基于多時相遙感數(shù)據(jù)的云陰影檢測算法

米雪婷，孫　林，韋　晶，田信鵬

(山東科技大學 測繪科學與工程學院，山東 青島 266590)

基于多時相遙感數(shù)據(jù)的云陰影檢測算法

米雪婷，孫林，韋晶，田信鵬

(山東科技大學 測繪科學與工程學院，山東 青島 266590)

摘要：云陰影檢測是云檢測中的一個重要環(huán)節(jié)，由于其光譜、紋理特征復雜，云陰影檢測一直是云檢測中面臨的一大難題。本文針對傳統(tǒng)云陰影檢測方法的不足，提出一種基于多時相遙感數(shù)據(jù)支持的云陰影檢測算法。該算法以同一區(qū)域相近時相或不同年份相近日期的衛(wèi)星遙感地表反射率數(shù)據(jù)為參考，選取云陰影和典型地表樣本點，對樣本點進行統(tǒng)計分析，據(jù)其動態(tài)確定云陰影檢測的閾值，并基于云陰影樣本點去除土地利用/土地覆被變化對使用該方法進行云陰影檢測造成的誤判。基于Landsat8 OLI數(shù)據(jù)，選擇不同區(qū)域碎云、薄云和厚云產(chǎn)生的云陰影分析該方法的有效性，重點分析水體等容易與云陰影混淆的區(qū)域。結(jié)果表明，該方法能有效識別云陰影，具有較高的整體檢測精度。

關鍵詞：地表反射率；云陰影；Landsat8 OLI；多時相；樣本點

云陰影在遙感影像上表現(xiàn)為團塊狀且極不規(guī)則的較暗區(qū)域，從遙感影像中提取土地覆被信息時，陰影是造成混淆和誤判的主要來源之一[1]，陰影的存在不僅降低了地表變化檢測的精度[2-3]，也降低了遙感圖像定量參數(shù)提取的精度[4-6]。有效識別云陰影對地物目標識別以及定量參數(shù)遙感反演具有重要意義[7-9]。

目前常用的云陰影檢測方法主要有閾值法、分類法、基于觀測幾何的方法。其中，閾值法因其算法簡單、計算速度快、效率高而得到最廣泛的應用[10]。常用的閾值法有經(jīng)驗閾值法、滯后閾值法、云陰影地域增強模型等方法，其中經(jīng)驗閾值法的基本思想主要基于組分光譜差異的分析技術，進行波譜分析和特征通道選擇，使用一個或多個波段或者衍生度量進行云陰影檢測[11-12]；滯后閾值法通過對黑暗區(qū)域分割進行云陰影區(qū)域的增長來檢測云陰影，這種方法容易導致地形陰影增長為云陰影[13]；李炳燮等[14-15]提出的云陰影地域增強模型主要是針對厚云產(chǎn)生的云陰影的檢測方法，用相近時相或不同年份同一季節(jié)的無云數(shù)據(jù)生成地域增強模型進行云陰影檢測，這種方法閾值的選擇范圍較寬，但對薄云影區(qū)域容易漏判，適用于厚云影區(qū)域的云陰影檢測。

針對以上問題，提出了一種基于多時相遙感數(shù)據(jù)的云陰影檢測算法，使用同一區(qū)域相近時相或不同年份相近日期的無云影像自動檢測云陰影。其基本思想是：假定在無云影區(qū)域，不同時相的地表反射率變化相對較小，當待檢測數(shù)據(jù)的像元反射率降低值超過一定閾值，則認為是云陰影像元，并且通過云陰影樣本點統(tǒng)計分析，去除土地利用土地覆被變化對云陰影檢測造成的影響。基于上述算法，在對圖像進行輻射定標、大氣校正和圖像配準等處理基礎上獲得云陰影檢測結(jié)果。本文運用目視解譯方法分析不同地表覆蓋上空的云陰影識別結(jié)果，該算法能有效檢測大部分地表類型上空的云陰影像元。

