Research on infrared hyperspectral remote sensing cloud detection method based on deep learning

高光谱成像 遥感 计算机科学 云计算 卷积神经网络 深度学习 人工智能 红外线的 环境科学 地质学 物理 操作系统 光学
作者
Zhuoya Ni,Mengdie Wu,Qifeng Lu,Hongyuan Huo,Fu Wang
出处
期刊:International Journal of Remote Sensing [Informa]
卷期号:: 1-21 被引量:1
标识
DOI:10.1080/01431161.2023.2221806
摘要

Infrared hyperspectral is susceptible to clouds, and accurately identifying whether the hyperspectral infrared sounder data is polluted by clouds is of great significance for numerical weather prediction and atmospheric parameter inversion. Since the complex spectral characteristics of clouds, the existing spectral threshold methods and machine learning methods have the difficulties of undetermined threshold and clear field of view (FOV) missed and false detections. In order to improve the cloud recognition accuracy of infrared hyperspectral data, three end-to-end cloud detection models combining deep neural network (DNN) and convolutional neural network (CNN) and long short-term memory network (LSTM) are proposed. In this paper, taking the High Spectral Infrared Atmospheric Sounder (HIRAS) equipped with Fengyun-3D (FY-3D) satellite as the research object, based on the same platform Moderate Resolution Spectral Imager-II (MERSI-II) cloud mask (CLM) product, the HIRAS Cloud dataset is established, and the accuracy test and qualitative analysis are carried out by using the test datasets and Typhoon Siamba, July 3, 2022, as well as the earth observation scene under the conditions of ice and snow surface. The test datasets analysis results show that the cloud detection accuracy of CNN and CNN-LSTM model is stable at 0.96, and the false alarm rate of cloud is 0.035 and 0.036, respectively, and the detection ability of DNN model is slightly inferior to the former two in the same hidden layer, with an accuracyof 0.94. In further qualitative research, we found that the CNN-LSTM model has high accuracy and robustness in infrared hyperspectral cloud detection, and the detection results in a variety of surface scenarios are consistent with the actual situation of whether clouds occur in the FOV of the instrument. Compared with CLM products, it can better identify clear ocean scenes, and provide fast and efficient cloud detection reference for data assimilation systems.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
火星上的念桃完成签到 ,获得积分10
3秒前
浅辰完成签到 ,获得积分10
5秒前
lgz完成签到,获得积分10
8秒前
老迟到的幼枫完成签到,获得积分10
8秒前
文刀大可完成签到 ,获得积分10
8秒前
从容芮应助Shawn采纳,获得10
8秒前
李哥完成签到,获得积分10
9秒前
hbuhfl完成签到 ,获得积分10
9秒前
jhcraul完成签到,获得积分10
11秒前
LEOhard完成签到,获得积分10
12秒前
13秒前
lefora完成签到,获得积分10
14秒前
InfoNinja完成签到,获得积分0
14秒前
zxc完成签到,获得积分10
14秒前
juice完成签到 ,获得积分10
14秒前
黑色幽默完成签到,获得积分10
14秒前
14秒前
忐忑的雪糕完成签到 ,获得积分10
17秒前
黑色幽默发布了新的文献求助10
17秒前
fabian完成签到,获得积分10
18秒前
噼里啪啦完成签到,获得积分10
18秒前
DT完成签到,获得积分10
18秒前
zxc发布了新的文献求助10
19秒前
稳重岩完成签到 ,获得积分10
19秒前
TT完成签到,获得积分10
19秒前
wanglu完成签到,获得积分10
20秒前
mojito完成签到 ,获得积分10
21秒前
LingYun完成签到,获得积分10
21秒前
等待戈多发布了新的文献求助10
23秒前
要减肥的惜梦完成签到 ,获得积分10
24秒前
Kalimba完成签到,获得积分10
25秒前
修水县1个科研人完成签到 ,获得积分10
25秒前
昵称什么的不重要啦完成签到 ,获得积分10
26秒前
张西西完成签到 ,获得积分10
26秒前
思源应助Islet采纳,获得10
27秒前
Joy完成签到,获得积分10
28秒前
Casey完成签到 ,获得积分10
29秒前
Skyrin完成签到,获得积分10
29秒前
Sunny完成签到,获得积分10
29秒前
30秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099819
求助须知:如何正确求助?哪些是违规求助? 2751306
关于积分的说明 7612410
捐赠科研通 2403104
什么是DOI,文献DOI怎么找? 1275188
科研通“疑难数据库(出版商)”最低求助积分说明 616276
版权声明 599053