[0044] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0045] 本发明提供了一种基于偏振图像的污染云分类识别方法，开辟了利用偏振遥感识别污染云的新研究领域，基于清洁云与污染云的云滴谱分布参数，理论计算了865nm处清洁云与污染云的偏振辐射亮度。根据清洁云与污染云的不同偏振辐亮度变化特征，基于散射角140°左右的最大偏振辐亮度的阈值及散射角145°～165°范围内的偏振辐亮度斜率拟合阈值构建了陆地上空污染云的识别方法，即基于人为污染云与自然污染云的在近红外波段的偏振辐射亮度随散射角变化特征以及光谱反射率曲线的变化特征，提出了自然污染云与人为污染云的分类识别方法。
[0046] 图1为本发明实施例提供的基于偏振图像的污染云分类识别方法流程图，该方法具体包括如下步骤：
[0047] S1、对陆地上空的云像元进行相态识别，识别为陆地上空的水云像元及陆地上空的冰云像元，陆地上空的云像元简称为云像元，陆地上空的水云像元简称为水云像元，陆地上空的冰云像元简称为冰云像元；
[0048] 在本发明实施例中，基于水云像元及冰云像元在近红外波段的不同多角度偏振特征进行相态识别，其中，陆地上空的水云像元满足如下条件：
[0049] 条件1：在近红外波段，散射角在60°～140°间的云像元偏振辐射曲线斜率为正值；
[0050] 条件2：在近红外波段，散射角在135°～145°间的云像元最大偏振辐射值大于0.03，
[0051] 陆地上空的冰云像元满足如下条件：
[0052] 条件3：在近红外波段，散射角在60°～140°间的云像元偏振辐射曲线斜率为负值；
[0053] 条件4：在近红外波段，散射角在135°～145°间的云像元最大偏振辐射值小于等于0.03。
[0054] S2、基于水云像元偏振辐射亮度曲线斜率绝对值及水云像元偏振辐射亮度区间对陆地上空水云像元进行识别，标识为陆地上空的污染水云像元及陆地上空的清洁水云像元，陆地上空的污染水云像元简称为污染水云像元，陆地上空的清洁水云像元简称为清洁水云像元；
[0055] 在本发明实施例中，陆地上空的水云像元进行区分方法具体包括如下步骤：
[0056] S21、进行散射角的判断，若水云像元的散射角均小于140°，则无法进行污染水云像元及清洁水云像元的检测；
[0057] S22、若散射角位于145°～165°散射角区间的水云像元个数达到3个以上，则进行污染水云像元及清洁水云像元的识别，识别方法具体如下：
[0058] 将同时满足条件5和条件6的水云像元标识为清洁水云像元，条件5及条件6具体表示如下：
[0059] 条件5：散射角在145°～165°之间，865nm波段水云像元的修正归一化偏振辐射亮度斜率拟合绝对值大于0.33，即 表示散射角在145°～165°之间，865nm波段水云像元的修正归一化偏振辐射亮度线性拟合值，其中0.33是VLIDORT模型在计算了近红外波段不同光学厚度的清洁水云获取的阈值。清洁水云在最大与最小光学厚度时其修正归一化偏振辐射亮度线性拟合值均大于0.33；
[0060] 条件6：在散射角处于142°～145°之间，865nm波段水云像元的修正归一化偏振辐射亮最大值介于6％和11％之间，即 表示在散射角142°～145°之间，865nm波段水云像元的最大修正归一化偏振辐射亮度Lnmp，其中6％和11％是VLIDORT模型在计算了最小光学厚度与最大光学厚度的清洁水云后获得的最大修正归一化偏振辐射亮度Lnmp的两个阈值。
[0061] 将同时满足条件7和条件8的水云像元标识为污染水云像元，条件7及条件8具体表示如下：
