赵少帅，杨磊库，陈兴峰，王涵，卢晓峰

(1.河南理工大学 测绘与国土信息工程学院，河南 焦作 454003；2.中国科学院遥感与数字地球研究所 国家环境保护卫星遥感重点实验室，北京 100101)

0 引言

中国高分辨率对地观测系统建设是具备高空间分辨率、高时间分辨率、高光谱分辨率、高精度观测能力的自主、先进的对地观测系统[1]。高分四号卫星是该项目中唯一一颗地球同步轨道卫星，该星具有可见光50 m空间分辨率、中波红外400 m空间分辨率的能力(表1)。高时间和空间分辨率使得高分四号卫星广泛应用于资源、农业和防灾减灾等领域，该星数据还可以在大气环境领域用以反演高时空分辨率的气溶胶产品，这对于监测生命周期短、空间变化性大的大气气溶胶十分有利。高时空分辨率的气溶胶产品可以为大气污染防控、政策研究提供有力支撑。针对高分四号卫星数据的光谱特征和高空间分辨率特征，采用区域直方图统计的方法确定适合的阈值，并针对不同下垫面进行测试，以验证算法的可行性。

表1 高分四号卫星有效载荷技术指标

使用遥感数据获取地球空间信息已成为一种重要而便捷的手段。但许多传感器获取的遥感影像中都存在云层遮挡的问题[2]，这严重影响了利用遥感数据对其他地气参数的提取[3]。尤其是在气溶胶反演过程中，准确的云检测是保证反演精度的关键一步[4]。作为影像后处理、空间信息提取的关键步骤[5]，针对云检测的方法前人做了大量研究[6]。

在高分四号卫星气溶胶反演过程中，考虑提高辐射数据信噪比需要一定大小窗口内的像元进行联合反演。第一，在这个过程中，碎云、云边缘、薄云等不容易被识别的像元会引入误差进而降低反演精度；第二，未识别的云边缘和碎云等会被误识别是污染严重的气溶胶，给环境监测和区域环境评价带来干扰。通常云检测常用的是基于云光谱特征的阈值法。云层的平均反射率为50%～55%，对于厚云可达90%以上[7]。因此，大多数云检测算法是基于可见光和红外(IR)光谱反射率阈值或者是不同波段反射率的组合阈值。例如，ISCCP(international satellite cloud climatology project)法[8]，该方法使用可见光波段(0.6 μm)与红外波段(11 μm)的辐射值数据，统计出晴空无云像元对应的辐射值变化范围进而确定适合的阈值用于进行云检测。APOLLO(AVHRR processing scheme overclouds land and ocean)方法[9]使用像元的亮温和多个波段反射率的组合阈值进行云检测，同样的原理也被用于中分辨率成像光谱辐射计(moderate resolution imaging spectroradiometer，MODIS)的云检测[4，10-13]。上述基于光谱特征的阈值法在进行云检测时对厚云十分有效，但是同时也存在一定的缺陷。例如，在云边缘和碎云区域存在一定的漏识别[14]现象。针对高时间分辨率的卫星数据也有基于序列图像法的自动云检测算法，如胡昌苗等[15]开发的针对高分四号静止轨道卫星数据的自动云检测算法。其主要利用高分四号卫星的“凝视”功能，对灾害等热点地区可以连续成像，利用序列图像上云的运动特征进行云的识别。该算法的云识别精度高，特别是在边界、薄云区域。但其受限于序列图像的构建，不适用于大范围、随机影像的云识别，这就限制了该算法应用于气溶胶光学厚度反演时影像的云识别。

简单来说小水滴和小冰晶“相聚”在一起便形成了肉眼可见的云。而这个“相聚”的过程高度不稳定[16]，导致云在卫星影像上表现出相对于植被、土壤、水体和气溶胶等其他介质更高度的空间不均一性。依据此原理，Martins等[16]提出了一种基于云空间变化特性的检测方法。该方法是利用云的形成过程高度不稳定导致云相对与地表、气溶胶和雾霾等表现出更复杂的空间变化特性的原理进行云的检测。针对高空间分辨率卫星数据，云的空间变化特征会更容易识别，因此该方法能够有效针对云边缘和碎云等区域进行识别。该方法已成功应用于MODIS[17]和地球静止海洋彩色成像仪(geostationary ocean color imager，GOCI)[18]传感器，都取得了很好的效果。但其在检测厚云和薄云时有缺陷。厚云处于云的中间区域比较密集，空间变化性很小，因此使用云的空间变化性方法时厚云会被漏识别。同样，薄云的空间变化特性几乎和下垫面表现一致，因此云的空间变化特性方法也不适用于薄云。针对上述问题，本文提出了使用云的空间变化特性、光谱反射率特征阈值和HOT(haze-optimized transformation)薄云检测[19]联合的方法。

