一种联合卫星遥感多光谱与地理信息的霾识别方法与流程

1.本发明涉及卫星遥感检测技术领域，尤其涉及一种联合卫星遥感多光谱与地理信息的霾识别方法。


背景技术：

2.根据国际气象组织的规定，霾被定义为当日均能见度小于10km，日均相对湿度小于80％，并排除降水等其他能导致低能见度时的大气灰霾的日子。霾粒子主要是由空气中悬浮着的极小的、相对雾较干，相对沙尘较湿的微粒，如灰尘、硫酸盐、硝酸盐等组成。霾与晴空区之间没有明显的边界，看起来呈黄色或橙灰色，厚厚的雾霾层通常能延伸至几百米并且持续好多天，给从事空气质量监测、公共交通、身体健康等带来诸多不便。近些年来灰霾天气现象迅速增加，霾层与云层的相互叠加对卫星定量遥感反演云特性、气溶胶特性以及研究二者的交互带来了很大挑战。
3.传统的雾霾观测方法主要是靠地面站点通过小范围布点、短时间内连续观测的方式，对于特殊污染过程的形成原因分析、污染物变化趋势分析具有明显的优点，但需要大范围地进行云、晴空和霾的识别时该方法就失去了其优势，需要借助卫星遥感手段开展相关工作。传统基于卫星遥感观测资料开展霾像元的识别方法主要是考虑到云和霾的光谱特征存在差异，传统的阈值法应用最为广泛，实施方便，但易将云和霾错分，且该类方法对判识条件的阈值非常敏感，阈值的选择存在一定不确定性，同时，晴空和霾区边界模糊，仅利用阈值法往往会造成较大误判，这对开展霾区气溶胶参数反演工作引入较多不确定性，并且，对于目前重污染天气的云和灰霾检测精度较差，重度霾区域易误判为云，轻度霾区域易误判为晴空，其应用至实时业务化运行中易出现普适性较差的问题。


技术实现要素：

4.本发明提供了一种联合卫星遥感多光谱与地理信息的霾识别方法，进一步分析了霾、云及晴空像元的光谱特征，联合光谱变化率和海拔高度信息，利用树形分析方法实现了冰雪像元、内陆水体像元、云像元、晴空像元与霾像元的区分，解决了现有云霾识别算法在重污染天气识别精度较差的问题。
5.本发明包含如下步骤：
6.步骤一、获取遥感卫星影像的至少两个预设光谱通道的表现反射率数据ρ
λ
和亮温数据bt，并对所述数据进行预处理得到预处理后数据，所述至少两个预设光谱通道分别采用可见光通道和红外通道；
7.步骤二、对所述遥感卫星影像中的每个像元进行如下判断：判断所述预处理后数据是否满足第一预设条件，若判断为是，则将所述像元标记为冰雪像元；
8.步骤三、若步骤二判断为否，则判断所述预处理后数据是否满足第二预设条件，若判断为是，则将所述像元标记为内陆水体像元；
9.步骤四、若步骤三判断为否，则判断所述预处理后数据是否满足第三预设条件，若
判断为是，则将所述像元标记为云像元；
10.步骤五、若步骤四判断为否，则判断所述预处理后数据是否满足第四预设条件，若判断为是，则将所述像元标记为晴空像元，若判断为否，则将所述像元标记为霾像元，其中，所述第四预设条件包括海拔地理信息预设条件和光谱变化率预设条件。
11.进一步地，所述预设光谱通道包括：蓝光波段通道、红光波段通道、第一近红外通道、第二近红外通道、第三近红外通道、第四近红外通道和长波红外通道；
12.所述预设光谱通道的光谱波段中心波长λ分别表示为：蓝光波段通道λ
blue
、红光波段通道λ
red
、第一近红外通道λ
nir1
、第二近红外通道λ
nir2
、第三近红外通道λ
nir3
、第四近红外通道λ
nir4
和长波红外通道λ
infra
，其中，0.8μm≤λ
nir1
≤0.9μm，1.3μm≤λ
nir2
≤1.4μm，1.6μm≤λ
nir3
≤1.7μm，2.1μm＜λ
nir4
≤2.3μm，7μm≤λ
infra
≤14μm。
13.进一步地，所述第一近红外通道的中心波长λ
nir1
为0.865μm、所述第二近红外通道的中心波长λ