[0062] 条件7：在散射角处于145°～165°之间，水云像元的修正归一化偏振辐射亮度斜率拟合绝对值介于0.1和0.33之间，即 表示散射角在145°～165°间，865nm波段水云像元的修正归一化偏振辐射亮度线性拟合值，其中0.1和0.33是VLIDORT模型在计算了近红外波段多组光学厚度的污染水云后获得的阈值；
[0063] 条件8：散射角在142°～145°之间，水云像元的修正归一化的偏振辐射亮的最大值介于5％和9％之间，即 表示在散射角142°～145°之间，865nm波段水云像元的最大修正归一化偏振辐射亮度Lnmp，其中5％和9％是VLIDORT模型在计算了最小光学厚度与最大光学厚度的污染水云后获得的Lnmp的两个阈值。
[0064] 修正归一化偏振辐射亮度Lnmp计算公式如下：Lnmp＝Rp(cosθs+cosθv)/cosθs，其中，Rp表示归一化的偏振辐射亮度，cosθs和cosθv分别表示太阳天顶角的余弦值与观测天顶角的余弦值，ES表示大气层顶太阳辐照度，I、Q和U为Stokes的三个矢量。
[0065] 将不能同时满足条件5和条件6，或者是不能同时满足条件7及条件8的水云像元标识为不确实像元。
[0066] 在近红外波段(865nm)利用矢量辐射传输模型VLIDORT计算光学厚度为1-5时，清洁水云与污染水云的偏振辐射亮度变化曲线。水云的最小光学厚度一般为1，而偏振辐射在水云光学厚度大于3时信号饱和，即当光学厚度大于3时，偏振辐射变化曲线不在发生变化，散射角145°～165°范围内，修正的归一化偏振辐射亮度曲线的斜率绝对值区域一个稳定值，清洁水云的值都大于0.33，而污染水云的斜率值绝对值均小于0.33，此为斜率阈值的上限。在计算光学厚度为1后设定斜率阈值的下限，污染水云的斜率绝对值的最小值为0.1，清洁水云大于0.33，因而，清洁水云的斜率大于0.33，污染水云为0.1～0.33。
[0067] 在散射角142°～145°范围内，光学厚度大于3时，最大的修正的归一化偏振辐射亮度值稳定在一个固定值，清洁水云为11％，污染水云为9％。光学厚度为1时清洁水云与污染水云的最大的修正的归一化偏振辐射亮度即为Lnmp的下限，清洁水云为6％，污染水云为5％。即清洁水云的最大修正归一化偏振辐射亮度介于6％～11％，污染水云介于5％～9％。
[0068] 另外针对上述涉及的阈值，统计PARASOL的实测数据以获取阈值。统计分别在清洁地区与污染地区进行，污染地区是指发生过重大的污染事件：森林火灾、沙尘暴、火山爆发，清洁地区是指未发生过污染事件。在此分别统计清洁与污染地区出现的水云像元，在散射角145°～165°范围内修正的归一化偏振辐射亮度曲线的斜率绝对值与在散射角142°～145°范围内，最大的修正的归一化偏振辐射亮度值。其结果也说明污染水云的斜率绝对值介于0.1～0.33，清洁水云的斜率绝对值大于0.33，清洁水云的最大修正的归一化偏振辐射亮度介于6％～11％，污染水云介于5％～9％，应当注意的是在计算散射角145°～165°水云的偏振辐射亮度曲线的斜率时，所要求的拟合系数达到0.8以上，散射角的个数务必3个以上，且散射角需包含145°和165°。
[0069] S3、对陆地上空污染水云像元进行识别，标识为陆地上空的人为污染水云像元与陆地上空的自然污染水云像元，陆地上空的人为污染水云像元简称为人为污染水云像元，陆地上空的自然污染水云像元简称为自然污染水云像元；
[0070] 在本发明实施例中，陆地上空污染水云像元进行区分方法包括如下步骤：
[0071] S31、进行散射角的判断，若散射角均不在80°～120°之间，则无法进行人为污染水云像元及自然污染水云像元的识别；
