-
题名顾及样本优化选择的机器学习云检测研究
被引量：1
- 1
-
-
作者
张辉
周仿荣
徐真
文刚
马御棠
韩旭
吴磊
-
机构
云南电网有限责任公司
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
苏州深蓝空间遥感技术有限公司
-
出处
《航天返回与遥感》
CSCD
北大核心
2024年第1期161-173,共13页
-
基金
云南省重大科技专项(202202AD080010)。
-
文摘
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
-
Keywords
sample optimization
extremely randomized trees
machine learning
cloud detection
space remote sensing
-
分类号
P237
[天文地球—摄影测量与遥感]
-