nir2
为1.38μm、所述第三近红外通道的中心波长λ
nir3
为1.64μm、所述第四近红外通道的中心波长λ
nir4
为2.13μm和长波红外通道的中心波长λ
infra
为11μm。
14.进一步地，所述第一预设条件为：且bt
infra
＜t2，其中，ρ
nir1
为所述第一近红外通道的表观反射率，ρ
nir3
为所述第三近红外通道的表观反射率，t1为第一预设阈值，bt
infra
为所述长波红外通道的亮温，t2为第二预设阈值。
15.进一步地，所述第二预设条件为：且ρ
nir4
＜t4，其中，ρ
red
分别为所述红光波段通道的表观反射率，t3为第三预设阈值；ρ
nir4
为所述第四近红外通道的表观反射率，t4为第四预设阈值。
16.进一步地，所述第三预设条件为：ρ
blue
＞t5，其中，ρ
blue
为所述蓝光波段通道的表观反射率，t5为第五预设阈值；
17.和/或，所述第三预设条件为：所述长波红外通道的亮温bt
infra
＜t6，其中，t6为第六预设阈值；
18.和/或，所述第三预设条件为：且ρ
blue
＞t8，其中，为方圆3*3范围内蓝光通道表观反射率的标准差，t7为第七预设阈值，t8为第八预设阈值；
19.和/或，所述第三预设条件为：其中，为方圆3*3范围内第二近红外通道表观反射率的标准差，t9为第九预设阈值。
20.进一步地，判断所述预处理后数据是否满足第四预设条件，若判断为是，则将所述像元标记为晴空像元包括：
21.所述第四预设条件为：ρ
blue
＜t10，若判断为是，则将所述像元标记为亮晴空像元，其中，t10为第十预设阈值，且t10＜t5；
22.和/或，所述第四预设条件为：ρ
nir1-ρ
nir3
＜t14，若判断为是，则将所述像元标记为亮晴空像元，其中，t14为第十四阈值；
23.和/或，所述第四预设条件为：且t17＜ρ
blue
＜t18，若判断为是，则将所述像元标记为亮晴空像元，其中，t15、t16、t17和t18分别为第十五预设阈值、第十六预设阈值、第十七预设阈值、第十八预设阈值；
24.或，所述第四预设条件为：t11＜ρ
blue
＜t12且dem＞t13，若判断为是，则将所述像元标记为较亮晴空像元，其中，t11和t12分别为第十一预设阈值和第十二预设阈值，dem为海拔高度，单位为米，t13为较亮地表海拔高度预设阈值，且t10≤t11《t12≤t5。
25.进一步地，对所述表现反射率数据ρ
λ
进行预处理包括：分别采用水汽、臭氧、二氧化碳进行气体吸收订正，得到气体吸收订正后的表观反射率。
26.进一步地，所述第一预设阈值t1：t1＝0.1，所述所述第二预设阈值t2：t2＝285，所述第三预设阈值t3：t3＝0.1，所述所述第四预设阈值t4：t4＝0.08，所述第五预设阈值t5：t5＝0.45，所述第六预设阈值t6：t6＝250，所述第七预设阈值t7：t7＝0.0075，所述第八预设阈值t8：t8＝0.4，所述第九预设阈值t9：t9＝0.0025。
27.进一步地，所述第十预设阈值t10：t10＝0.2，所述第十一预设阈值t11：t11＝0.2，所述第十二预设阈值t12：t12＝0.25，所述第十三预设阈值t13：t13＝150，所述第十四预设阈值t14：t14＝0，所述第十五预设阈值t15：t15＝0.5，所述第十六预设阈值t16：t16＝0.65，所述第十七预设阈值t17：t17＝0.25，所述第十八预设阈值t18：t18＝0.3。
28.本发明实施例提供的技术方案至少带来以下有益技术效果：
