鞠未了，韩 雷

（中国海洋大学 信息科学与工程学院，山东 青岛 266100）

云掩膜作为云分类与对流临近预报的基础，直接影响了下一步操作的准确率，因此云掩膜算法有着重要的作用。

文中采用了美国国家海洋和大气管理局（NOAA）在2008年发布的 ABI Cloud Mask算法（ACM）[1]，使用 MTSAT的数据进行云掩膜的计算。该方法使用的传感器Advanced Baseline Manager（即ABI）是GOES-R搭载的高分辨率传感器，可用通道为16个，而MTSAT可用通道只有其中5个，文中为了使用MTSAT数据，对ACM算法进行了选择和检验工作，最终选定了9个测试作为算法的组成部分。文中使用了高分辨率的全球基础信息数据，可以直接对全圆盘数据进行处理，程序会自动对不同的地表信息进行分别计算。本方法的阈值一经选定，计算速度快并且不需要人工干预。

1 数 据

1.1 基础数据

陆地海洋掩膜，地球表面分类数据：由The University of Maryland Department of Geography（Hansen et al.1998）采集的地球表面分类数据[2-3]，主要由AVHRR卫星数据得来，将地球表面类型分为14类。数据为等经纬度，分辨率为每像素0.0083°。

晴空红外传输模型：对于波长为3.9μm和11μm的通道计算的大气层顶亮温辐射传输模型。

晴空反射率：对于可见光通道在海面上的预期反射率。

1.2 卫星数据

卫星数据采用日本的MTSAT-1R的卫星数据，接收为全圆盘数据，空间分辨率为5 km，时间分辨率为30 min。

2 算法描述

本算法基于美国国家海洋和大气管理局（NOAA）在2008年提出的ABI Cloud Mask，基于3种已有的云掩膜算法：NESDIS 的 AVHRR Extended 云掩膜[4-5，7]，UW CIMSS 的 MOD/MYD35 MODIS云掩膜[8]，以及 NASA Langley Research Center的CERESMODIS云掩膜[9]。本算法是阈值法，对于每个测试有自己的阈值，有些阈值基于基础信息数据库，以及辐射传输模型[6]，每次运行算法时都要即时计算。……