1原理與方法

云陰影和典型地表反射率的差異是云陰影識別的主要依據(jù)，因此，典型地表光譜特征分析是首先要做的工作。從同一地區(qū)不同時相的兩景影像上選取云陰影像元點、水體像元點和其他陰影像元點各200個進行光譜特征分析。圖1為所選的用于光譜特征分析的印多吉湖附近區(qū)域的Landsat8 OLI(Operational Land Imager)數(shù)據(jù)，該區(qū)域包括水體、植被、山地等多種下墊面，地表類型豐富。圖1(a)左圖是2014年11月20日Landsat8 OLI數(shù)據(jù)的5,4,3波段彩色合成圖，為待檢測數(shù)據(jù)；右圖是2015年2月27日無云Landsat8 OLI數(shù)據(jù)的5,4,3波段彩色合成圖，為參考數(shù)據(jù)。待檢測圖像中白色塊狀區(qū)域為云覆蓋區(qū)域，鄰近的黑色部分是云陰影。圖1(b)為統(tǒng)計的水體、植被和云陰影像元點的波譜曲線，可以看出，直接用閾值法不易檢測云陰影像元與低反射率地表像元。圖1(c),(d),(e)分別為待檢測數(shù)據(jù)的植被、水體、云陰影在485～865nm波長范圍內(nèi)與對應區(qū)域的參考數(shù)據(jù)的反射率對比，其中虛線表示參考數(shù)據(jù)中反射率隨波長的變化，實線表示待檢測數(shù)據(jù)中反射率隨波長的變化。從曲線圖中可以看出，在無云影區(qū)域，不同時相、同一區(qū)域的地表反射率差異不大，而在云陰影區(qū)域反射率差值較大。

為了降低大氣狀況等因素對云陰影檢測產(chǎn)生的影響，使用經(jīng)過大氣校正的地表反射率數(shù)據(jù)。將不同時相同一區(qū)域的無云影數(shù)據(jù)作為參考數(shù)據(jù)，基于待檢測數(shù)據(jù)和參考數(shù)據(jù)，每一波段的反射率相對變化設定合理的閾值來檢測云陰影，生成基于多時相的云陰影檢測算法。將待檢測數(shù)據(jù)上的像元與對應的參考數(shù)據(jù)上的清晰像元對比，當降低值超過給定的變化范圍時，則認為此像元為潛在的云陰影像元。為了更精確地確定云陰影檢測的閾值，對待檢測數(shù)據(jù)和參考數(shù)據(jù)通過人工目視判讀方法選取大量樣本點，包括云陰影樣本點和典型地物樣本點。分別從待檢測數(shù)據(jù)和參考數(shù)據(jù)選出云陰影區(qū)域以及清晰地表區(qū)域，圖2為部分樣本點的反射率差值散點圖，在散點圖中，云陰影樣本點和清晰地表樣本點并不是完全分離的。為了找到最佳閾值Ti，對選取的樣本點進行統(tǒng)計分析，獲取待檢測數(shù)據(jù)和參考數(shù)據(jù)云陰影像元點差值的最大值和最小值，以0.001為步長變化，統(tǒng)計隨著閾值變化云陰影檢測的正確率和誤判率(式1)。當正確率與誤判率的差值達到最大值時，此時云陰影檢測的正確率高并且誤判率低，選取這個閾值為最佳閾值Ti。

(1)

式中，AC為云陰影檢測的正確率，TP為識別正確的云陰影像元數(shù)，NP為總的像元數(shù)。

土地利用/土地覆被變化也會導致不同時相數(shù)據(jù)反射率的變化，容易與云陰影混淆。為了更精確地檢測云陰影區(qū)域，分析了土地利用/土地覆被變化導致的反射率變化。云陰影區(qū)域的每個波段的反射率都要低于植被、裸土等其他地表類型的反射率，采用云陰影光譜反射率低的特征可區(qū)分云陰影和土地利用/土地覆被變化區(qū)域。因此，在上述檢測基礎上，以待檢測數(shù)據(jù)云陰影像元庫反射率最大值Ri為閾值，檢測云陰影去除土地利用/土地覆被變化的影響，見公式(3)。

圖1　印多吉湖區(qū)域待檢測數(shù)據(jù)和參考數(shù)據(jù)反射率的對比分析

最終，云陰影檢測的算法如下：

ρRi-ρTi>Ti，

(2)

ρTi

(3)

圖2　像元點反射率差值二維散點圖

i波段2345最佳閾值Ti0.0470.0470.0660.07反射率最大值Ri0.1800.2300.2400.134

其中，i=2,3,4,5；ρRi表示參考數(shù)據(jù)i波段的反射率；ρTi表示待檢測數(shù)據(jù)i波段的反射率；Ti為根據(jù)正確率和誤判率確定的波段i的最佳閾值；Ri為波段i云陰影像元庫反射率的最大值，用來去除土地利用/土地覆被變化造成的影響。表1為各個波段云陰影檢測的閾值，然后取公式(2)和公式(3)的交集為波段i的云陰影檢測結(jié)果。若待檢測數(shù)據(jù)的像元為云陰影像元，則像元值為1，否則像元值為0。最后，取四個波段云陰影檢測結(jié)果的交集作為最終云陰影檢測結(jié)果。

