科研之友
微信
新浪微博
Facebook
分享链接
摘要
云覆盖阻碍了光学遥感卫星对地观测的有效范围，快速、准确的云检测是遥感应用产品生成过程中的重要一步。针对Google Earth Engine云平台中缺乏适用且高质量的云检测模型，以热带多云的斯里兰卡为研究区，构建了耦合SVM和Cloud-Score算法的Sentinel-2影像云检测模型，通过实验从目视判读与定量分析两个角度对比了其与QA60法、Cloud-Score算法以及Fmask的云检测精度，并在海南岛和亚马逊森林两个地区进行了云检测测试。研究结果表明：Fmask模型的云检测性能最低，总体精度仅为63.45%，存在严重的水体误分为云的现象，但其漏提率极低；QA60法对卷云识别不足，漏提率较高，同时存在一定的误分现象，并且低空间分辨率影响了云体边界提取结果的细节性；Cloud-Score算法的云检测性能明显好于QA60法，总体精度达到了89.83%，误提率仅为2.17%，但仍存在部分卷云漏提的现象；相比于其他3种云检测方法，本文提出的云检测模型总体精度最高，达到了98.21%，并且拥有极低的漏提率和误提率，能比较精准地识别出云体的边界，可满足Sentinel-2遥感产品的云检测预处理需求。
- 出版日期2022
- 单位陕西地建土地工程技术研究院有限责任公司; 资源与环境信息系统国家重点实验室; 中国科学院地理科学与资源研究所; 陕西省土地工程建设集团有限责任公司
