FY-3C/MERSI云检测算法研究

张素兰， 代海山， 赵其昌， 杨 勇

（1.长江师范学院 计算机工程学院/三峡库区环境监测与灾害防治工程研究中心，重庆 408100；2.西安梦笔谈信息科技有限公司，西安 710065；3.上海卫星工程研究所，上海 200240）

FY-3C/MERSI云检测算法研究

张素兰1，2*， 代海山3， 赵其昌3， 杨 勇3

（1.长江师范学院 计算机工程学院/三峡库区环境监测与灾害防治工程研究中心，重庆 408100；2.西安梦笔谈信息科技有限公司，西安 710065；3.上海卫星工程研究所，上海 200240）

作为风云系列卫星的新数据源，风云三号C星 （FY-3C）的中分辨率光谱成像仪 （MERSI）数据目前多见于试验性研究，国家卫星气象中心 （NSMC）发布的业务产品中尚未包含云检测的相关产品。基于FY-3C/MERSI可见光和短波红外通道的光谱特性，提取云检测标准，构建云检测算法。算法处理流程为首先从FY-3C/MERSI一级数据产品中 （MERSI Level 1B）提取和云相关的通道数据，然后经过定标处理转换成云检测标准所需的各个可见光通道的反射率，最后根据云检测标准识别图像中的云像素信息，为后续大气反演和地表参数反演提供可靠的数据。

FY-3C/MERSI；云检测；光谱特性；反射率

风云三号C星 （FY-3C）是我国第二代极轨气象卫星，于2013年9月23日上午11时07分在太原卫星中心成功发射。它的目标是实现全球大气和地球物理要素的全天候、全天时的多光谱观测。中分辨率光谱成像仪MERSI（Medium Resolution Spectral Imager）是FY-3C最主要的光学成像仪器。它有20个光谱通道，可探测大气、陆地、海洋的可见光反射辐射和热红外发射辐射[1]。相比于其他同类星载传感器（如EOS/MODIS），它的热红外通道和光谱响应均有所提高，使得其可以更加精细地捕捉地表、洋面及云顶的热属性信息，同时也可以为云检测等遥感产品的生成提供高分辨率热红外图像[2]。

由于FY-3C数据目前多见于试验性研究，国家卫星气象中心 （National Satelite Meterological Center，NSMC）发布的业务产品中尚缺乏云检测相应的产品。同时受地理位置、气候、季节等多种综合因素的影响，云分布在时间和空间上具有极大的不确定性，使得云检测成为遥感图像处理中的难题。目前在云检测方面的研究，概括起来大致可分为三类：阈值法[3-5]、聚类分析法和神经网络法[6-8]。其中，阈值法主要依据云的反射率要明显高于植被、土壤及水体等背景反射率[9]，它是一种相对成熟且易于实现的方法，目前这类云检测算法多适用于EOS/MODIS，但在FY-3C/MERSI云检测过程中的应用还需进一步探讨和验证。

本文基于FY-3C/MERSI的光谱特性分析，建立云检测算法模型，旨在剔除FY-3C/MERSI数据中云覆盖率大的遥感图像，为后续的大气反演和地表参数反演提供依据。因此，针对FY-3C/MERSI遥感数据的业务应用需求，其云检测算法研究具有重要的应用价值。

1 云光谱特性分析

研究表明，在可见光0.650 μm波段处，晴空数据一般具有较低的反射率，其值为0～0.3；而云的反射率则高于30%，因此可见光0.650 μm波段是进行云检测的首选波段[10-11]。同时，云在近红外波段0.940 μm处的波谱特征与大气中的含水量有关，可反映大气中的水汽特征[12]。由于0.650 μm与0.940 μm云与各种地物波谱特征形成明显反差，将两者归一化处理一方面可以突出云的信息，另一方面可以部分消除太阳高度角、卫星扫描角及大气程辐射的影响。归一化云检测指数B0.650-0.940可表示为：

由于云反射光谱在0.650 μm处具有较高的反射率，而在0.940 μm因受水汽影响,其反射率较低，故有B0.650-0.940＞0；而土壤反射光谱在0.650 μm和0.940 μm两个波段处的反射率较为接近，因此B0.650-0.940≈0；植被反射光谱在0.650 μm处呈低反射，在0.940 μm处呈高反射，因此B0.650-0.940〈0。

研究表示，雪和云在可见光波段具有相似的反射特性。但在1.640 μm近红外波段中，雪因吸收太阳辐射强而导致反射率低，云则相对吸收太阳辐射少而反射率高，通常对0.650 μm和1.640 μm波段处的反射率进行归一化处理，如式 （2）所示，进行区分云和雪。归一化处理一定程度上可以消除大气辐射及仪器影响[13]，但该法容易将湖岸、海岸线误判，因此利用对云敏感的0.412 μm紫光波段进行修正[14]。

