基于深度学习的FY-3D北极地区云检测方法

雷雨虹; 吴甜蓓; 王婧洁; 王之屹; 石宝龙; 王金艳

doi:10.13885/j.issn.0455-2059.2026.02.003

兰州大学学报（自然科学版） ›› 2026, Vol. 62 ›› Issue (2) : 165 -171+182. DOI: 10.13885/j.issn.0455-2059.2026.02.003

基于深度学习的FY-3D北极地区云检测方法

雷雨虹, 吴甜蓓, 王婧洁, 王之屹, 石宝龙, 王金艳

作者信息 +

Author information +

文章历史 +

摘要

用风云三号D卫星(FY-3D)的中分辨率光谱成像仪1级(MERSI-L1)数据研究北极地区云检测方法,在U-Net卷积神经网络模型的基础上构建Dense-Net云检测模型.系统分析对比了传统阈值检测方法、 U-Net云检测模型和Dense-Net云检测模型在北极地区的适用性.构建的Dense-Net云检测模型通过选择合适的波段和云指数作为特征因子,实现了北极地区FY-3D/MERSI-Ⅱ多光谱遥感影像的自动云检测.结果表明,通过充分利用FY3D/MERSI-ⅡL1数据, Dense-Net云检测模型在北极地区的精度评价指标较好,准确率和F1分数分别为82.26%和87.43%,能够高效、完整地检测出北极区域的云区,提高了北极云检测模型的泛化能力和鲁棒性.