首页 / 资料库 / 文献详情

多维信息融合深度学习网络的偏振遥感云检测

李树 Li Shu、季兴元 Ji Xingyuan、储小雪 Chu Xiaoxue、叶松 Ye Song、张紫杨 Zhang Ziyang、甘永莹 Gan Yongying、王新强 Wang Xinqiang、王方原 Wang Fangyuan

2025Acta Optica SinicaEnvironmental Science被引 1开放获取

摘要

高精度云检测是提高遥感数据利用率的关键。深度学习模型已被证实是图像分类领域中最有效的方法之一。基于偏振遥感的多光谱、偏振、多角度等信息获取能力，提出了一种综合多光谱、偏振、多角度信息的多信息融合云检测网络（MIFCD-Net），该网络主要包含数据预处理模块、光谱偏振-空间全局多角度信息感知模块和光谱偏振-空间全局多角度信息融合模块。使用POLDER3（polarization and directionality of Earth’s reflectances）观测数据的多维度特征信息对MIFCD-Net模型进行训练，并开展云检测预测实验，实验结果表明：MIFCD-Net模型在海洋及冰雪地表上云检测与MODIS（moderate resolution imaging spectroradiometer）的一致性达95.53%，山脉地表云检测一致性达81.49%，农田地表云检测一致性达75.98%，一致性均优于POLDER3官方云标签算法。

引用本文（GB/T 7714）

DOI：https://doi.org/10.3788/aos241653