顾及样本优化选择的机器学习云检测研究 |
| |
引用本文: | 张辉,周仿荣,徐真,文刚,马御棠,韩旭,吴磊.顾及样本优化选择的机器学习云检测研究[J].航天返回与遥感,2024(1):161-173. |
| |
作者姓名: | 张辉 周仿荣 徐真 文刚 马御棠 韩旭 吴磊 |
| |
作者单位: | 1. 云南电网有限责任公司;2. 南方电网公司云南电网电力科学研究院电力遥感技术联合实验室 |
| |
基金项目: | 云南省重大科技专项(202202AD080010); |
| |
摘 要: | 针对云层日变化、云类型、云相态、云光学厚度等特征差异带来的光谱差异,导致传统阈值算法对云识别精度不高的问题,文章提出了一种顾及样本优化选择,耦合物理阈值方法和机器学习的云检测算法模型,利用“葵花8号”卫星(Himawari-8)数据进行日间云检测。通过样本优化选择,使样本中尽可能包括不同情形下的云特征,为机器学习模型提供良好的样本基础,增加模型泛化能力;同时输入特征除了考虑反照率、亮温、亮温差以及天顶角等因素外,还加入了基于反照率和亮温差的物理阈值方法云识别结果;最后基于极限随机树模型进行云检测。结果表明:模型云检测交叉验证精度为96.41%,总漏检率和总虚检率分别为2.08%和0.91%;通过云-气溶胶激光雷达与红外探路者卫星观测(CALIPSO)产品数据进行对比分析,结果显示云检测总体精度为97.1%。
|
关 键 词: | 样本优化 极限随机树 机器学习 云检测 航天遥感 |
|
|