康涅狄格大学的研究清除了多云数据以改善卫星图像

阴天可能会破坏海滩之旅、风景优美的野餐和许多其他户外活动。

但卫星图像中的云也是遥感和土地变化科学家面临的一个大问题。

当科学家想要研究地表如何变化时，他们经常使用由同一地点的多个卫星图像组成的合成图像来创建正在发生的事情的代表性“快照”。但是，单个云甚至云的阴影都会破坏图像，因为它挡住了科学家试图研究的土地的视野，在数据中留下了巨大的漏洞。

在全球范围内，卫星捕获的所有图像中约有60%包含云层，这使得这成为土地变化科学家的主要问题。

这促使科学家开发了各种算法来对卫星图像进行分类，并删除带有云的图像，以创建清晰，可用的合成图像。

自然资源与环境部(CAHNR)的两名UConn研究人员创建了一个用于图像合成的新算法，以及用于评估所有其他方法的框架。研究助理教授石秋和全球环境遥感实验室(GERS)助理教授兼主任朱哲最近在《环境遥感》上发表了这项工作。

“如果你不填补数据中的漏洞，结果对很多人来说将无法使用，”朱说。“如果你想进行任何类型的遥感分析，这是基本步骤。你想要一个无云的图像。

Zhu和Qiu证明，他们的新算法是在观察短的，长达一个月的时间跨度时创建合成图像的最佳方法。一般来说，通过遥感，较短的时间跨度将提供更准确的土地变化图像，除非，例如，给定月份的每个图像都充满了云或雪。

Zhu和Qiu的算法使用两个光谱波段的比率指数，从为同一位置收集的许多候选观测中选择“最佳”观测值，以填补云量造成的数据空白。

他们的算法也是独一无二的，因为它们使用原始数据集中的表面反射率来检测和补偿云层覆盖。其他一些算法依赖于大气顶部反射率图像的单独数据集，这通常需要额外的数据下载/预处理。

“我们开发的算法是一种非常简单的算法，但有时简单是最好的，”Qiu说。

在论文中，作者还用其他九种现有的方法来填充数据漏洞，评估了他们的算法。它们提供了一个框架来评估任何给定的方法，以确定根据所测量的内容使用哪种方法。

他们通过将每个方法创建的复合图像与无云图像进行比较来评估这些方法。他们从合成方法中隐藏了无云图像，因此它没有被合并到最终图像中。然后，他们能够评估算法在光谱、空间和应用保真度方面的与隐藏图像的匹配程度。

研究人员特别选择了由森林采伐、火灾、农业或城市发展等事件引起的可观察到变化的地区。这使他们能够准确地评估哪些算法对研究土地变化最有用。

该框架为遥感分析领域提供了强大的工具。朱说，他已经在教他的学生使用这个框架，因为评估使用哪种方法是成功创建合成图像的关键第一步，他们需要进行进一步的分析。

“我们正在为想要为图像合成进行图像处理的人们提供社区服务，因此有指导，这是人们使用的良好做法，”朱说。