2試驗與驗證

2.1數(shù)據(jù)源與數(shù)據(jù)處理

運用Landsat8 OLI數(shù)據(jù)開展云陰影檢測試驗，驗證該方法的有效性。Landsat8 OLI是2013年2月11日發(fā)射于美國加州的Landsat8衛(wèi)星上攜帶的一個重要傳感器，共有 9個波段，刈幅寬為185 km，重訪周期為16 d，全色波段的空間分辨率為15 m，其他波段30 m[16-17]。表2為Landsat8 OLI數(shù)據(jù)波段及其波長范圍。其中，本文選用的波段為藍、綠、紅和近紅外波段。Landsat8 OLI數(shù)據(jù)具有獲取周期短、覆蓋面積廣、數(shù)據(jù)利用性強等特點，被廣泛用于土地利用/土地覆被時空變化等的研究與應用。選取Landsat8 OLI 2013—2015年的8景影像共四組數(shù)據(jù)進行云陰影檢測。

表2　Landsat8 OLI數(shù)據(jù)波段及其波長范圍

利用數(shù)據(jù)產(chǎn)品元數(shù)據(jù)中的輻射定標信息，將DN值轉(zhuǎn)換到輻射亮度值(式4)，并選擇6S模型進行大氣校正[18-20]，計算地表反射率(式5)。最后，對同一區(qū)域不同時期的兩景數(shù)據(jù)進行圖像配準處理[21]。

Lλ=MLQcal+AL，

(4)

(5)

其中：Lλ表示波長λ處大氣頂層輻射亮度值；ML，AL為定標系數(shù)；Qcal表示原始數(shù)據(jù)DN值；ρ為校正后的反射率；xa，xb，xc為大氣校正參數(shù)。

2.2結(jié)果與驗證

表3為選用的Landsat8 OLI數(shù)據(jù)的詳細信息。將驗證的四組數(shù)據(jù)經(jīng)過輻射定標、大氣校正、圖像配準等處理，以獲得相互匹配的地表反射率數(shù)據(jù)，最后將生成的云陰影檢測算法應用到數(shù)據(jù)處理后的四組數(shù)據(jù)進行云陰影檢測試驗。云陰影檢測結(jié)果如圖3～5所示，其中每組左圖為Landsat8 OLI數(shù)據(jù)的5,4,3波段合成的假彩色影像，右圖為對應的云陰影檢測結(jié)果，白色為云陰影，黑色為下墊面。

表3　測試數(shù)據(jù)的詳細信息

圖3　不同區(qū)域厚云產(chǎn)生的云陰影

圖3為云陰影檢測算法對Landsat8 OLI數(shù)據(jù)不同區(qū)域上空厚云產(chǎn)生的云陰影檢測結(jié)果，厚云產(chǎn)生的云陰影相對于其他地物反射率差異大，容易識別，識別效果較好。由圖3(a),(b)可以看出，植被上空的云陰影均可完整識別出來，并且邊緣也與彩色合成圖一致，極少誤判。圖3(c)，(d)為沙漠上空的云陰影檢測結(jié)果，對比假彩色合成圖可以看出，云陰影有較好的識別效果。

圖4　不同區(qū)域薄碎云產(chǎn)生的云陰影的檢測

圖4為云檢測算法對不同區(qū)域上空薄碎云產(chǎn)生的云陰影檢測結(jié)果。薄碎云的陰影在影像中存在不明顯，碎云在圖像中一般為小面積斑塊，每個斑塊獨立并且極不規(guī)則，在空間關系上，云陰影通常與云保持特定的位置關系，外形輪廓也有一定的相似性。碎云所產(chǎn)生的陰影和碎云形狀相似，相對于碎云有一定位移，每個單獨斑塊的云陰影面積相對較小，且邊緣與碎云一致。從圖4(a),(b),(c),(d),(e),(f)可以看出，云陰影檢測算法對碎云產(chǎn)生的云陰影識別效果較好，能夠有效識別云陰影及其邊緣部分，誤判較少。薄云產(chǎn)生的云陰影使影像變得模糊，削弱了部分地物信息，但地物并未被完全遮擋(圖4(g))，其光譜特征里還包含部分地表信息，對云陰影的檢測造成影響。傳統(tǒng)的閾值法對薄云產(chǎn)生的云陰影識別效果不好，本文提出的云陰影檢測算法可識別大部分薄云陰影，誤判較少。