根据不同波段对云的敏感特性，以及MERSI数据的各通道的波谱特性，结合大气窗口和云的辐射传输特点，选择了MERSI可见光到短波红外4个通道数据进行云检测。具体通道选择及对应波段波长值如表1所示。

表1 MERSI云检测的特征波段Table 1 The characteristic bands for MERSI cloud detection

根据上述云的光谱特性，本文中云检测标准实现有三种途径：

（1）MERSI可见光通道3是进行云检测的首选通道，其反射率B3大于30%即可判断为云，表示为T1=B3＞0.3。

（2）根据MERSI通道3，18的反射率，利用公式 （1）计算云检测指数B3-18，其值大于0即可判断为云，表示为T2=B3-18＞0。

（3）根据MERSI通道3，6的反射率，利用公式 （2）对其差和比B3-6进行判断，如果其值小于0.002，则有可能为云。城镇、海岸在这两个通道中反射率值和厚云值接近，在云检测过程中利用通道8的反射率B8来修正，同时利用可见光通道3反射率B3来剔除水体。云检测标准T3表示为T3=B8＞0.17&B3-6〈0.002&B3＞0.2。

云检测过程为：首先获取各个通道的反射率B，计算T1，T2，T3，然后逐一建立云掩模，最终得到云检测结果。

2 FY-3C/MERSI云检测算法设计

本研究采用中国气象局风云卫星遥感数据服务网①http://satellite.cma.gov.cn/发布的FY-3C/MERSI L1数据。它的存储格式为HDF5层次式文件格式，包含组、数据集及其他辅助对象类型如数据类型、数据空间和属性。MERSI L1是对原始观测DN值进行了多探元均一化订正后的输出，在进行云检测之前还需将其进行辐射定标，生成反映各个通道反射特性的真实数据。MERSI辐射定标采用多项式进行，可见光通道是二次多项式定标，定标后的物理量是其反射率。全部通道数据定标前都要进行通道的DN调整恢复，即：

其中DN*是L1数据中的EV科学数据集计数值，它是预处理时对原始DN经过多探元归一化处理后的计数值，公式中的slope和intercept是对应EV科学数据集的内部属性值包含在HDF5文件中，定标计算是在DN**基础之上进行处理。可见光通道定标公式为：

其中K0，K1，K2为定标系数数据集VIS_Cal_Coeff中对应通道的3个系数。θ为太阳天顶角，记录在HDF5全局属性中。

由上述分析，FY-3C/MERSI云检测算法可描述为：

（1）首先从HDF5文件中读取云检测标准中所述的四个通道3，6，8，18的数据及其定标系数；

（2）然后根据公式 （3）对各个通道进行DN值调整，计算通道图像数据经纬度，进而计算太阳天顶角；

（3）根据上一步得到的DN**及太阳天顶角，根据公式 （4）对可光通道进行定标，将MERSI L1数据转换成云检测所需的各个通道的反射率B；

（4）最后根据上述定标后的数据及云检测算法标准进行云检测，得到云检测结果图像，其算法如下。Algorithm Cloud_Detection（HDF5 file)

{

band[4]={3,6,8,18};

i=0；

while（i++〈4)

{

读取file中通道band[i-1]图像数据集，定标系数及全局属性；

调整通道band[i-1]图像数据DN值；

计算图像数据经纬度；

计算太阳天顶角；

根据定标公式 （4）计算通道band[i-1]反射率；

}

根据云检测标准进行云检测；

输出图像；

}

3 实验及分析

实验中选取2013年11月27日UT 04：20-04：25的青藏高原地区的数据进行云检测算法验证实验。图1（a）是通道3，6，8，18太阳反射波段数据DN*的图像，是直接从MERSI HDF5中读取的，图1（b）是对DN*数据进行定标之后得到的通道3，6，8，18的地表反照率数据图像。图2是云检测计算结果的图像。子图 BAND 3，BAND 8-3-6，和 BAND 3-18分别显示根据云检测标准 T1=B3＞0.3，T2=B3-18＞0，T3=B8＞0.17&B3-6＜0.002&B3＞0.2，利用图1（b）中的数据进行云检测的结果，而BAND 3-6-8-18是三个标准相结合的结果。酱紫色表示的数值为1，代表检测出的云数据信息。

图1 MERSI/FY-3C可见光通道3，6，8，18地球观察的多探元均一化订正后的读数值DN*及地表反射率Fig.1 The multi-detectors’DN*value after homogenization revised and surface reflectance for visible channel 3,6,8,18 from earth observation respectively

图2 MERSI/FY-3C可见光通道3，6，8，18的云检测结果图像Fig.2 The result image for visible channel 3,6,8,18 after cloud detection

对比图1（b）和图2可以看出本文提出的云检测算法能够很好地识别出MERSI L1产品数据中的云数据信息。 标准 T1=B3＞0.3 和T2=B3-18＞0 检测的结果相当一致， 标准T3=B8＞0.17&B3-6〈0.002&B3＞0.2 提供了不同的补充信息。

