積雪的影響，故在某些情況下 不能完全去除云覆蓋，并且對遙感逐日積雪產(chǎn)品的修復(fù)效果不佳。

【發(fā)明內(nèi)容】

[0004] 針對現(xiàn)有技術(shù)的上述不足，本發(fā)明提供了一種結(jié)合時空信息的遙感逐日積雪產(chǎn)品 去云方法，充分利用積雪在空間和時間上的特性以及地形因子對積雪的影響，采用加權(quán)平 均方法計算積雪概率判斷云像元的類別。
[0005] 本發(fā)明所采用的技術(shù)方案是：一種結(jié)合時空信息的遙感逐日積雪產(chǎn)品去云方法， 其特征在于，包括以下步驟：
[0006] 步驟1 :原始的遙感逐日積雪產(chǎn)品重分類為積雪、無雪和云三類，同時根據(jù)DEM數(shù) 據(jù)和土地利用數(shù)據(jù)對遙感逐日積雪產(chǎn)品進(jìn)行積雪單元劃分；
[0007] 步驟2 :利用DEM數(shù)據(jù)和多時相數(shù)據(jù)分別計算每個云像元在空間和時間上的積雪 概率；
[0008] 步驟3 :利用加權(quán)平均方法獲得云像元的積雪概率，評判云像元是積雪還是無雪。 [0009] 作為優(yōu)選，步驟1中所述的對遙感逐日積雪產(chǎn)品進(jìn)行積雪單元劃分，劃分后將云 量大于70%的積雪單元進(jìn)行合并，形成新的積雪單元。
[0010] 作為優(yōu)選，步驟2中所述的計算每個云像元在空間和時間上的積雪概率，具體實 現(xiàn)過程是：
[0011] 首選在每個積雪單元的高程中，找到雪線仏和無雪線Hy其中，高于雪線Hs的無云 像元都為積雪，低于無雪線扎的無云像元都為無雪；在H s、扎之間等間距劃分高程，并且高 程大于等于Hs和小于等于Hl各為一類；
[0012] 然后，在每個高程帶中，根據(jù)南、北和東西三類坡向繼續(xù)劃分高程；
[0013] 在高程、坡向分類基礎(chǔ)上，每個云像元在其所在類中的積雪概率為Ph，具體公式如 下： _4] PH=Ns/Nnocloud (1);
[0015] 其中，Ns是該類中積雪像元數(shù)目，Nmelwd是該類中非云像元數(shù)目；
[0016] &是當(dāng)前云像元在時間上前后各5個非云像元中的積雪概率，公式如下：
[0017]
【主權(quán)項】
1. 一種結(jié)合時空信息的遙感逐日積雪產(chǎn)品去云方法，其特征在于，包括以下步驟： 步驟1 :將原始的遙感逐日積雪產(chǎn)品重分類為積雪、無雪和云三類，同時根據(jù)DEM數(shù)據(jù) 和土地利用數(shù)據(jù)對遙感逐日積雪產(chǎn)品進(jìn)行積雪單元劃分； 步驟2 :利用DEM數(shù)據(jù)和多時相數(shù)據(jù)分別計算每個云像元在空間和時間上的積雪概 率； 步驟3 :利用加權(quán)平均方法獲得云像元的積雪概率，評判云像元是積雪還是無雪。
2. 根據(jù)權(quán)利要求1所述的結(jié)合時空信息的遙感逐日積雪產(chǎn)品去云方法，其特征在于： 步驟1中所述的對遙感逐日積雪產(chǎn)品進(jìn)行積雪單元劃分，劃分后將云量大于70%的積雪單 元進(jìn)行合并，形成新的積雪單元。
3. 根據(jù)權(quán)利要求1所述的結(jié)合時空信息的遙感逐日積雪產(chǎn)品去云方法，其特征在于： 步驟2中所述的計算每個云像元在空間和時間上的積雪概率，具體實現(xiàn)過程是： 首選在每個積雪單元的高程中，找到雪線仏和無雪線I;其中，高于雪線H s的無云像元 都為積雪，低于無雪線扎的無云像元都為無雪；在H s、扎之間等間距劃分高程，并且高程大 于等于Hs和小于等于Hl各為一類； 然后，在每個高程帶中，根據(jù)南、北和東西三類坡向繼續(xù)劃分高程； 在高程、坡向分類基礎(chǔ)上，每個云像元在其所在類中的積雪概率為PH，具體公式如下： Ph = N s/Nnocloud (1); 其中，Ns是該類中積雪像元數(shù)目，Nnt^ud是該類中非云像元數(shù)目； &是當(dāng)前云像元在時間上前后各5個非云像元中的積雪概率，公式如下：
其中，（Ii是非云像元i到當(dāng)前云像元的時相距離，dindex是非云像元中積雪像元到當(dāng)前 云像元的時相距離。
4. 根據(jù)權(quán)利要求3所述的結(jié)合時空信息的遙感逐日積雪產(chǎn)品去云方法，其特征在于： 步驟3中的具體實現(xiàn)過程是，根據(jù)下列公式得到云像元的總體積雪概率P s，當(dāng)匕大于等于 匕時，將該云像元判斷為積雪，反之為無雪： Ps= w iXPH+w2XPT (3)； 其中，？(1為設(shè)定的閾值，》1和》2分別是？11和？1的權(quán)重，且￥1+'^=1。
5. 根據(jù)權(quán)利要求4所述的結(jié)合時空信息的遙感逐日積雪產(chǎn)品去云方法，其特征在于： 步驟3中所述的^和w 2，其計算方法是依據(jù)積雪單元中的非云像元的信息獲取，具體步驟 如下： 首先，在每個積雪單元中，利用步驟3中的方法求得非云像元在空間和時間上的積雪 概率； 然后，在[〇，1]區(qū)間內(nèi)，以0.01為步長設(shè)定W1，以公式⑶求得非云像元的積雪概率， 判斷其為積雪還是無雪，并將判斷結(jié)果視為非云像元的預(yù)測值； 最后，將非云像元的原始值作為真實值，算出所述的遙感逐日積雪產(chǎn)品去云方法在非 云像元上的精度〇a，公式如下所示： Ns + Nm oa=」--^ (4)· Nnc 其中，C為積雪單元中非云像元的預(yù)測值和真實值都為積雪的數(shù)目，^為積雪單元 中非云像元的預(yù)測值和真實值都為無雪的數(shù)目，Nn。為積雪單元中非云像元的總數(shù)目。
【專利摘要】本發(fā)明公開了一種結(jié)合時空信息的遙感逐日積雪產(chǎn)品去云方法，首先根據(jù)DEM數(shù)據(jù)和土地利用數(shù)據(jù)對遙感逐日積雪產(chǎn)品進(jìn)行積雪單元劃分；再利用DEM數(shù)據(jù)和多時相數(shù)據(jù)分別得到每個云像元在空間和時間上的積雪概率；最后利用加權(quán)平均的方法獲得云像元的積雪概率，評判云像元是積雪還是無雪。本發(fā)明充分結(jié)合了積雪在空間上和時間上的相關(guān)性，以及地形因子對積雪的影響，有效地減少云對積雪產(chǎn)品的影響，提高了積雪產(chǎn)品的精度，并且算法簡單，計算效率高，易于實現(xiàn)。
【IPC分類】G06T5-00
【公開號】CN104657952
【申請?zhí)枴緾N201510094932
【發(fā)明人】沈煥鋒, 付文軒, 李星華, 張良培
【申請人】武漢大學(xué)
【公開日】2015年5月27日
【申請日】2015年3月3日