[0072] S32、若散射角位于80°～120°散射角区间的污染水云像元个数达到3个以上，则进行人为污染水云像元及自然污染水云像元的识别，识别方法具体如下：
[0073] 将同时满足条件9、条件10及条件11的污染水云像元标识为人为污染云像元，即表示烟灰污染云，条件9、条件10及条件11具体表示如下：
[0074] 条件9：在散射角80°～120°范围内，污染水云像元的修正归一化偏振辐射亮度Lnmp拟合斜率在-0.2和0之间，即-0.2
[0075] 在近红外波段，在散射角80°～120°范围，自然污染云的修正归一化偏振辐射亮度随着散射角的增加而增加，即在在散射角80°～120°范围自然污染云的修正归一化偏振辐射亮度拟合斜率为正值。在近红外波段，在散射角80°～120°范围，人为污染云的修正归一化偏振辐射亮度增大，偏振辐射亮度曲线被抬升，修正归一化偏振辐射亮度随着散射角的增加而降低，人为污染云修正归一化偏振辐射亮度斜率拟合值为负值，且斜率绝对值与水云的污染程度呈正相关关系，但当污染大于一定浓度时斜率不在发生变化。利用VLIDORT模型计算近红外波段，散射角80°～120°之间的不同污染程度水云的偏振辐射曲线的斜率，结果显示斜率的范围为-0.2～0。
[0076] 条件10：在波段490nm至865nm，污染水云像元的反射率拟合斜率为正值，即slopR[0.490,0.670,0.865] [0.490,0.670,0.865]>0，slopR 为污染水云像在490nm、670nm及865nm波段的反射率
拟合斜率；
[0077] 在可见光至近红外波段，人为污染云的反射率曲线随着波长增加而增加即人为污染云的光谱反射率曲线拟合为正值，而自然污染云的反射率随着波长增加而降低即自然污染云的光谱反射率曲线拟合为负值。
[0078] 条件11：在散射角80°～120°范围内，污染水云像元的修正归一化偏振辐射亮度Lnmp的值均大于0.02，即PR[80°,120°]>0.02，PR[80°,120°]为在散射角80°～120°范围内污染水云像元的修正归一化偏振辐射亮度Lnmp。
[0079] 利用VLIDORT模型计算了多组不同条件下自然污染云与人为污染云，矢量辐射传输模拟表明在近红外波段，在散射角80°～120°的人为污染云的偏振辐射亮度值均高于0.02，自然污染云的偏振辐射亮度均低于0.02。
[0080] 将同时满足条件12、条件13及条件14的污染水云像元标识为自然污染水云像元，即表示沙尘污染云，条件12、条件13及条件14具体表示如下：
[0081] 条件12：在散射角80°～120°范围内，污染水云像元的修正归一化偏振辐射亮度Lnmp拟合斜率大于0，即slopPR[80°，120°]>0，slopPR[80°，120°]表示在散射角80°～120°范围，污染水云像元的修正归一化偏振辐射亮度Lnmp的拟合斜率；
[0082] 条件13：在波段490nm至865nm，污染云的反射率拟合斜率为负值，即slopR[0.490,0.670,0.865]<0，slopR[0.490,0.670,0.865]为污染云在490nm、670nm及865nm波段的反射率拟合斜率；
[0083] 条件14：在散射角80°～120°范围内，污染水云像元的修正归一化偏振辐射亮度Lnmp的值均小于0.02，即PR[80°,120°]<0.02，PR[80°,120°]为在散射角80°～120°范围内污染水云像元的修正归一化偏振辐射亮度Lnmp；辐射传输模拟结果表明：在散射角80°～120°之间，偏振信号对粗粒子不敏感，自然污染云的修正归一化偏振辐射亮度曲线增加很小，其值均小于0.02。
