高分六号WFV是搭载在我国高分六号卫星上的高空间分辨率多光谱传感器,该传感器实现了高分辨率和宽覆盖的结合。精确识别高分六号WFV数据的云像元对于农业资源监测、林业资源调查以及防灾减灾等行业具有重要意义。基于全球土地覆盖产品FROM-GLC10数据,改进地表类型支持的云检测算法(LCCD算法),开展了高分六号WFV数据的云检测工作。以FROM-GLC10作为先验数据,充分考虑不同地表类型反射率的变化,在每种地表类型上分别采用不同的方法设置阈值。通过目视解译的方法对云检测结果进行精度评价,云正确率整体达到了92.46%,其中植被类、水体类、高亮地表类的云正确率分别为93.09%、95.60%和88.70%。结果表明,改进的基于地表类型的云检测算法有效提高了高分六号WFV数据云检测的精度。

传统的与光谱反射率匹配的矿物填图方法受图像质量、 大气及环境背景等因素影响较为明显, 矿物识别效果较差。 针对上述问题提出一种基于多类型光谱特征参数匹配的矿物信息识别方法, 综合利用多种光谱特征参数在大气及环境背景变化中的相对稳定性特点, 实现矿物信息的高精度识别。 选取美国内华达州Cuprite矿区AVIRIS机载可见-红外光谱成像仪高光谱数据, 以USGS美国地质调查局波谱库中的矿物波数为参照光谱, 分别计算AVIRIS影像和USGS波谱库中典型矿物的光谱特征参数, 在对多种光谱特征参数综合分析的基础上, 构建Cuprite矿区矿物识别模型, 进行矿物填图实验。 最后使用Clark等在该地区的矿物填图结果数据, 对实验结果进行了验证, 结果表明: 该方法矿物识别结果与Clark等的填图结果吻合度高, 整体矿物识别精度达到78.96%。