29.本发明提供了一种联合卫星遥感多光谱与地理信息的霾识别方法，针对现有云和霾识别算法在重污染天气识别精度较差的问题，使用多光谱遥感卫星影像像元的反射率数据和亮温数据来识别灰霾的范围。由于霾主要分布在海拔较低的平原和山谷地区，而云主要产生在高处，基于海拔高度辅助阈值法来识别晴空的和霾的范围更为有效和科学。该方法使阈值的选择更加容易，晴空和霾区边界判断更加清晰，对于特殊污染事件的事后监测分析，可通过调整阈值的方式改变判识条件以达到最好的应用效果，普适性更强。同时，该方法提高不同像元判识的准确率，从而能够快速稳定的实现云、晴空和霾的检测，提高灰霾识别的准确性，为进一步研究云和气溶胶的相互作用等提供必要的基础，提升了用户体验。
附图说明
30.图1是本发明实施例一提供的一种联合卫星遥感多光谱与地理信息的霾识别方法流程图；
31.图2是本发明实施例一提供的另一种联合卫星遥感多光谱与地理信息的霾识别方法流程图；
32.图3是本发明实施例二提供的一种联合卫星遥感多光谱与地理信息的霾识别方法流程图。
具体实施方式
33.需要说明的是，在不冲突的情况下，本技术中的实施例以及实施例中的特征可以相互组合。本发明的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如包含了一系列步骤s或单元的过程、方法、系统、产品或设备不必限于清楚的列出的那些步骤s或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤s和单元。
34.为使本技术领域的人员更好地理解本发明方案，下面结合本发明实施例中的附图，对本发明实施例中的方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得所有其他实施例，都应当属于本发明保护的范围。
35.实施例一
36.以下结合附图，详细说明本技术各实施例提供的技术方案。
37.图1为种联合卫星遥感多光谱与地理信息的霾识别方法流程图。本实施例提供一种高程辅助的云霾识别方法，包括：
38.步骤s10、获取遥感卫星影像的至少两个预设光谱通道的表现反射率数据ρ
λ
和亮温数据bt，并对所述数据进行预处理得到预处理后数据，所述至少两个预设光谱通道分别采用可见光通道和红外通道。
39.其中，所述表现反射率表示大气层顶的表现反射率，为地表反射率与大气反射率之和。
40.具体实施过程中，通过读取卫星观测一级数据每个像元于至少两个预设光谱通道，例如分别读取可见光、近红外、短波红外和热红外通道的影像灰度值dn，再通过辐射定标系数和物理量转换公式，将计数值换算为大气层顶表观反射率和亮温。
41.其中，物理量转换公式包括：
42.其中，ρ
λ
为表现反射率，d为日地距离，esun
λ
为太阳辐照度，θ为太阳高度角；
43.以及，l
λ
＝gain*dn offset...(2)，其中l
λ
为卫星载荷通道入瞳处等效辐射亮度，单位为w/(m2*sr*μm)，gain和offset分别为定标系数增益偏移量，单位w/(m2*sr*μm)；
44.以及，其中bt为大气层顶的亮度温度，k1、k2分别为转换常数。
45.步骤s20、对所述遥感卫星影像中的每个像元进行如下判断：判断所述预处理后数据是否满足第一预设条件，若判断为是，则将所述像元标记为冰雪像元。
46.具体的，由于冰雪像元作为云像元的一种，其相比普通云层像元反射率更强，且在所有待测像元中的大气反射率和表现反射率是最强的，因此更容易通过其中一个或几个预设光谱通道的表现反射率识别出冰雪像元。
47.在一个优选的示例性实施例中，所述预处理后数据是否满足第一预设条件，为在近红外通道下的待测像元表现反射率大于等于预设表现反射率阈值，例如预设表现反射率阈值取值为0.8，或者所述预处理后数据是否满足第一预设条件，为近红外通道下的待测像元的亮温bt大于等于预设亮温阈值，例如亮温阈值取值为bt1，则bt≥bt1。
