用神经网络方法对NOAA-AVHRR资料进行云客观分类

利用NOAA AVHRR 5个通道资料建立了 6种云类以及陆地和水体的样本数据库 ,其中包括 8× 8象素样本和单象素样本。AVHRR的 5个探测通道都位于大气窗区 ,吸收物质少 ,比较透明 ,可以比较准确地反映探测表面的性质。理论分析和试验结果表明 :除了不同性质的云在 5个通道中有不同的表现外 ,通道之间的差别也可用于云分类。在理论分析和试验的基础上 ,对 8× 8象素样本库提取了包括光谱特征、灰度特征、通道差特征、灰度统计量和灰度直方图统计量特征在内的 80个特征 ,并利用逐步判别分析方法进行特征筛选 ,共选出 2 0个特征 ,用神经网络方法对 8种类型云和地表样本数据库分类 ,选择网络结构为 2 0 - 4 0 - 15 - 4的B P网络 ,利用 30 0 0多个样本进行神经网络训练 ,并用其余的 3万多个独立样本数据进行检验 ,测试正确率达 79%。类似地 ,对单象素样本数据 ,提取了包括光谱特征、灰度特征、通道差特征在内的 2 0个特征 ,用神经网络方法对 8种类型云和地表分类 ,选择网络结构为 2 0 - 4 0 - 15 - 4的 4层B P网络 ,利用 2 0 0 0多个样本进行神经网络训练 ,并用其余的 2万多个独立样本数据进行检验 ,测试正确率达 78%。设计并编写了实际云图客观云分类系统和软件 ,该系统输入为 5个通道的AVHRR数据 ,可自动获取已