[0084] 在本发明实施例中，陆地上空水云的散射角范围一般在80°～180°，图1中的“散射角大于140°”是指散射角包含140°～165°，“80°<散射角<120°”是指污染云的散射角范围包含80°～120°，当散射角的范围涵盖80°～165°，即散射角大于140°的散射角达到3个以上，且散射角在80°～120°之间的个数也为3个或者3个以上，则在进行污染云的识别然后，将污染云识别为人为污染云与自然污染云。但是对于个别水云象元由于观测角度的限制，散射角范围无法达到140°，但散射角在80°～120°之间的个数为3个或者3个以上，且数量达到则无法进行污染云和清洁云的识别，则跳过清洁云与污染源的识别，直接进行人为污染云与自然污染云的识别，识别方法同上，即将同时满足条件9、条件10及条件11的污染水云像元标识为人为污染云像元，即表示烟灰污染云；将同时满足条件12、条件13及条件14的污染水云像元标识为自然污染水云像元，即表示沙尘污染云；通过这种方式能够检测漏检的水云像元，但是其识别精度可能不那么准确。
[0085] 本发明提供的基于偏振图像的污染云分类识别方法的有益效果是：
[0086] 1.为提供一种污染云的检测方法，弥补了基于偏振遥感识别污染云的空白：利用云的多角度偏振辐射特征检测污染云，联合辐射与偏振辐射对污染云区分类型。
[0087] 2.该方法有利于研究污染云的各种属性以及污染对云属性的改变，另外，这将潜在地给气候模型带来新的约束，并有助于减少气溶胶间接效应的不确定性，污染云的分类方法为研究人为气溶胶和自然气溶胶对云的影响提供一个新思路。
[0088] 3.国内将要发射的GF-5卫星计划搭载的DPC传感器，具有与POLDER具有相同的偏振通道，且GF-5的分辨率更高。GF-5能为该方法提供数据源；反过来说，污染云识别与分类方法的建立也可以为GF-5数据的应用提供科学技术参考和科学技术基础。其建立的算法具有重要的现实意义和应用价值。
[0089] 图2为本发明实施例提供的基于偏振图像的云检测方法的流程图，该方法具体包括如下步骤：
[0090] S4、基于偏振多角度卫星数据的水陆标识将卫星数据划分为陆地上空的像元数据或者是海洋上空的像元数据；
[0091] S5、基于蓝光波段检测、表观压强检测及近红外波段的偏振反射率检测对陆地上空的像元进行云像元和非云像元的识别，基于表观压强检测、近红外波段反射率检测、近红外波段偏振反射率检测和蓝光波段的偏振检测对海洋上空的像元进行云像元和非云像元的识别；
[0092] S6、对陆地上空或海洋上空标识为云的像元进行雪、冰覆盖修订，雪、冰覆盖修订是指对由于下垫面表面覆盖雪、冰被误认为云像元的像元进行修订，修订为非云像元。
[0093] 在本发明实施例中，陆地上空像元的云像元和非云像元的识别具体包括如下步骤：
[0094] S51、利用蓝光波段的动态反射率阈值对陆地上空的像元进行第一次云检测，蓝光波段动态反射率阈值是基于不同月份、不同轨道的PARASOL陆地像元蓝光波段真实反射率与理论反射率之差的云量关系的统计获取的；
[0095] 在蓝光波段，晴空像元与云像元明显不同，可以通过比较陆地像元蓝光波段的反射率作为云检测的第一步，但由于该波段大气分子散射产生的反射率较高，并且随观测几何条件的变化而变化，因此还需要对此部分进行修正。
[0096] 在本发明实施例中，步骤S51具体包括如下步骤：
[0097] 判断陆地像元的下垫面是否为沙漠地区，若判断结果为否，则将满足条件15的陆地非沙漠上空的像元标记为云像元，则若判断结果为是，将满足条件1、条件16及条件17的沙漠上空像元标记为云像元；