48.步骤s30、若步骤s20判断为否，则判断所述预处理后数据是否满足第二预设条件，若判断为是，则将所述像元标记为内陆水体像元。
49.具体的，内陆水体像元作为云像元的一种，其相比普通云层像元反射率更低，且在所有待测像元中的大气反射率和表现反射率是最低的，因此更容易通过其中一个或几个预设光谱通道的表现反射率识别出内陆水体像元。
50.在一个优选的示例性实施例中，所述预处理后数据是否满足第二预设条件，为在近红外通道下的待测像元表现反射率小于等于预设表现反射率阈值，例如预设表现反射率阈值取值为0.2，或者所述预处理后数据是否满足第一预设条件，为近红外通道下的待测像元的亮温bt小于等于预设亮温阈值，例如亮温阈值取值为bt2，则bt≤bt2。
51.步骤s40、若步骤s30判断为否，则判断所述预处理后数据是否满足第三预设条件，若判断为是，则将所述像元标记为云像元。
52.具体的，由于云像元相比冰雪像元和内陆水体像元的表现反射率和亮温有较大区别，其取值范围位于二者之间，因此，有必要对云像元的类型进行具体区分，提高云霾的识别精度。
53.在一个优选的示例性实施例中，所述预处理后数据是否满足第三预设条件，为在近红外通道下的待测像元表现反射率位于预设表现反射率阈值范围内，例如预设表现反射率阈值取值范围为[0.4,0.6]，或者所述预处理后数据是否满足第一预设条件，为可见近红外通道下的待测像元的亮温位于预设亮温阈值范围内，例如亮温阈值取值范围为[bt2,bt1]。
[0054]
步骤s50、若步骤s40判断为否，则判断所述预处理后数据是否满足第四预设条件，若判断为是，则将所述像元标记为晴空像元，若判断为否，则将所述像元标记为霾像元，其中，所述第四预设条件包括海拔地理信息预设条件和光谱变化率预设条件。
[0055]
具体的，所述晴空像元的表现反射率和亮温与冰雪像元、内陆水体像元、云像元有较大区别，当所述至少两个预设光谱通道的表现反射率数据ρ
λ
和亮温数据bt满足第四预设条件时，判断该像元为晴空像元。
[0056]
其中，海拔地理信息预设条件，即根据海拔的高度变化信息进行阈值的设定，从而排除不同海拔高度的被测像元类型。由于霾主要分布在海拔较低的平原和山谷地区，而云主要产生在高处，并且根据地理位置例如海拔、地貌的差压，导致晴空像元的表现反射率和亮温有较大差异，因而通过海拔地理信息预设条件可以有效地进行大范围的云像元及晴空像元的识别，提高霾的识别精度。
[0057]
其中，光谱变化率预设条件为分别采用不同波长范围的光谱通道进行多条件的阈值设定，通过树形分析法等方法反演得到最佳的光谱变化率预设条件的阈值，例如通过不同波长的可见光通道和不同波长的红外线通道对被测像元进行数据读取计算，再与所述最佳阈值进行数据比对，使用排除法对被测像元的属性范围进行确定。
[0058]
需要说明的是，所述第一、第二、第三和第四预设条件，可以为多个预设光谱通道中的表现反射率数据ρ
λ
和亮温数据bt的函数组合，例如红光波段通道与近红外通道的表现反射率数据ρ
λ
之差与之和的比值大于表现反射率预设阈值，且亮温数据bt小于亮温预设阈值的函数组合，也可以为其他可能的函数组合，此处不做限定。另外，本发明中使用的卫星数据满足上述各术语所定义的波段，数据自带像元的经纬度值等。
[0059]
本发明实施例中，由于霾主要分布在海拔较低的平原和山谷地区，而云主要产生在高处，高程数据辅助阈值法主要应用于重污染且地形起伏较大地区的云和霾识别，能够提高云和霾识别精度。
[0060]
由此可见，本发明实施例中，所述联合卫星遥感多光谱与地理信息的霾识别方法，与现有技术相比，至少具备以下技术效果：使阈值的选择更加容易，晴空和霾区边界判断更
