卫星遥感中沙尘、沙尘—云混合像元的自适应识别方法

For the study of dust detection and its climate effectes from satellite remote-sensing, quantitatively and accurately identifying dust and dust-cloud mixed scenarios is the important problem and key technology. The commonly used radiation threshold method needs to adjust the parameters according to different situations, and the integration mode for multi-channel radiations is not adapative. Besides, the determination has not yet contained the dust-cloud mixed scenario, which is useful for the dust aerosol indirect effects research. Therefore, based on multi-satellite observations, this project employs the decision fusion to integrate multi-channel radiations and construct the statistical identifying model to develop one adaptive method for identifying dust and dust-cloud mixed pixels. The dust sensitive radiation characteristics in the infrared and visbile light are analyzed and selected first. After obtaining the samples of dust, cloud, dust-cloud pixels, the identifying confidence function of each characteristic is calculated. Then the adapative weightings are designed by the correlations among the confidence functions. The fusion structure and indentifying model are finally established and validated. The model provides the identified dust, dust-cloud mixed pixels with confidence level. This research is very important for the satellite based dust detection and retrieval, also can provide effective dataset for dust-cloud interaction study, and is helpful for improving the cloud mask product.

利用卫星遥感进行沙尘监测和其气候效应研究中，定量精确识别沙尘、沙尘-云混合情景是首要问题和技术难点。目前常用的辐射阈值方法需根据不同情况调整参数，多通道光谱的组合方式难以自适应化，且尚难识别沙尘间接气候效应研究所需的沙尘-云混合情景。本项目将利用多种卫星资料，采用决策融合的信息融合技术，融合多通道光谱辐射，构建统计识别模型，发展并验证一种沙尘及其与云混合像元的自适应识别方法。首先分析并选取沙尘在红外和可见光波段的识别特征量，在建立沙尘、云、沙尘-云混合像元的分类样本集基础上，计算和分析各特征量的识别置信函数，通过置信函数的重叠相关性获取特征量的自适应融合权重，从而建立决策层的融合结构和识别模型，并进行检验和评估，输出有置信度的沙尘、沙尘-云混合像元识别结果。项目研究结果对沙尘监测和特性反演有重要意义和应用价值，可为解决沙尘气溶胶-云相互作用问题提供有效资料集，还有助于改进云检测产品。

利用卫星遥感进行沙尘监测和其气候效应研究中，定量精确识别沙尘、沙尘-云混合情景是首要问题和技术难点。目前常用的辐射阈值方法需根据不同情况调整参数，且尚难识别沙尘间接气候效应研究所需的沙尘-云混合情景。本项目针对这一关键问题，以MODIS 1B为资料集，在详细分析可见光和红外通道多种物理特征在沙尘、云及其混合类的统计特性基础上，确定各特征量的先验识别置信率，发展了一种融合多通道的统计决策识别模型，项目取得的进展与成果描述如下：.（1）积累了包含沙尘、云及其混合情景三类的卫星轨道资料集，并形成可见光和红外通道不同物理特征在这三类上的样本库，研究了其统计分布特征及差异，得出每个特征值对各类的识别置信率，为定量化的沙尘、云及其混合像元识别与检测提供了基础； .（2）多通道特征量为识别提供了更多的先验信息，但也存在不同特征量对同一像元的识别存在冲突的问题，如何自适应分配每个特征量识别置信率的权重是一个关键问题，本项目依据改进的D-S证据理论，构建了各特征量对沙尘、云及其混合类识别结果的权重，采用一个相似度函数来表示不同特征量之间的冲突与相关性，冲突大的权重低，可自适应根据有效证据的加入而提高权重，适用于高维特征的融合；.（3）发展了一种融合多通道的统计决策识别模型，实测结果表明，可有效识别传统阈值方法无法处理的混合类情景，降低了对云和沙尘的误识别，区别于以往方法中非0即1的识别结果，本模型和方法可给出有置信度的识别结果，为沙尘—云的相互作用研究提供高置信度的资料集。.本项目发展的融合多通道的统计决策识别模型，突破了传统阈值方法无法处理混合类情景的局限，对沙尘监测和间接效应研究有重要科学意义，且能降低对云的误识别，改进云检测业务产品。此外，该模型对气溶胶、云及其混合类的识别上具有通用性，如可扩展应用于卫星遥感的雾霾污染、火山灰云的识别与检测。

内容获取失败，请点击重试