低反射率地表容易與云陰影混淆，也增加了云陰影檢測的難度。從圖5可以看出，基于多時相遙感數(shù)據(jù)的云陰影檢測算法可在一定程度上去除水體等低反射率地表的影響，對于不同下墊面的厚云、薄云和碎云產(chǎn)生的云陰影均有較高識別精度，并且檢測結(jié)果中云陰影識別完整、自然。

圖5　低反射率地表區(qū)域的云陰影檢測

3不確定性分析

提出的云陰影檢測方法存在以下不確定性：

1)圖像配準

基于多時相遙感數(shù)據(jù)的云陰影檢測算法基于地表反射率數(shù)據(jù)，要求待檢測數(shù)據(jù)與地表反射率數(shù)據(jù)精確配準。圖像配準的精度對云陰影檢測有很大影響，若圖像配準不精確，會造成參考地表反射率不精確，直接影響云陰影檢測結(jié)果。將檢測數(shù)據(jù)向右下方移動若干個像元后進行云陰影檢測，得到圖6的檢測結(jié)果，從左到右分別為待檢測影像、參考影像和結(jié)果影像，從兩組檢測結(jié)果可以看出，由于待檢測數(shù)據(jù)和參考數(shù)據(jù)沒有精確配準，導致參考數(shù)據(jù)相對于待檢測數(shù)據(jù)向右下方偏移，云陰影檢測時對應的像元點沒有匹配，影響了待檢測數(shù)據(jù)地表反射率的降低值，造成部分水體區(qū)域的誤判。

2)地表反射率數(shù)據(jù)質(zhì)量

圖6　圖像配準對云陰影檢測的影響

云陰影檢測的精度主要取決于參考的地表反射率數(shù)據(jù)的質(zhì)量，首先要求參考數(shù)據(jù)中無云。圖7中三組影像是數(shù)據(jù)質(zhì)量對云陰影檢測造成的影響，從圖7(a)中可以看出待檢測數(shù)據(jù)中無云，對應的參考數(shù)據(jù)中存在小塊薄碎云，兩幅影像進行差值運算時，有云的區(qū)域會造成待檢測數(shù)據(jù)降低值的增大，將參考數(shù)據(jù)中有云的區(qū)域誤判為云陰影。同時，不同時相數(shù)據(jù)地表的變化也會影響云陰影的檢測。圖7(b)中待檢測數(shù)據(jù)為2014年11月份的影像，參考數(shù)據(jù)為2013年12月份數(shù)據(jù)，參考數(shù)據(jù)中水體的邊緣因結(jié)冰使反射率增大，造成對應區(qū)域待檢測數(shù)據(jù)反射率降低值的增大，從而產(chǎn)生云陰影的誤判。此外，下墊面的地表反射率也對云陰影檢測有一定影響。如果下墊面的地表反射率過低，例如下墊面為水體、濃密植被等，這些低反射率地表在檢測時容易漏判。圖7(c)中的參考數(shù)據(jù)存在低地表反射率區(qū)域，在這些區(qū)域像元的降低值變小，造成薄云陰影無法識別和云陰影識別效果變差。數(shù)據(jù)質(zhì)量對云陰影檢測的影響最大，但在一定程度上這個因素是可以控制的。

圖7　數(shù)據(jù)質(zhì)量對云陰影檢測的影響

4結(jié)論

基于不同時相遙感數(shù)據(jù)云陰影和典型地表光譜的差異，發(fā)展了多時相云陰影檢測算法。

1)首先根據(jù)待檢測數(shù)據(jù)和參考數(shù)據(jù)建立大量云陰影樣本點和清晰地表樣本點，當待檢測數(shù)據(jù)的像元反射率降低值超過給定的閾值時，則認為是潛在云陰影像元，并統(tǒng)計正確率和誤判率。

2)通過對樣本點的像元反射率降低值統(tǒng)計分析自動確定閾值，并用云陰影樣本點的反射率最大值去除土地利用/土地覆被變化對云陰影檢測造成的影響。

3)最后用Landsat8 OLI數(shù)據(jù)進行云陰影檢測實驗，對比檢測結(jié)果和假彩色合成影像，用遙感目視解譯手段對云檢測結(jié)果進行對比驗證。結(jié)果表明：上述方法可以有效檢測云陰影，云陰影識別精度整體較高，處理流程簡單，檢測效率高。