加清晰，对于特殊污染事件的事后监测分析，可通过调整阈值的方式改变判识条件以达到最好的应用效果，普适性更强。同时，提高不同像元判识的准确率，从而能够快速稳定的实现云、晴空像元和霾的检测，提高灰霾识别的准确性，为进一步研究云和气溶胶的相互作用等提供必要的基础，提升了用户体验。
[0061]
在一个优选的实施例中，所述预设光谱通道包括：蓝光波段通道、红光波段通道、第一近红外通道、第二近红外通道、第三近红外通道、第四近红外通道和长波红外通道；
[0062]
所述预设光谱通道的光谱波段中心波长λ分别表示为：蓝光波段通道λ
blue
、红光波段通道λ
red
、第一近红外通道λ
nir1
、第二近红外通道λ
nir2
、第三近红外通道λ
nir3
、第四近红外通道λ
nir4
和长波红外通道λ
infra
，其中，0.8μm≤λ
nir1
≤0.9μm，1.3μm≤λ
nir2
≤1.4μm，1.6μm≤λ
nir3
≤1.7μm，2.1μm＜λ
nir4
≤2.3μm，7μm≤λ
infra
≤14μm。
[0063]
具体的，多光谱遥感卫星传感器通常有可见光通道和红外通道，而根据中心波长范围的不同，可见光通道又分为蓝光波段通道、红光波段通道、绿光波段通道等，红外通道又可分为近红外通道、中波红外通道和长波红外通道等。本发明实施例中，第一、第二、第三、第四近红外通道的中心波长均位于0.8μm至2.3μm的近红外波段内，长波红外通道则位于7μm至14μm的长波红外波段内。
[0064]
在一个优选的实施例中，所述第一近红外通道的中心波长λ
nir1
为0.865μm、所述第二近红外通道的中心波长λ
nir2
为1.38μm、所述第三近红外通道的中心波长λ
nir3
为1.64μm、所述第四近红外通道的中心波长λ
nir4
为2.13μm和长波红外通道的中心波长λ
infra
为11μm。
[0065]
由于每个波段范围的预设光谱通道对被测像元的反射率不一样，并且由于太阳照射时间段和天气等因素的影响，被测像元在单个预设光谱通道获取被测像元时会过滤掉一些波段的从而导致被测值失真，因此通过多个预设光谱通道同时对被测像元进行拍摄读取，再进行联合分析并按照一定的分析方法，例如通过决策树分析，反演出多个预设光谱通道最优的函数组合，从而提高云霾的识别精度。
[0066]
本发明实施例中，所述多个预设光谱通道覆盖了最常用的可见光波段和红外波段，能保证被测像元在各波段的表现反射率和亮温等数据有效地被读取，最大限度地提高云霾识别的精度。
[0067]
需要说明的是，在其他实施例中，所述预设光谱通道可以采用其他的预设光谱通道，例如采用绿光波段通道和近红外通道的组合，本发明实施例不做限制。
[0068]
在一个优选的实施例中，所述第一预设条件为：且bt
infra
＜t2，其中，ρ
nir1
为所述第一近红外通道的表观反射率，ρ
nir3
为所述第三近红外通道的表观反射率，t1为第一预设阈值，bt
infra
为所述长波红外通道的亮温，t2为第二预设阈值。
[0069]
具体的，位于0.8μm至0.9μm波段内的第一近红外通道与位于1.6μm至1.7μm的第三近红外通道的表现反射率的差值与二者和的比值大于第一预设阈值，其中，第一预设阈值为该二者比值判识为冰雪的阈值。同时满足条件长波红外通道的亮温bt
infra
小于第二预设阈值，则可将所述像元标记为冰雪像元，其中所述第二预设阈值为该波段判识为冰雪的阈值。
[0070]
具体实施过程中，所述第一、第二预设阈值根据具体条件例如卫星传感器参数、季节等进行设定，通过数据下载并反演得到第一、第二预设阈值，可以作为被测地区一段时间
内的第一、第二预预设阈值。
[0071]
