何明元，王毅，俞宏

(国防科技大学 气象海洋学院，南京 211101)

0 引言

云检测在卫星资料的定量反演与应用中非常重要，云检测的结果直接影响着其他遥感产品的精度[1-2]。围绕着优化云检测算法、提高云检测效率等相关问题，国内外已经开展了大量研究工作[3-9]。概括起来云检测基本方法为：统计法和阈值法，另外还有近年来发展的综合云检测方法[10]。有代表性的综合云检测方法包括：ISCCP法、APOLLO法、CLAVR法等。

ISCCP算法(又称为亮温底图法，或晴空背景场法)，最早是Rossow在1989年针对GOES卫星提出来的。最初检测过程中仅用到可见光(0.6 μm)和红外窗区(11 μm)的资料，假定观测值只来自晴空和云两种状况，逐像元比较观测值和晴空辐射值，若二者差值大于晴空辐射值本身的变化，则判定为云点[3]。因此ISCCP法的基础就是运用统计手段生成晴空背景场。而晴空背景场就是利用一定时间范围、同一区域的遥感数据合成的反射率或者亮温底图。生成具体的亮温底图要考虑区域地理特征和气候特征，进行时空对比试验[3]。ISCCP法经过几十年的发展，已经成为静止卫星资料云检测的基本方法。迄今为止，ISCCP方法从使用单一通道资料发展为可利用多通道资料进行检测，从简单像元对比分析发展到可利用像元间关系进行检测，算法的效率及精度有了极大的提高。

在前期工作中，针对中国及周边环境的地理特征和气候特征，我们改进了ISCCP法[10]，得到了适合于中国区域的综合优化的云检测算法。但是该方法所生成的晴空底图需要至少15天以上的卫星观测数据，甚至有些区域难以得到完全无云的底图。因此本文引入了地表背景特征，通过分析地表信息对云检测影响，优化了云检测算法，提高了云检测效率。

1 最高红外亮温晴空背景场

ISCCP法实现云检测的基础在于合成亮温底图，因此如何改进晴空背景场、合成最佳底图是本文实现算法优化的关键。

地表辐射随着太阳的升落，在白天和夜晚有一定的变化。因此，云图中即使是同一地区的地表或海表亮温在一天中变化也很明显。我们利用多时次卫星红外通道资料建立了较为准确的地表特征数据库，该资料能较为准确地反映某一时段地表亮温分布情况，如图1所示。

图1 亮温日变化特征

图1(a)是2011年12月中旬的最大亮温合成资料，图1(b)是2011年5月中旬的最大亮温合成资料，分别在相同经度的中纬度陆地，高纬度陆地，低纬度海洋选取40×40的像素点求平均后代表该时次该范围的亮温。图中显示：在冬季海表亮温高于同时刻的陆表亮温，中纬度陆地亮温高于高纬度陆地亮温；在夏季白天陆表亮温高于海表亮温，夜间海表亮温高于陆表亮温；海表亮温日变化较小，陆表亮温日变化较大，在中午1时左右达到最大值。由此可见，利用多时次卫星红外通道计算的亮温变化趋势较好地反映了实际晴空地表的亮温变化趋势。

通过对历史云图分析发现，太阳辐射是晴空区红外辐射的主要影响源。一般情况下，当地时间中午14时红外辐射最强，然后地表或海表辐射开始减小，地表或海表开始降温，直至第二天凌晨2时左右才开始升温，地表或海表的红外辐射才开始增强。因此我们对所选取的检测阈值根据昼夜的亮温变化进行适当调整，以中午14时的亮温底图为基准，确定出某段时间不同纬度段内底图的基准阈值。具体实现方法是：根据地表或海表的辐射特性，一天中其他时次的地表或海表亮温均小于中午14时的地表或海表亮温，则上述基准阈值b0是一天内云和晴空区差值的最大值，其他时次云与晴空的亮温差值都较该基准阈值b0小。将中午14时的亮温底图与待减时次底图逐像素相减，就可得到这2个时次每个扫描点的亮温补充差值Δb。该补充差值Δb反映出了不同地表其红外辐射随时间的变化情况。在云检测时，将基准阈值b0与补充差值Δb相减得到最终检测阈值b，使用最终检测阈值b对云图进行最高亮温检测，具体检测结果见图2所示。

图2 利用最高红外亮温底图的云检测结果

图2(a)为生成的研究区域某一时次动态红外地表亮温背景，图2(b)为对应时刻的可见光图像，图2(c)为对应时刻的基于动态红外辐射背景基础上的云检测结果。研究卫星资料为FY2C静止卫星资料，研究区域为我国东部地区及西北太平洋海域(15°N～50°N，100°E～140°E)。

如图2所示，A区纬度较高，在图2(a)上反照率较低，因此结合动态亮温背景场才能在图2(c)准确实现云检测。另外以B区为例，图2(b)上并不能判断是否有云，结合图2(a)中的动态亮温背景场，在图2(c)中可确定为无云区。经长时间序列和空间序列FY2卫星资料分析，本文认为采用动态红外亮温背景场进行云检测可提高云检测精度和效率。

2 地表纹理特征的影响

地表的纹理特征也会对云检测造成影响。地表背景纹理可分辐射背景和植被背景，植被分布情况的不同带来地表辐射背景的不同，亦带来地表纹理在卫星云图上的差异。通常，从纹理分布角度而言，地表的纹理分布相对固定，而云则千变万化。这亦是利用纹理分布进行云检测的基础。一般情况下，陆表、海表的纹理特征在短期内变化不大。所以，底图中的这些信息可被用于短期内的晴空区检测。辐射背景也即在上文中计算得到的红外晴空亮温背景或可见光晴空反照率背景(白天)，而植被背景则需要利用其他辅助资料，或者多通道卫星资料合成。