4 结论

作为新型且重要的卫星数据源，FY-3C/MERSI具有巨大的应用潜力。云检测是卫星遥感图像处理、反演大气和地表参数的必要预处理工作之一。本文根据云的光谱特性，从FY-3C/MERSI中选取3，6，8，18四通道图像数据，建立适用于FY-3C/MERSI的云检测标准。根据云检测标准从MERSI一级数据中提取上述四个通道的原始数据，经过云检测算法识别出卫星图像中的云像素信息。实验结果表明本文提出的FY-3C/MERSI云检测标准及云检测算法能够很好地区分云与植被、土壤等地物信息。

致谢：本研究由涪陵区科技计划项目 （FLKJ2015ABB1099），长江师范学院引进人才科研启动项目（2013KYQD010），科研创新团队建设计划项目 （2014XJTD02），陕西省科技厅项目 （2016KTZDGY05-02），上海509所MERSI红外辐射定标及数据处理项目 （F2014050024），国家自然科学基金项目 （61601060）资助。

[1]杨军，董超华，卢乃锰，等.中国新一代极轨气象卫星——风云三号[J].气象学报，2009，67（4）:501-509.

[2]杨何群，周红妹，尹球，等.FY-3气象卫星MERSI数据快速预处理的IDL实现[J].遥感技术与应用，2012，27（4）:566-574.

[3]HeidingerAK，AnneVR，Dean C.Using MODIS to Estimate Cloud Contamination of the AVHRR Data Record[J].Journal of Atmospheric and Oceanic Technology，2002，19（5）:586-601.

[4]刘健.FY-2云检测中动态阈值提取技术改进方法研究[J].红外与毫米波学报，2010，29（4）：288-292.

[5]武艳，银燕，师春香，等.基于动态阈值法的NOAA系列卫星云检测结果检验[J].高原气象，2012，31（3）：745-751.

[6]王奎，张荣，尹东，等.基于边缘特征和AdaBoost分类的遥感图像云检测[J].遥感技术与应用，2013，28（2）：263-268.

[7]王伟，宋卫国，刘士兴，等.Kmeans聚类与多光谱阈值相结合的MODIS云检测算法[J].光谱学与光谱分析，2011，31（4）:1061-1064.

[8]Walder P，MacLaren I.Neural Network Based Methods for Cloud Classification on AVHRR Images[J].International Journal of Remote Sensing，2000，21（8）：1693-1708.

[9]秦雁，邓孺孺，何颖清，等.基于光谱及几何信息的TM图像厚云去除算法[J].国土资源遥感，2012（4）：55-61.

[10]卢新玉，谢国辉，李杨，等.基于IDL的MODIS 1B数据雪面温度反演[J].国土资源遥感，2010（4）：29-33.

[11]陈鹏，张荣，刘政凯.遥感图像云图识别中的特征提取[J].中国科学技术大学学报，2009，39（5）：484-488.

[12]宋小宁，赵英时.MODIS图象的云检测及分析[J].中国图象图形学报：A辑，2004，8（9）：1079-1083.

[13]何全军，刘诚.MODIS数据自适应火点检测的改进算法[J].遥感学报，2008，12（3）：448-453.

[14]杨存建，赵梓健，任小兰，等.基于遥感和GIS的川西绿被时空变化研究[J].生态学报，2012，32（2）：632-640.

Cloud Detection Algorithm for FY-3C/MERSI

ZHANG Sulan1，2*,DAI Haishan3,ZHAO Qichang3,YANG Yong3
（1.College of Computer Engineering/Research Center for Environmental Monitoring,Hazard Prevention of Three Gorge Reservoir,Yangtze Normal University,Chongqing 408100,China;2.Xi’an dream pen talk Mdt Info Tech Ltd,Xi’an 710065,China;3.Shanghai Institute of Satellite Engineering,Shanghai 200240,China）

As a new source,satellite data captured with medium resolution spectral imager(MERSI)onboard the second generation polar-orbiting meteorological satellite of China (FY-3C)were studied.This paper discusses the spectral characteristics of FY-3C/MERSI multi-channels and proposes a cloud detection algorithm.The spectral data of visible and short-wave infrared channels for cloud detection were extracted from MERSI Level 1B,and then converted into reflectance for each visible channel.The cloud pixels were isolated to provide information for the retrievals of other atmospheric and surface parameters.

FY-3C/MERSI;cloud detection;spectral characteristics;reflectance

X87

A

2096-2347（2017）04-0066-05

10.19478/j.cnki.2096-2347.2017.04.09

2017-09-11

涪陵区科技计划项目 （FLKJ2015ABB1099），长江师范学院引进人才科研启动项目 （2013KYQD010），陕西省科技厅项目（2016KTZDGY05-02）

张素兰 （1984-），女，安徽阜阳人，博士，副教授，主要从事遥感图像处理研究。E-mail:slzhang@cqu.edu.cn

学术编辑：杨振鸿