基于图像分割的云量估计

云是天空中人类可以直接通过肉眼感知到的主要气象要素之一，云的探测能够帮助人们识别阴晴风雨，预知天气变化。云量估计是云探测组成部分。本文主要采用数字图像处理技术中阈值分割方法估计云量，相比传统人工目测方法和一般器测方法具有便利性和实用性。本文利用地基的可见光范围的云图，在饱和度空间运用分割算法估计云量。对比分析了最大类间方差法、最大熵法、基于数学期望分割法的分割效果，并提出了改进算法。该方法在云底高度较高的云类获得的分割效果更符合云量估计标准。

云是指停留在大气层中的水滴或冰晶的集合体，是地球水汽循环的重要因子，是影响地球大气辐射平衡、热量平衡的重要因素[1]。云和天气的关系十分密切，云的特征常常可以直接反映天气的变化。云的变化作为预报天气的重要参考。云的外形、数量、高度等信息是大气环境复杂变化的一种表现。云量探测研究领域中，根据所用光谱波段不同，主要可以划分为红外波段测云和可见光波段测云两个方向。红外波段测云的主要思想是将云看作为比较强的红外发射体，选择适当的设备通过探测这一部分红外辐射，结合亮温数据，来作为识别云层的主要方法[2]。对于可见光波段云量的计算，主要的依据是大气分子和云粒子对可见光的散射关系不同所造成颜色变化，再从区分颜色角度进行云量估计。

Yamashita 等[3]提出了用天空指数来表述获得的全天空图像，在RGB 彩色空间中，将此指数定义为(B-R)/(B+R)。经统计选定统计值作为阈值分辨晴空和云点，这一方法容易误判天边象元。其主要误差来自薄云和气溶胶的存在。霍娟[4]等人利用全天空数字相机观测云量，选取蓝色通道值和亮度的比值作为判断云的阈值标准。在能见度大于15 km 时效果较好，对于卷云类的薄云难以分辨。Souza-Echer[5]在利用视张角为72˚的测云仪器观测南极地区上空云时，将RGB 图像转换到HIS 空间，然后，计算图像饱和度并作为云点识别的因子，采用平行六面体分类法进行云、晴空和不确定点3 类像元的识别。与人工目测分析结果相比，此方法对晴空的估计偏高。

在地基云图计算云量研究中，还鲜有人从云图饱和度直方图入手通过阈值分割来估计云量。本文利用地基相机拍摄的云图，在HIS 彩色空间[6]的饱和度分量中利用阈值分割进行云量估计的，本文对比分析了最大类间方差法(Otsu)[7]、最大熵法[8]、基于数学期望法[9]，并提出的改进算法进行云图分割实验效果。寻找适合某一类型云的分割方法进行云量的估计。实验表明，使用该种方法同人工识别云的结果一致性较好。

2. 云量观测与饱和度通道选取 云的观测包括总云量、低云量、云状、低云高等要素。其中云量以天空被云遮挡的成数表示，用十分法估计。全天乌云或有云但不到天空的1/20，记为“0”；占全天空的1/10，记为“1”，云占全天空的2/10，记为“2”；其余依次类推，全天为云遮盖无缝隙，记为“10”，由少量缝隙可见蓝天，则记为“10”，对于观测时有雾，天顶不可辨的情况，云量记为“10”[10]。目前地面对云的定量测量，特别