本文采用与静止卫星资料对应时刻的极轨卫星多通道合成的植被背景。地表背景纹理的选择可分辐射背景和植被背景，静止气象卫星所用的辐射背景可用前面得到的红外晴空亮温背景(图3(a))或可见光晴空反照率背景(白天)，极轨气象卫星所用的辐射背景可用多通道合成的彩色植被背景(图3(b))，最终云检测的结果见图3(c)。研究区域范围为35°N～45°N，110°E～120°E。

图3 地表纹理特征对云检测的影响

在本文的处理过程中，通过交叉相关系数法计算某一区域影像与地表纹理的相识程度来引入地表纹理分布特征。计算示踪云块与在目标区域的交叉相关系数为：

(1)

利用交叉相关系数法判识云和晴空的基础是：最高红外亮温底图中包含了海表、陆表的纹理特征信息，将目标云图与相同位置的地表亮温底图进行对比，在晴空状态下海表、陆表的纹理特征信息应当相似，如有云存在，就会破坏晴空海表、陆表的纹理特征，其相似程度将会大大降低；由此计算目标云图与相同位置地表亮温底图之间的相似系数，根据该系数的大小就可以确定云区或晴空区域。如果相关系数大，说明云图某区域与底图对应区域相似，则认为这一区域为晴空区。如果相关系数小，则云图区域与底图不相似，认为该区域有云干扰，则判断该地区为云。

图3(a)为2006年6月10日FY2C动态红外亮温晴空背景场；图3(b)为与之对应的FY3B多通道资料合成的地表纹理特征；图3(c)为云检测结果。利用地表的纹理分布相对固定进行云检测通常是区域检测，计算某一区域影像与地表纹理的相识程度，若相似，则为晴空，反之为云。如图所示，C区是晴空区域，即使地表或海表降温造成亮温变化，其纹理特征与亮温底图对应区域的纹理特征是相似的，此时交叉相关系数很大，判定为晴空区。D区域为海上区域，晴空底图也可以反应出海表纹理信息，从图中可见云图D区域与底图对应区域相似程度小，并且根据计算得到的交叉相关系数小，则判定D区域为云。通过2006—2012年历史资料分析，利用纹理分析对海上积云的检测效果非常好。

3 高程差异的影响

地表高程资料在云检测中的影响主要有两个方面，一是得到待检区域的海拔高度，间接得到温度分布情况，这在利用红外资料进行云检测时常常忽略从而导致误检；二是区分水体和陆地，特别是海陆的区分，这在利用可见光资料进行云检测非常重要。

通过分析不同通道云图特征发现，部分低云由于云顶温度较高，在红外云图上的色调较暗，致使很难将该低云与地表进行区分，从而造成晴空误检。而可见光云图的色调仅与目标物反射率和目标物的太阳高度角有关，云顶温度较高的低云在可见光云图上的反射率高于地表或海表，所以利用可见光通道可以很方便地识别云与晴空。

卫星探测过程中，由于观测点的太阳高度角不同，造成探测值的偏差，该偏差值随太阳高度的增大而增大。因此对于可见光波段的反射率必做太阳高度角订正。即把不同太阳高度角下的实际反射率换算成相当于太阳处于天顶时的反射率，订正后的反射率Ec为：

Ec=E(Es)/cos(hδ)

(2)

式中：E(Es)定标后的反射率；hδ为探测点的太阳天顶角。

对于白天的云检测，由于云与地表在可见光通道的差异非常大，可见光资料的云检测是效果非常好、非常稳定的。特别是在海洋上，在可见光通道洋面通常被认为是黑体，其晴空反照率通常在0.03以下，而云的反照率通常在0.05以上，80%以上的云的反照率在0.2以上。也即，利用高程资料区分了水体之后，用可见光资料进行白天云检测就可以得到非常准确的结果。

此外需要注意是：一是积雪特别是终年积雪区域的确定，二是沙漠等高反照率区域的确定，需要高程资料和植被背景资料的综合使用。图4为2006年6月2日12时考虑高程差异的云检测。图4(a)为某一时次的可见光图像，图4(b)为考虑高程差异的云检测结果。研究区域范围为20°N～50°N，100°E～145°E。

图4 地表高程数据对云检测的影响

由图示可见，图4(a)中E区为渤海区域，在可见光云图上根据反射率不能判断有云无云，考虑了地表高程数据后，在图4(b)中E区有云。由此可见地表高程数据的引入，提高了云检测精度。在图4(a)中F区为高纬度地区，由于该区域的太阳高度角较大，并且地表反照率的差异较小，给云检测带来一定难度。在考虑综合考虑地表纹理信息和地表高程数据后，在图4(b)中实现精度较高的云检测。

4 结束语

静止卫星的云检测是一项非常复杂的工作，对于静止卫星资料的应用具有重要的影响。我们之前发展的静止卫星综合优化算法，加入地表信息后，经过近四年的实时业务运行检测，有云准确率平均达到93%以上。通过上述工作，我们得出以下结论：(1)动态亮温晴空背景场在云检测中的贡献最大，基本上消除了由于地表差异带来的阈值选取的困难。(2)动态亮温底图中引入地表纹理信息，进一步消除了地表差异带来的误差，提高了有云的检测效率。(3)地表高程数据在可见光通道云检测中有非常重要的作用，特别是海陆交界和高纬区域。