本发明实施例中，所述第一预设条件包含了两个不同波段的近红外通道的表现反射率数据和一个长波红外通道的亮温数据，有效防止数据失真的问题，步骤简单易操作，提高了云霾识别的精度。
[0072]
在一个优选的实施例中，所述第二预设条件为：且ρ
nir4
＜t4，其中，ρ
red
分别为所述红光波段通道的表观反射率，t3为第三预设阈值；ρ
nir4
为所述第四近红外通道的表观反射率，t4为第四预设阈值。
[0073]
具体的，所述第三预设阈值和第四预设阈值为判断内陆水体像元的阈值，具体实施过程可参照上述本发明实施例中第一和第二预设阈值的方式，此处不再赘述。
[0074]
本发明实施例中，所述第二预设条件包含了一个红光波段通道、一个近红外通道和一个长波红外通道的表现反射率数据，覆盖的波段范围更宽，可有效防止数据失真的问题，步骤简单易操作，提高了云霾识别的精度。
[0075]
在一个优选的实施例中，所述第三预设条件为：ρ
blue
＞t5，其中，ρ
blue
为所述蓝光波段通道的表观反射率，t5为第五预设阈值；
[0076]
和/或，所述第三预设条件为：所述长波红外通道的亮温bt
infra
＜t6，其中，t6为第六预设阈值；
[0077]
和/或，所述第三预设条件为：且ρ
blue
＞t8，其中，为方圆3*3范围内蓝光通道表观反射率的标准差，t7为第七预设阈值，t8为第八预设阈值；
[0078]
和/或，所述第三预设条件为：其中，为方圆3*3范围内第二近红外通道表观反射率的标准差，t9为第九预设阈值。
[0079]
需要说明的是，本发明实施例所述第三预设条件包含了多个“和/或”并列条件，即满足其中一个或者至少两个本发明实施例中的条件，即可判断为是，并标注被测像元为云像元。
[0080]
具体的，由于云像元的分布广、类型多，例如中间态云包含了卷云、层云、高积云等多种形态，其中涉及的表现反射率数据和亮温数据有较大差异，并且涵盖的范围较广，因而有必要针对不同情况的中间态云层像元进行多种条件的多光谱通道采集和识别。
[0081]
本发明实施例中，所述第五至第九预设阈值均为判别为云像元的阈值，具体实施方式可参考上述本发明实施例的详细说明，此处不再赘述。
[0082]
本发明实施例中，所述第三预设条件包含了一个蓝光波段通道和一个近红外通道的表现反射率数据和一个长波红外通道的亮温数据，同时包含了方圆3*3范围内蓝光通道表观反射率的标准差和方圆3*3范围内第二近红外通道表观反射率的标准差进行阈值判定，其中方圆单位为m，其覆盖的波段范围更宽，可有效防止数据失真的问题，并降低了偶然误差，提高了云霾识别的精度。
[0083]
图2是本发明实施例提供的另一种联合卫星遥感多光谱与地理信息的霾识别方法流程图，如图2所示，在一个优选的实施例中，判断所述预处理后数据是否满足第四预设条件，若判断为是，则将所述像元标记为晴空像元包括：
[0084]
所述第四预设条件为：ρ
blue
＜t10，若判断为是，则将所述像元标记为亮晴空像元，
其中，t10为第十预设阈值，且t10＜t5；
[0085]
和/或，所述第四预设条件为：ρ
nir1-ρ
nir3
＜t14，若判断为是，则将所述像元标记为亮晴空像元，其中，t14为第十四阈值；
[0086]
和/或，所述第四预设条件为：且t17＜ρ
blue
＜t18，若判断为是，则将所述像元标记为亮晴空像元，其中，t15、t16、t17和t18分别为第十五预设阈值、第十六预设阈值、第十七预设阈值、第十八预设阈值；
[0087]
或，所述第四预设条件为：t11＜ρ
blue
＜t12且dem＞t13，若判断为是，则将所述像元标记为较亮晴空像元，其中，t11和t12分别为第十一预设阈值和第十二预设阈值，dem为海拔高度，单位为米，t13为较亮地表海拔高度预设阈值，且t10≤t11＜t12≤t5。
