《表2 薄云识别精度的评价结果》

  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

《Suomi NPP卫星可见光红外成像辐射仪的改进动态阈值云检测算法》

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

为了定量评价不同云识别算法的精度，采用遥感目视解译的方法提取影像中的云层，并进行二值化处理，将处理后的值作为真值。分别计算3种算法在沙漠、裸地、水体和冰雪上的平均总体精度、漏分误差、错分误差和Kappa系数，结果如表2所示。由表2可知:对于沙漠地区，UDTCDA和VCM产品的云识别总体精度分别约为84.56%和86.34%，漏判现象比较明显，漏分误差均大于15%；而所提算法能够较准确地识别沙漠上的云层，总体精度最高，为91.98%，漏分和错分误差最小，Kappa系数达到0.805。与沙漠地区的评价结果类似，裸地和冰雪表面的地表反射率也较高，与薄、碎云形成的混合像元导致云识别比较困难，因此，尽管UDTCDA和VCM产品具有整体较高的检测精度，但云识别的不确定性也比较明显，特别是在冰雪表面，仍存在明显的错分现象，VCM产品将大量冰雪错识别为云；而所提算法能够改进这些高亮地表上空的整体云识别精度，漏分误差和错分误差最小，对裸地、冰雪的Kappa系数分别为0.809和0.801。相对于高亮地表，UDTCDA和VCM这两种产品对反射率相对较低的水体的云识别效果相对较好，错分误差较小，Kappa系数较大，但漏分现象增加；而所提算法能够更准确地识别水体上的云，总体精度为95.58%，漏分和错分误差均小于5%，Kappa系数为0.868。可见，改进的VIIRS云检测算法能够整体改善不同地表的云识别结果。总体上，与其他两种算法相比，所提算法的云识别效果最好，平均总体精度为93.23%，平均漏分误差和错分误差最小，均小于8%，平均Kappa系数为0.821。