科研动态 | 测绘学院在极地光学影像云检测研究方面取得进展

研究背景

       极地地区是全球气候变化的敏感区域，其恶劣气候和地理条件使得地面观测站难以建设和维护。因此，卫星遥感成为了极地区域观测的主要和必要手段。然而，地球表面约66%的区域常年被云层覆盖，尤其在极地地区，这对光学卫星影像的处理产生了显著影响。在极地地区，云与雪在光学遥感影像中常表现出高反射率和低温度等相似特征，增加了云检测任务的复杂性。

研究内容

       本研究提出了一种适用于Landsat 8/9 OLI/TIRS影像的全新云检测算法，该算法融合了光谱与纹理特征，可以更精确地区分云和雪。算法首先使用Fmask进行初步云检测，然后采用基于灰度共生矩阵的分块处理策略提取局部纹理特征进行二次判别，从而有效剔除被误识别为云的雪区域（图1）。此外，该算法利用短波红外波段（1.57–1.65 µm）和卷云波段（1.36–1.38 µm）提取卷云，并通过形态学闭运算填补云掩膜中的空洞（图1）。该算法对多种类型云的平均检测准确率约为97%，有效降低了极地区域云检测的错分误差并提高了整体准确率（图2）。在经过专家验证的Landsat 8云覆盖评估验证数据集上测试显示，本文算法平均检测精度达到93%，相比ACCA和Fmask算法分别提升了37%和45%（图3、表1）。

图1算法流程图

图2本文算法云检测结果与Landsat8官方云检测算法Fmask对比

图3L8 Biome云掩膜数据集云检测结果

表1极地冰雪场景云检测算法精度对比

研究总结

       本研究面向极地区域光学遥感图像云检测困难的问题，提出了一种基于光谱特征与纹理特征的多特征融合云检测方法，在南极、格陵兰及山地冰川区域取得良好结果，同时对于薄云等较难检测的云具有较好的识别能力，主要降低了云雪的错分误差，且在L8 Biome公开数据集中取得良好结果。未来的研究可以引入更多信息，如南极裸岩分布等，可以进一步提高算法精度，或引入图像整体纹理复杂度的概念，进行灵活动态分块，以提高算法运算效率。

发表信息

       研究成果于2025年7月发表在国际期刊《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》，题为 “Enhancing Cloud Detection in Polar Regions Using Combined Spectral and Textural Features for Landsat 8/9 OLI Imagery”。中山大学测绘科学与技术学院极地与海洋遥感团队博士研究生沈新然为文章第一作者，程晓教授和李腾助理教授为共同通讯作者，刘冲副教授、王绍银副教授、梁琦副教授、郑雷教授和天津师范大学么嘉琪副教授为文章合作作者。本研究得到国家自然科学基金（42206249，42371344，42306256，42422606）、国家重点研发计划（2021YFC2802504）以及南方海洋科学与工程广东省实验室创新团队建设（311021008）的支持。