1 云检测方法

针对云边缘、碎云、厚云和薄云的不同特性，使用了云的空间变化特性、光谱反射率特征阈值和HOT薄云检测联合的方法。其中利用光谱反射率特征阈值对厚云进行识别；利用云的空间变化特性对云边缘和碎云进行识别；利用HOT薄云检测对薄云进行识别。利用3种方法互补的特性，最终实现针对面对气溶胶反演的高分四号影像的云检测。具体流程如图1所示。

图1 云检测流程图

云检测的具体步骤为：①首先对高分四号卫星数据进行预处理，即将影像的DN值转换为表观辐亮度，再通过计算得到蓝、红2个波段的表观反射率；②分别利用蓝波段计算影像的平均加权标准差，利用红蓝波段计算影像的HOT值；③根据各个阈值对影像进行云检测。

1.1 云的光谱反射率特性分析与阈值确定

有研究表明，在可见光光谱范围内，云相对于其他下垫面有更高的光谱反射率[20]，特别在云中间区域，这个特征更加明显。因此可以通过云的高反射率光谱特征对厚云进行识别，和使用云空间变化特征的方法形成互补。

研究表明，在可见光0.65 μm波段处，晴空数据一般具有较低的反射率，其值约为0～0.3，因此可见光0.65 μm波段是进行云检测的首选波段[21-22]。利用区域直方图统计法共统计137幅分布在中国不同区域包含厚云情况的高分四号卫星影像(2016年1—12月)。0.65 μm波段反射率统计果如图2所示。图2展示了用以区分云像元和非云像元阈值的统计结果，该阈值为0.32，即反射率大于0.32时，该像元为云。这和前人研究结果比较一致。

图2 0.65 μm反射率直方图

只采用0.65 μm反射率阈值的云检测结果如图3所示，图3(a)为高分四号卫星真彩色影像，图3(b)为对应的云检测结果。从图中可以明显看出，该方法在厚云区域有很好的识别效果，但在云的边缘和碎云区域存在漏识别现象。

图3 利用0.65 μm反射率阈值的云掩膜结果，阈值为0.32

1.2 云的空间变化特性分析与阈值确定

通过计算蓝波段(0.47 μm)3×3共9个像素的平均加权标准差(mean weighted standard deviation，MSTD)[16](式(1))来描述云的空间变化特性，然后利用区域直方图统计的方法确定适合高分四号卫星数据的阈值进行云的检测[16]。

(1)

具体计算过程如图4所示，根据式(1)计算以像元X为中心3×3窗口内的平均加权标准差σ*，然后平移3个像素计算下一个窗口的σ*，以此类推，计算整幅影像的平均加权标准差。针对高分四号卫星影像，其可见光空间分辨率为50 m，因此最终云掩膜的空间分辨率也为50 m。

图4 3×3 平均加权标准差计算示意图

根据上述原理，统计了2016年1—12月，分布在中国不同区域的高分四号卫星影像，这些影像包括了分布在亮地表(沙漠等)和暗地表(植被、水体等)区域在内的不同形态云(薄云、厚云、碎云)的情况。统计结果如图5所示。图5展示了用以区分云和非云像元阈值的统计结果，该阈值为1.68E-4。即像元的平均加权标准差大于1.68E-4时，该像元判定为云。

图5 0.47 μm波段3×3平均加权标准差直方图

只采用云空间变化性阈值的云检测结果如图6所示，图6(a)为高分四号卫星真彩色影像，图6(b)为对应的云检测结果。从图中可以明显看出，该方法在云边缘和碎云区域有很好的识别效果，但是在厚云区域(云中间区域)，由于其空间变化性小，会漏识别该区域的云像元。

