基于FY-3D的MERSI全球晴空数据合成技术

详细信息    查看全文 | 推荐本文 |

英文篇名：Global Clear-Sky Data Synthesis Technology Based on FY-3D MERSI-Ⅱ Instrument 作者：瞿建华 ; 鄢俊洁 ; 王燕婷 英文作者：Qu Jianhua;Yan Junjie;Wang Yanting;Beijing Huayun Shinetek Company; 关键词：FY-3D ; 极轨气象卫星 ; MERSI-Ⅱ ; 晴空数据合成 ; BluMarble 英文关键词：FY-3D;;polar-orbiting meteorological satellite;;MERSI-Ⅱ;;clear sky synthesis;;BluMarble 中文刊名：气象科技 英文刊名：Meteorological Science and Technology 机构：北京华云星地通科技有限公司; 出版日期：2019-08-15 出版单位：气象科技 年：2019 期：04 语种：中文; 页：3-9 页数：7 CN：11-2374/P ISSN：1671-6345 分类号：P412.27

摘要

FY-3D极轨气象卫星作为最新一代的极地轨道气象卫星,其图像数据包含了丰富的植被、河流、山区等地表信息,对陆地资源调查、地表类型变化监测等具有重要作用。但几乎每轨遥感图像大约有2/3区域都被云雾覆盖,无法直接获取云层下的地表信息用于产品应用。本文研究晴空数据合成技术,首次提出反射率最小合成法、植被指数最大合成法和西格玛合成法的3个标准联合运用的晴空合成技术,利用先进的多时次气象卫星遥感数据合成技术,自动生成FY-3D中分辨率光谱成像仪(MERSI-II)250m分辨率晴空遥感数据,较好地实现了云和云阴影的去除,生成的晴空效果良好,具备了后续应用的价值。
        The FY-3 D polar orbiting meteorological satellite is the latest generation of polar orbiting meteorological satellites.Its image data contain abundant surface information such as vegetation,rivers,mountains and so on.It plays an important role in the monitoring of land resource survey and land surface type change.However,nearly two-thirds of each remote sensing image is covered by clouds and fogs,so it is impossible to obtain directly surface information under the clouds for product application.The technology of data synthesis in clear sky is very important.The technology of combining three standards,i.e.,minimum reflectance synthesis,maximum vegetation index synthesis and sigma synthesis,is proposed innovatively,by using the advanced synthesis technology of multi-time meteorological satellite remote sensing data,the 250-m resolution remote sensing data of the FY-3 D medium-resolution spectral imager(MERSI-II)can be automatically generated,which can remove the clouds and cloud shadows.

引文

[1] 许健民,杨军,张志清,等.我国气象卫星的发展与应用[J].气象,2010,36(7):94-100.
    [2] NASA.Corrected Reflectance product(CREFL_SPA)Users Guide,Vesion 1.7.1,Nov 2010[EB/OL].[2018-08-03].https://directreadout.sci.gsfc.nasa.gov/?id=software.
    [3] 宋小宁,赵英时.MODIS图象的云检测及分析[J].中国图象图形学报:A辑,2004,8(9):1079-1083.
    [4] NASA.BlueMarble Science Processing Algorithm(BlUEMARBLE_SPA)Users Guide,Version 1.8,2017.[EB/OL].[2018-08-03].https://directreadout.sci.gsfc.nasa.gov/?id=software.
    [5] 刘健.FY-2云检测中动态阈值提取技术改进方法研究[J].红外与毫米波学报,2010,29(4):288-292.
    [6] 陈鹏,张荣,刘政凯.遥感图象云图识别中的特征提取[J].中国科学技术大学学报,2009,39(5):484-488.
    [7] 张素兰,代海山,赵其昌,等.FY-3C/MERSI云检测算法研究[J].三峡生态环境监测,2017,2(4):66-70.
    [8] 董保根,秦志远,杨洪哲,等.遥感图像上朵云及阴影区域的自动提取方法研究[J].测绘与空间地理信息,2010,33(5):3-7.
    [9] 蒋耿明,牛铮,阮伟利,王长耀,等.MODIS影像合成算法研究和实现[J].国图资源遥感,2004,7(2):11-15.
    [10]陈奋,赵忠明,杨健,等.高分辨率遥感影像中的云阴影去除[J].工程与应用,2005,41(35):180-182.
    [11]蒋耿明,刘荣高,牛铮,等.MODIS1B数据几何纠正方法研究和软件实现[J].遥感学报,2004,8(2):158-164.
    [12]黄家洁,万幼川,刘良明.MODIS的特性及其应用[J].地理空间信息,2003,1(4):20-23,28.
    [13]杨军,董超华,卢乃锰,等.中国新一代极轨气象卫星-风云三号[J].气象学报,2009,67(4):501-509.
    [14]Min Min,Wu Chunqiang,Li Chuan.Developing the Science Product Algorithm Testbed for Chinese Next-Generation Geostationary Meteorological Satellites:Fengyun-4 Series[J].Journal of Meteorological Research.2017,31:708-719.
    [15]陆风,张晓虎,陈博洋,等.风云四号气象卫星成像特性及其应用前景[J].海洋气象学报,2017,37(2):1-12.