[0098] 条件15：当太阳天顶角最小时，像元的蓝光波段反射率观测值与像元的蓝光波段分子散射反射率计算值之差大于阈值一ΔR1，即 则将该像元标记为云像元，否则标记为非云像元；其中， 为卫星的蓝光波段反射率观测值， 为6SV辐射传输模型计算出的蓝光波段分子散射反射率值，ΔR1是对不同月份、不同轨道、不同大气模式的PARASOL陆地像元蓝光波段真实反射率与理论反射率之差与云量关系的统计，以得到不同月份、不同轨道、不同大气模式下陆地蓝光波段反射率检测阈值；
[0099] 当下垫面为沙漠地区时，上空存在薄卷云，具有高反射率的像元，也会因为上述的蓝光波段反射率检测阈值一ΔR1而被错误的识别为晴空，因此，在上述蓝光波段反射率检测的基础上，降低蓝光波段反射率检测中的阈值，以适用于具有较低光学厚度的云层。上述蓝光波段反射率检测中的算法还需要增加其他的限制条件，一些沙漠地区在蓝光波段的反射率较高，最低值在0.12以上，部分沙漠地区在蓝光波段具有随着波段的增加反射率较低增长的特点。基于该特点，增加另一个检测，以降低蓝光波段反射率检测的误检率。
[0100] 条件16：当太阳天顶角最小时，像元偏振多角度卫星影像蓝光波段反射率观测值与像元偏振多角度卫星影像蓝光波段分子散射反射率计算值 之差大于阈值二ΔR1′，即
[0101] 条件17：当太阳天顶角最小时，ΔR7′与ΔR4之差大于阈值三Δm，ΔR7′为近红外通道反射率观测值 与近红外通道分子散射反射率计算值 之差，ΔR4为红光通道反射率观测值 与红光通道分子散射反射率计算值 之差，即其中，近红外通道分子散射反射率计算值 及红光通道
分子散射反射率计算值 均是基于6SV辐射传输模型进行计算得到的；
[0102] 阈值二ΔR1′及阈值三Δm是基于沙漠区域下垫面的反射率与云量关系的统计获取的，经下垫面为沙漠和植被的不同时空的PARASOL数据统计可知，阈值均为0.1，与现有的PARASOL云检测算法中的阈值相同。
[0103] S52、利用动态表观压强阈值对第一次云检测后的非云像元进行第一次云检测，该动态表观压强阈值由不同地表的归一化植被指数计算获得；
[0104] 为了降低随机误差，表观压强取有效的各个观测方向的平均值，用MPapp表示一个像元各个有效方向的平均的表观压强，若MPapp与地表压强Psurf的差值大于阈值，即Psurf-MPapp＞ΔP，则将该像元标记为云像元，否则标记为非云像元；
[0105] 其中，地表压强Psurf是通过6SV辐射传输模型模拟不同大气模式下压强随高度的变化得到地表压强Psurf随高度变化的函数表达式，在不同大气模式下，地表压强Psurf随高度变化的函数表达式为:Psurf＝1012.44-118.945H+5.43875H2-0.109778H3+0.000780614H4，其中，式中H为海拔高度，Psurf与MPapp的差值ΔP与归一化植被指数密切相关，可由公式60+120*NDVI得到ΔP的动态阈值；
[0106] S53、利用近红外波段偏振反射率阈值对第二次云检测后的非云像元进行第三次云检测，该近红外波段偏振反射率定阈值是基于此波段不同月份不同大气模式下的PARASOL数据统计获得的。
