基于极端随机树的FY-3D红外高光谱云检测方法

摘要

本发明公开一种基于极端随机树的FY‑3D红外高光谱云检测方法，涉及卫星遥感技术领域。本发明使用FY‑3D上搭载的HIRAS和MERSI对地球的连续观测数据，先将两种数据文件进行时间匹配，将两种仪器的像元进行空间匹配，在通过匹配的MERSI像元的云标签确定HIRAS像元的云标签，得到带有云标签的HIRAS数据，构成极端随机树模型的训练数据集，然后使用极端随机树算法训练数据集，并用测试数据集检验模型的性能，最后将训练得到云检测性能较好的极端随机树模型用于YF‑3D的红外高光谱数据的云检测处理。本发明的云检测时间短，成本低，云检测分类的准确率高。