刘扬，王彬，韩雷

（1.中国海洋大学信息科学与工程学院，山东青岛266100；2.国家气象信息中心计算机室，北京100081）

各种类型云的辐射特性以及其分布情况，很大程度上影响着天气预报的准确性、气候监测的有效性和全球气候变化等。但由于云的复杂多样性，如何准确地对卫星云图进行自动分类，仍是目前研究的热点问题。

利用卫星提供的图像数据进行云分类一般都要经过3个步骤：数据预处理、特征提取和选择、分类。早期简单的云分类方法是基于图像的阈值方法[1]，而随着卫星相关技术以及云图质量的提高，采用聚类的分类方法得以广泛研究和应用，到80年代中后期结合神经网络方法[2-3]进行云分类的研究也开始兴起。近些年的云分类研究则是在现有成熟理论基础上加以改进，针对具体卫星云图，将多种方法的优点相结合[4]，使分类的结果更准确合理。

本文结合近几十年国内外的卫星云图云分类研究的发展情况，主要关注两个方面：一是特征提取和选择的方法；二是分类的方法。并简要介绍了对分类结果的评价方法。

1 特征提取和选择

1.1 特征集构成

最常用的特征是光谱特征和纹理特征。光谱特征提取的是云在不同波段的辐射信息，如云顶亮温、可见光反照率等。这对区分不同高度的云至关重要，在可见光图像上亮度低的为低薄云，亮度高的是高冷云，而红外图像则相反。但是只用光谱特征的分类结果正确率并不高，因此也要结合云图的纹理特征进行分析。……