耦合SVM和Cloud-Score算法的Sentinel-2影像云检测模型研究

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.

关键词：云检测、SVM、Cloud-Score 算法、Sentinel-2、Fmask

所属期刊栏目：37

分类号：P407;TP751(一般理论与方法)

资助基金：国家重点研发计划;国家科技重大专项;陕西地建-西安交大土地工程与人居环境技术创新中心开放基金资助项目;陕西省土地工程建设集团内部科研项目;陕西省土地工程建设集团内部科研项目;中央高校基本科研业务费资助项目

在线出版日期：2022-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：713-720