[0088]
需要说明的是，本发明实施例所述第三预设条件包含了多个“和/或”并列条件，即满足其中一个或者至少两个本发明实施例中的条件，即可判断为是，并标注被测像元为晴空像元。同时，所述第三预设条件还包含一个“或”条件，即满足“或”字前后的至少一个条件，即可判断为是。
[0089]
其中，由于根据地理位置例如海拔、地貌的差压，导致晴空像元的表现反射率和亮温有较大差异，因此有必要对晴空像元的类型进行具体区分，提高云霾的识别精度。按照晴空像元亮度的不同，可分为亮晴空像元和较亮晴空像元。同时，由于随着海拔的不同，以及积雪、植被等因素的影响，使较亮晴空像元区域的表现反射度和亮温具有较大的差压，因此有必要引入海拔阈值的判定依据，可提高云霾识别的精度。
[0090]
具体的，所述第十至第十八预设阈值均为判别为晴空像元的阈值，具体实施方式可参考上述本发明实施例的详细说明，此处不再赘述。
[0091]
本发明实施例中，所述第四预设条件包含了一个蓝光波段通道、一个红光波段通道、三个近红外通道的表现反射率，同时，在较亮晴空像元识别时采用了海拔高度阈值设定，其覆盖的波段范围更宽，可有效防止数据失真的问题，并降低了偶然误差，提高了云霾识别的精度。
[0092]
在一个优选的实施例中，对所述表现反射率数据ρ
λ
进行预处理包括，对预设光谱通道的表观反射率进行气体吸收订正，得到气体吸收订正后的表观反射率。
[0093]
优选的，对预设光谱通道的表观反射率进行气体吸收订正包括：分别采用水汽、臭氧、二氧化碳进行气体吸收订正。
[0094]
具体的，由于遥感精度在不同气体气溶胶情况下的精度有所差别，因气候变化等因素导致空气的气体成分及含量有较大区别，导致遥感卫星获取影像的精度无法保证，因此有必要通过常用的几种气体进行气体吸收订正。
[0095]
根据研究和实验表明，通过气体吸收误差订正，遥感精度有很大提高。张军华，王美华，毛节泰，多波段光度计遥感气溶胶误差分析及订正，2000,24(6).p4-p49文献结合1998年实际遥感气溶胶所用多波段光度计，详细分析了由于仪器定标、仪器视场角、滤光片宽度、气体吸收等方面带来的误差，并提出了相应的订正方法，特别是针对水汽的吸收，提出了三波段差分吸收订正法。结果表明，通过误差订正，遥感精度有很大提高，气溶胶光学厚度在0.1左右，相对误差不超过10％，中等大气浑浊度情况下相对误差2％左右。
[0096]
本发明实施例中，通过采用空气中的常用气体水汽、臭氧、二氧化碳分别进行气体
吸收订正，提高了遥感精度，降低了偶然误差，提高了云霾识别的精度。
[0097]
由此可见，本发明实施例中，所述联合卫星遥感多光谱与地理信息的霾识别方法，与现有技术相比，至少具备以下技术效果：使阈值的选择更加容易，晴空和霾区边界判断更加清晰，对于特殊污染事件的事后监测分析，可通过调整阈值的方式改变判识条件以达到最好的应用效果，普适性更强。同时，提高不同像元判识的准确率，从而能够快速稳定的实现云、晴空像元和霾的检测，提高灰霾识别的准确性，为进一步研究云和气溶胶的相互作用等提供必要的基础，提升了用户体验。
[0098]
实施例二
[0099]
在实施例一的基础上，本发明还提供了另一种联合卫星遥感多光谱与地理信息的霾识别方法，图3为本发明实施例提供的一种联合卫星遥感多光谱与地理信息的霾识别方法流程图，如图3所示：
[0100]
步骤q10、读取fy-3d/mersi-iil1数据每个像元在两个可见光通道(0.47μm和0.65μm)、三个近红外通道(0.865μm、1.38μm和1.64μm)、一个短波红外通道(2.13μm)、一个红外通道(11μm)的计数值，通过定标系数和物理量转换公式，将以上通道计算值换算为大气层顶表观反射率或者亮温；
