环境星HJ云识别

HJ-1星CCD传感器以及高光谱传感器（HIS）波段设置在红外与近红外波段范围，两类数据的云识别便是根据云在可见光和近红外波段的反射率明显高于植被、土壤、水体等下垫面的特征，从反射率的差异出发识别云。对于HJ-1B星数据而言，第三波段（0.63~0.69um）以及第三波段（0.63~0.69um）与第四波段（0.76~0.90um）的比值可以较好的检测出影像上的云像元。

根据上述的云的光谱特征的分析，结合HJ-1B星的CCD数据各通道的波谱特征，采用多特征阈值检测法识别云像元，主要采用了可见光反射率特征以及通道间的组合特征识别云像元。

1.数据预处理

研究区域的选择：HJ1A-CCD1-18-88-20110310-L20000498152，云南省盈江县数据。在http://www.cresda.com上下载的HJ星CCD1数据属于L2级数据，该数据已经进行过几何校正，如果需要更高精度的数据，需要对数据进行二次的几何精校正；如果没必要，该数据亦满足需求。

本文数据进行的预处理是对数据的辐射定标，采用ENVI软件下的HJ星数据读取对其进行读取、显示、LayerStacking波段组合、重采样。其中重采样的步骤视情况而定，不是必须的步骤，因为云检测对影像分辨率的要求不是很高，可以进行重采样提高计算效率同时也可部分提高云识别的精度。完成HJ星CCD数据的预处理操作，采用上述的算法进行云像元的识别，具体的实现方法步骤如下2 。

２.云像元识别

途径一：ENVI下的波段运算

采用红通道反射率与NIR/VIS（近红外/红光）比值的综合检测法进行云像元的识别，该方法主要是通过ENVI软件中的波段运算“Band Math”实现的。

途径二：ENVI+IDL二次开发波段运

function hjremovecloud,b3,b4
  return,(~(b3 gt 0.2 and b3/b4 gt 0.9 and b3/b4 lt 1.1 and b4 ne 0))
end

注：该函数生成的影像结果为一个二值图：0代表云，1代表非云，包括背景在内。