《表2 各算法像元定量对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于机器学习的偏振遥感云检测优化算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

将该段数据云像元标记为蓝色、晴空像元标记为黄色，未定像元标记为绿色。首先用目视法发现，官方云检测结果中大多数未定像元分布在云和晴空的交界或者过渡位置，该位置范围处于阈值模糊区，往往容易存在大量的薄云、碎云，云目标本身具有高反射性，云的反射率与厚度呈正相关，官方的传统阈值算法可把大部分的云像元筛选出来，但是在沙漠、冰雪等亮地表地区，由于地表也可呈现出较高的反射率，此时薄云反射率与地表反射率的差值很小甚至接近相等，加大了云判识的不确定性。从图6目视检查可以看出，图6（c）PSO-BPNN云检测法结果与图6（d）MODIS云检测产品的一致性要高于图6（a）POLDER官方云检测产品和图6（b）BPNN云检测法结果分别与MODIS云检测产品的一致性，特别是能够识别出更多的云像元，定量对比如表2所示。