[0101]
步骤q20、利用水汽、臭氧、二氧化碳分别对0.47μm、0.65μm、0.865μm、1.38μm、1.64μm和2.13μm波段通道获得的像元分别进行水汽吸收、臭氧吸收和二氧化碳吸收订正，得到气体吸收订正后的表观反射率；
[0102]
步骤q30、对于每个像元，当t1＝0.1，t2＝285时，对所述遥感卫星影像中的每个像元进行如下判断：判断所述预处理后数据是否满足如下判断条件：且bt
infra
《t2，若判断为是，则将所述像元标记为冰雪像元，否则继续执行下述过程；
[0103]
步骤q40、对于每个非冰雪像元，当t3＝0.1，t4＝0.08时，则判断所述预处理后数据是否满足如下判断条件：且ρ
nir4
《t4，若判断为是，则将所述像元标记为内陆水体像元，否则继续执行下述过程；
[0104]
步骤q50、对于每个非冰雪且非内陆水体的像元，当t5＝0.45时，执行如下判断条件：ρ
blue
＞t5，若满足，则将该像元标记为云像元；
[0105]
步骤q60、对于每个非冰雪且非内陆水体的像元，当t6＝250时，执行如下判断条件：bt
infra
＜t6，若满足，则将该像元标记为云像元；
[0106]
步骤q70、对于每个非冰雪且非内陆水体的像元，当t7＝0.0075，t8＝0.4时，执行如下判断条件：且ρ
blue
＞t8，若满足，则将该像元标记为云像元；
[0107]
步骤q80、对于每个非冰雪且非内陆水体的像元，当t9＝0.0025时，执行如下判断条件：其中，为方圆3*3范围内蓝光通道表观反射率的标准差，若满足，则将该像元标记为云像元；
[0108]
步骤q90、对于每个非冰雪且非内陆水体且非云的像元，当t10＝0.2时，执行如下判断条件：ρ
blue
＜t10，其中，为方圆3*3范围内第二近红外通道表观反射率的标准差，若满足，则将该像元标记为晴空像元；
[0109]
步骤q100、对于每个非冰雪且非内陆水体且非云的像元，当t11＝0.2，t12＝0.25，t13＝150时，执行如下判断条件：t11＜ρ
blue
＜t12且dem＞t13，若满足，则将该像元标记为晴空像元；
[0110]
步骤q110、对于每个非冰雪且非内陆水体且非云的像元，当t14＝0时，执行如下判断条件：ρ
nir1-ρ
nir3
＜t14，若满足，则将该像元标记为晴空像元；
[0111]
步骤q120、对于每个非冰雪且非内陆水体且非云的像元，当t15＝0.5，t16＝0.65，t17＝0.25，t18＝0.3时，执行如下判断条件：t17＝0.25，t18＝0.3时，执行如下判断条件：且t17＜ρ
blue
＜t18，若满足，则将该像元标记为晴空像元，对于未标记类别的所有像元标记为霾。
[0112]
本发明实施例作为优选的示例性实施例，其各预设阈值的取值取决于该条件例如气候、卫星传感器参数等因素，并通过反演方法计算得到到优选取值，其云霾识别结果与实时云霾数据对比表明，该方法的结果具有较高的精度。
[0113]
由此可见，本发明实施例中，所述联合卫星遥感多光谱与地理信息的霾识别方法，与现有技术相比，至少具备以下技术效果：使阈值的选择更加容易，晴空和霾区边界判断更加清晰，对于特殊污染事件的事后监测分析，可通过调整阈值的方式改变判识条件以达到最好的应用效果，普适性更强。同时，提高不同像元判识的准确率，从而能够快速稳定的实现云、晴空像元和霾的检测，提高灰霾识别的准确性，为进一步研究云和气溶胶的相互作用等提供必要的基础，提升了用户体验。
[0114]
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。