基于朴素贝叶斯的FY-4A/AGRI云检测方法

光学遥感云检测是定量遥感和遥感应用的基础,尝试将朴素贝叶斯的机器学习方法应用于风云四号气象卫星A星(FY-4A)搭载的先进静止轨道辐射成像仪(AGRI)红外通道数据云检测。因辐射物理方法的云检测采用可见光通道导致存在日夜不连续现象,仅选取FY-4A/AGRI载荷7个红外通道的光谱数据,构建10种特征分类,利用正交偏振云-气溶胶激光雷达(CALIOP)与FY-4A/AGRI时空匹配数据,对不同地表类型和不同季节的数据集进行分类训练和验证。与CALIOP数据交叉验证显示除积雪上空云识别准确率约为81%,深海、浅水、陆地和荒漠上空的云识别准确率均高于92%,误判率基本低于10%,总体云识别精度达到90%;与2021年10月和2022年1,4,7月MODIS 2级云检测产品比对,深海、浅水云识别准确率均在88%以上,误判率分别低于3%和10%,夏季云识别效果最佳,总体云识别准确率高达90%。云检测结果不仅得到云、可能云、可能晴空和晴空4种分类结果,还得到每种特征和综合特征云检测分类器的不确定性概率值,这为云和地表相关检测产品提供重要参考。