[0107] 近红外通道受大气中分子散射和气溶胶散射的影响最小，该通道的偏振反射率可以用于云检测，偏振反射率多产生于单次散射或者反射，可以使用校正受角度影响的偏振反射率，当散射角处于140±1°附近，且经公式(μs+μv)PR7校正后的近红外波段偏振反射率小于阈值Δd1，即(μs+μv)PR7＜Δd1，则将该像元标记为云像元，否则，标记为非云像元，其中μs和μv分别为从卫星观测数据中获取的太阳天顶角余弦值和观测天顶角的余弦值，PR7为测量得到的近红外波段的偏振反射率，Δd1为近红外波段偏振反射率定阈值，即不同月份不同大气模式下陆地偏振反射率阈值，是基于不同大气模式下，不同空间、不同时间的散射角在140±1°附近的像元的PARASOL近红外波段的偏振反射率与不同云量做了相关统计获取。
[0108] 在本发明实施例中，对海洋上空像元的云像元和非云像元的识别具体包括如下步骤：
[0109] S54、利用动态表观压强阈值进行海洋上空像元的第一次云检测，其动态表观压强阈值是由不同大气模式下的PARASOL以及数据中的765nm波段的分子散射反射率、TOA反射率和6SV辐射传输模型模拟结果计算获得；
[0110] 若表观压强低于海洋表面压强，即 将该像元标记为云像元，否则，该像元被标记为非云像元，Psurf为海洋表面压强，即为海洋表面反射率，Papp为表观压强，即为表观反射率，阈值由氧气A吸收波段中的宽波段的分子反射率 与大气顶层反射率 的比值决定，选用不同大气模式下，选取不同空间、不同时间PARASOL提供的数据进行分子散射反射率的计算和TOA反射率的计算，将PARASOL以及数据中的765nm波段的分子散射反射率和TOA反射率之比进行统计，即可得到相关阈值。
[0111] S55、对第一检测后的非云像元采用动态的近红外波段反射率阈值进行第二次云检测，其动态近红外波段反射率阈值是基于该波段不同大气模式下的PARASOL数据统计获得的；
[0112] 当一个方向的散射角小于30°时，认为该方向存在太阳耀斑，继续处理其他几个方向的散射角，仅对散射角大于30°的方向的数据进行云检测。海洋上空，如果不存在太阳耀斑，则能够简便区分云与地表，因为海洋表面的反射率较低，特别是在对分子散射和气溶胶散射不敏感的红光波段和近红外波段，可以更容易识别云。海洋上空的晴空条件下反射率可以通过辐射传输模型得到，该辐射传输模型计算时还需要考虑白帽效应、太阳耀斑以及有色粒子含量的影响。
[0113] 对散射角大于30°的方向的数据进行第二次云检测，即若偏振多角度卫星影像近红外波段反射率观测值 与晴空条件下近红外波段的反射率值 之差大于阈值ΔR7，即 则将该像元标记为云像元，否则，标记为非云像元，其中，阈值ΔR7为动态近红外波段反射率阈值，由不同大气模式下多时空的PARASOL影像中865nm波段反射率与云量的关系统计获得。数据统计过程中发现，此步检测算法中使用的阈值为动态阈值而非PARASOL865nm波段反射率云检测算法中的单一固定阈值0.15。
[0114] S56、对第二次云检测后的非云像元利用固定的近红外波段偏振反射率阈值进行第三次云检测，该近红外波段偏振反射率固定阈值由不同大气模式下的PARASOL 865nm波段偏振反射率值统计获得；
[0115] 当散射角在135°至150°的范围内，且经公式(μs+μv)PR7校正后的近红外波段偏振反射率小于阈值Δd2，即(μs+μv)PR7＜Δd2，则该像元被标记为云像元，否则，标记为非云像元，其中μs和μv分别为从卫星观测数据中获取的太阳天顶角余弦值和观测天顶角的余弦值，PR7为测量得到的近红外波段的偏振反射率，对不同大气模式下，对不同时间不同空间PARASOL数据中散射角在135°至150°的范围内像元的865nm波段的偏振反射率做了相关统计，获取不同月份不同大气模式下海洋865nm波段偏振反射率阈值。
[0116] S57、对第三次云检测后的非云像元使用固定的蓝光波段偏振阈值对像元进行第四次云检测，其蓝光波段偏振固定阈值由该波段PARASOL数据计算获得；
