GF-6卫星WFV数据云检测：CDAG改进算法与应用

"CDAG改进算法及其在GF-6 WFV数据云检测中的应用" 本文针对GF-6 WFV（广角目视成像仪）数据的云检测问题，提出了一种基于阈值自动生成的云检测算法（CDAG）的改进方法。传统的CDAG算法主要依赖于可见光和近红外波段的光谱差异来区分云和地表，但GF-6 WFV数据的光谱范围较窄，使得云和亮地表的识别能力受限。为解决这一问题，作者引入了离差指数和亮地表指数，并采用更多波段组合方式，以增强对云和晴空像元差异的分析。 改进的CDAG算法首先通过对GF-6 WFV数据的光谱特性分析，选取合适的波段组合，利用离差指数来量化云与地表的光谱差异，同时结合亮地表指数来增强亮地表特征的识别。这种方法有助于减少因光谱范围限制导致的误判，从而提高云检测的准确性。 在实际应用中，通过遥感目视判读的方式，对多个子区域的云检测结果进行了验证。结果显示，改进后的CDAG算法的识别精度达到了85.16%，漏分误差和错分误差分别降低至14.84%和2.39%。这些数值表明，改进的算法显著提升了云检测的精度，对于GF-6 WFV数据的高效利用具有重要意义。 本文的关键技术点包括： 1. 基于阈值自动生成的CDAG算法：这种算法能自动适应不同环境条件下的云检测需求，减少了人工干预。 2. 离差指数：用于度量不同波段上的光谱差异，增强了云与地表区分的能力。 3. 亮地表指数：专门针对亮地表的特性设计，有助于在窄光谱范围内准确识别亮地表。 4. 波段组合策略：通过多种波段组合，更全面地捕捉云和地表的光谱信息，提高了识别精度。 该研究为GF-6 WFV数据的云检测提供了一种有效且精确的方法，对于提升遥感数据的处理效率和质量，以及支持气象监测、气候变化研究等领域具有重要的理论与实践价值。