基于SBDART和BP的夜间雾遥感检测和能见度反演

为了挖掘卫星影像中的雾信息为雾预测预报服务,利用双红外亮温差值作为雾与地物识别分类标志,建立基于SBDART辐射传输模型和BP神经网络的夜间雾遥感检测和能见度反演模型。对2007年11月24日我国华北地区的一次陆地辐射雾MODIS卫星数据进行雾检测,同时反演雾区能见度。根据陕西省气象局提供的地面气象观测数据对模型雾检测结果和能见度反演结果进行验证,该次实验夜间雾检测的准确率为79.2%,地面观测能见度和反演能见度一元线性回归分析方程斜率为1.006,相关系数为0.8498。实验结果表明,模型具有较高的雾识别率和雾能见度反演结果,可为夜间雾识别和生消发展规律探讨提供一定的帮助。

夜间陆地辐射雾的遥感时序数据检测

针对目前单时相遥感夜间陆地辐射雾检测不能有效分离雾和地表、低云的问题,利用日本第2代多功能卫星数据的高时间分辨率特性,提出了基于时序特征和支持向量机的夜间陆地辐射雾检测模型。该模型首先在单时相夜间陆地辐射雾检测基础上,使用第1和第4波段亮温差时序曲线构造的亮温差累积特征将夜间地表与陆地辐射雾和低云分离,然后利用第1波段亮温时序曲线构造的亮温变化累积特征、斜率匹配特征和频域奇异性特征,结合支持向量机进行夜间雾和低云的分类,从而实现基于时序数据的夜间陆地辐射雾检测。对两期遥感时序数据进行实验发现,与单时相夜间陆地辐射雾检测相比,利用时序数据的方法较好地提高了夜间陆地辐射雾的检测精度。

H8/AHI 卫星数据的夜间陆地雾自动检测

夜间雾已成为交通事故频发的重要隐患,夜间雾检测对防治和减少因雾造成的事故和损失,保障人民生命财产安全具有重要的意义。雾与晴空地表夜间亮温差存在明显差异,二者在亮温差影像上有清晰边缘的特征,算法通过Canny边缘检测获取该边缘混合像元,根据边缘混合像元亮温差均值自动获取二者分离检测阈值,进行夜间陆地雾检测。5天H8/AHI夜间雾算法检测结果平均正确率为93.3%、误警率为29.8%,可靠性因子为67.8%,结果表明算法较适合大面积浓雾检测,但对地表存在的特殊天气如霾、雨雪天、雾发展为低云等情况易虚假报警,如未有相关伴随雾的天气现象出现,检测结果正确率为94.6%、误警率为0.05%、可靠性因子为90.1%。算法优点为可自动确定雾与晴空地表的分离检测阈值,与已有夜间雾自动检测算法相比,该算法检测精度有较大提高。2015年11月27日至12月1日17:00~07:00不同时刻夜间雾时序检测定性验证结果证明,算法适合晨昏时刻遥感影像中已处于夜晚区域的雾检测,可检测出90%左右的雾区;对整幅影像均处于夜间的遥感影像,算法检测结果正确率高达90%以上,定性验证结果进一步证明了算法的稳定性和可靠性。