图6 利用0.47μm计算得到的空间变异性阈值的云检测结果，阈值为1.68E-4

1.3 薄云特性分析与HOT阈值确定

但是上述2个方法在薄云检测方面都有一定的缺陷。为了解决这个问题，使用Zhang等[19]的HOT检测方法用于薄云的检测。Zhang等利用在晴朗条件下，对于不同地表覆盖类型红蓝2个波段的光谱响应有很好的相关性；但对于薄云的光谱响应，不同的波长对不同的云光学厚度有很大的不同。利用这个原理拟合出晴朗条件下红蓝波段表观辐亮度(经验证表观反射率也具有同样特性)的线性函数，即“晴空线”。利用HOT值表示在正交与晴空线方向偏离晴空线的程度，当像素的HOT值达到一定程度该像元即可判定为云。HOT表达式为[19]：

HOT=Band1×sinθ-Band3×cosθ

(2)

式中：Band1、Band3分别是蓝、红波段的表观辐亮度；θ为“晴空线”与横轴(蓝波段)的夹角。

针对高分四号数据，利用区域直方图统计的方法，在中国不同区域共选取75幅包含薄云的影像(2016年1—12月)进行统计，其晴空线如图7所示。

图7 高分四号卫星云检测的红蓝波段相关性——“晴空线”

由“晴空线”方程得HOT表达式为：

HOT=0.93×ρB-0.36×ρR

(3)

式中：ρB为蓝波段的表观反射率；ρR为红波段的表观反射率。

根据HOT值的表达式统计HOT结果的直方图如图8所示。图8展示了用以区分云与非云像元阈值的统计结果，该阈值为0.097，即当像元的HOT计算结果大于0.097时，该像元判定为云。

图8 HOT计算结果直方图

只采用HOT阈值的云检测结果如图9所示，图9(a)为高分四号卫星真彩色影像，图9(b)为对应的云检测结果。从图中可以明显看出，该方对薄云有很好的识别效果。

图9 利用HOT方法的云掩膜结果，阈值为0.097

2 云检测结果及分析

根据图1的云检测流程，对不同地区的影像进行云检测测试，包括中国东部植被茂密(暗地表)区域，西部沙漠戈壁(亮地表)区域，为了更好地观测检测结果，选取4幅具有代表性的子影像进行结果展示，见图10。

图10(a)、图10(b)为植被茂密(暗地表)区域云检测结果，从图中可以看出对应厚云、碎云和薄云都有很好的识别效果，但对于透明云，其检测精度较低，存在漏识别现象。图10(c)、图10(d)为沙漠戈壁(亮地表)区域云检测结果，其检测结果和植被茂密地区结果类似，对厚云和薄云都能很好地进行识别，同样对透明云识别效果较差，存在漏识别现象。从图10(d)中可以很好地看出，针对高空间分辨率的高分四号卫星影像，基于云的空间变化性方法在云边缘区域有很好的识别效果。

为了进一步检验云识别效果，针对不同影像，对每幅影像随机选取50个样本点，逐个像元进行人工检视统计，统计结果表明，云像元检测精度达到大约95%。通过目视对比及随机样本点的逐点对照分析，其结果表明，本文使用的方法可行，其检测结果可信度较高。

图10 真彩色影像及对应的云检测结果

3 结束语

本文详细阐述了高分四号卫星遥感影像云检测过程。通过对云的物理特性及光谱特性分析，选取了有效的波段组合及稳定的阈值，并基于高分四号卫星影像高空间分辨率的特性，利用云高的空间变化，实现了不同地表情况下的云检测，并对结果进行了初步的分析，其结论如下：

①通过对去云影像的分析可以看出，所选择的云检测特征波段、波段组合及阈值是可靠的，其基于云空间变化特性的检测方法，能够有效地提升云边缘检测效果，适合用于大范围，业务化的云检测，从而提高国产卫星影像利用率，为利用高分四号卫星数据进行气溶胶光学厚度反演提供高精度云掩膜产品。

②在对去云影像进行精度分析时，发现该算法对于厚云、碎云以及云边缘检测效果较好，但对于薄云和透明云，检测效果还不是特别理想。另外，对于冰雪像元也会误识别为云，这对于利用在可见光近红外只有4个波段的高分四号传感器来说，对高反射率的云和冰雪进行区分还存在困难。但通常来说，冰雪区域的气溶胶反演很困难，即使MODIS气溶胶产品在冰雪区域也大量缺失，故高分四号气溶胶反演系统暂不在冰雪区域反演气溶胶，冰雪区域允许和云归为一类。

在评价云检测精度方面，现存的大多数方法是通过在去云影像上选取随机点，经目视解译后统计精度，最终评价检测结果的。但是在判断检测结果的真实性方面，仍是现阶段研究的难点，需进一步研究。