[0117] 当 与τ1之差大于阈值Δτ时，即 该像元被识别为云，否则被标识为像元，其中， 为晴空条件下的蓝光波段分子光学厚度，τ1为单次散射蓝光波段的分子光学厚度计算值，阈值Δτ为蓝光波段偏振固定阈值，是基于不同大气模式不同时空的与τ1之差与云量之间的关系进行统计获得的不同大气模式下所使用的阈值。
[0118] 单次散射蓝光波段的分子光学厚度计算值τ1的计算公式如下：
[0119]
[0120] 其中，μs和μv分别为太阳天顶角的余弦值和观测天顶角的余弦值，PR1为蓝光波段的偏振反射率，cosγ为散射角的余弦值，散射角的余弦值cosγ计算公式如方程所示：其中，cosφ为相对方位角的余弦值。
[0121] 在本发明实施例中，由于雪、冰覆盖被误认为云像元的非云像元依次满足以下条件，即需要将满足下列条件的云像元修订为非云像元，具体包括如下条件：
[0122] 1)像元观测几何条件满足偏振检测中的角度测试，当像元观测几何条件不满足偏振阈值测试中的角度测试时，则无法进行雪覆盖表面的订正，直接认为云像元，无需进行雪、冰覆盖修订；
[0123] 2)只有蓝光波段被识别为云像元；
[0124] 3)红光波段的反射率高于红光波段反射率统计阈值，且近红外波段的反射率高于近红外波段反射率统计阈值；
[0125] 选取PARASOL一级数据中红光波段670nm和近红外波段865nm通道的反射率，统计与PARASOL二级RB2数据中云量的关系，获知红光波段670nm通道的反射率为0.3时，近红外波段865nm通道的反射率为0.4时，两种波段的反射率和云量有很好的对应性，因此，将0.3设为红光波段反射率统计阈值，0.4设为近红外波段反射率统计阈值，
[0126] 在红光波段670nm通道反射率大于0.3和近红外波段865nm通道的反射率大于0.4时，此时初步判断该像元为冰、雪像元。
[0127] 4)红光波段反射率和近红外波段反射率的差值小于设定阈值；
[0128] 该设定阈值基于PARASOL一级数据中近红外波段865nm和红光波段670nm通道的反射率，根据R865-R670的公式(其中R865是近外波段865nm反射率，R670是红外波段670nm反射率)，统计反射率之差与PARASOL二级RB2数据中云量的关系，发现了反射率在0.1时数据较为集中分布，则将0.1设定为设定阈值。
[0129] 在近红外波段865nm和红光波段670nm通道的反射率小于0.1时，可最终判断3)中初始判断的冰、雪像元为最终检测出的冰、雪像元。
[0130] 本发明主要构建了基于偏振多角度卫星影像的云检测算法原理模型，即按照水陆下垫面的不同，将云检测算法分为陆地上空的云检测算法和海洋上空的云检测算法分别构建。算法构建中，选取与PARASOL云检测算法相同的数值统计和计算方法获取阈值，考虑了不同大气模式对阈值统计和计算过程的影响，将随大气模式变化，变化幅度大的阈值称为动态阈值，动态阈值是基于不同大气模式的6SV辐射传输模型模拟和多年遥感影像数据进行统计，获取随不同时间和空间变换的动态阈值，使用动态阈值的云检测结果更准确；
[0131] 此外，经过冰雪覆盖表面订正后的结果相比于未经过冰雪覆盖表面订正的结果而言，云检测结果的准确性也得到大幅度的提高；
[0132] 最重要的是该发明构建的偏振卫星影像云检测算法原理模型可用于国产高分五号DPC卫星影像的云检测；该套阈值统计方法和计算方法也可直接使用于GF-5DPC影像云检测算法中的阈值统计和计算。
[0133] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