以地表反射率數(shù)據(jù)為基準數(shù)據(jù)進行陰影檢測，可以有效降低復雜地表類型、大氣環(huán)境等因素的影響。并且本文提出的云陰影檢測算法是基于樣本點數(shù)據(jù)的統(tǒng)計分析自動生成的，減少了主觀性的影響，與傳統(tǒng)閾值方法相比，算法簡便可行、易于實現(xiàn)，識別精度高。對厚云產(chǎn)生的云陰影區(qū)域有很好的檢測效果，對薄云產(chǎn)生的云陰影精度也有明顯提高，在一定程度上去除了低反射率地表對云陰影檢測造成的影響，提高了云陰影檢測的精度。但本文提出的云陰影檢測算法以像元為單位，對于影像數(shù)據(jù)之間的配準要求很嚴格，同時為了獲取更好的結(jié)果，應進行高精度的大氣糾正和匹配處理。

參考文獻：

[1]SAHA A K,ARORA M K,CSAPLOVICES E,et al.Land cover classification using IRS LISS III image and DEM in a rugged terrain:A case study in Himalayas[J].Geocarto International,2005,20(2):33-40.

[2]LIU W,YAMAZAKI F.Object-based shadow extraction and correction of high-resolution optical satellite images[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2012,5(4):1296-1302.

[3]ZHU Z,WOODCOCK C E.Automated cloud,cloud shadow,and snow detection in multitemporal Landsat data:An algorithm designed specifically for monitoring land cover change[J].Remote Sensing of Environment,2014,152:217-234.

[4]BELWARD A S,VALENZUELA C R.Remote sensing and geographical information systems for resource management in developing countries[M].Dordrecht: Kluwer Academic Publishers,1991:32-37.

[5]王樹根,李德仁,郭澤金,等.正射影像上陰影和遮蔽的信息處理方法研究[J].測繪信息與工程,2004,29(4):1-4.

WANG Shugen,LI Deren,GUO Zejin,et al.Method for information processing of shadows and occlusion on orthophotos[J].Journal of Geomatics,2004,29(4):1-4.

[6]FENG S,LIN J,YANG Y,et al.Automated detecting and removing cloud shadows in full-disk solar images[J].New Astronomy,2014,32:24-30.

[7]HAGOLLE O,HUC M,PASCUAL D V,et al.A multi-temporal method for cloud detection,applied to Formosat-2,Venμs,Landsat and Sentinel-2 images[J].Remote Sensing of Environment,2010,114(8):1747-1755.

[8]HUANG C,THOMAS N G,SAMUEL N,et al.Automated masking of cloud and cloud shadow for forest change analysis using Landsat images[J].International Journal of Remote Sensing,2010,31(20):5449-5464.

[9]梁棟,孔頡,胡根生,等.基于支持向量機的遙感影像厚云及云陰影去除[J].測繪學報,2012,41(2):225-231,238.

LIANG Dong,KONG Jie,HU Gensheng,et al.The removal of thick cloud and cloud shadow of remote sensing image based on support vector machine[J].Acta Geodaetica et Cartographica Sinica,2012,41(2):225-231,238.

[10]單娜,鄭天垚,王貞松.快速高準確度云檢測算法及其應用[J].遙感學報,2009,13(6):1147-1162.

SHAN Na,ZHENG Tianyao,WANG Zhensong.High-speed and high- accuracy algorithm for cloud detection and its application[J].Journal of Remote Sensing,2009,13(6):1147-1162.

[11]MARTINUZZI S,GOULD W A,GONZáLEZ O M R.Creating cloud-free Landsat ETM+ data sets in tropical landscapes:Cloud and cloud-shadow removal[C]//U.S.Department of Agriculture,Forest Service,International Institute of Tropical Forestry.Gen.Tech.Rep.IITF-32.,2007:22-25.

[12]OREOPOULOS L,WILSON M J,VáRNAI T.Implementation on Landsat data of a simple cloud-mask algorithm developed for MODIS land bands[J].Geoscience and Remote Sensing Letters,IEEE,2011,8(4):597-601.

[13]LE HéGARAT-MASCLE S,ANDRé C.Use of Markov random fields for automatic cloud/shadow detection on high resolution optical images[J].ISPRS Journal of Photogrammetry and Remote Sensing,2009,64(4):351-366.

[14]周偉,關鍵,姜濤,等.多光譜遙感影像中云影區(qū)域的檢測與修復[J].遙感學報,2012,16(1):132-142.

ZHOU Wei,GUAN Jian,JIANG Tao,et al.Automatic detection and repairing of cloud and shadow regions in multi-spectral remote sensing images[J].Journal of Remote Sensing,2012,16(1):132-142.

[15]李炳燮,馬張寶,齊清文,等.Landsat TM遙感影像中厚云和陰影去除[J].遙感學報,2010,14(3):540-551.

LI Bingxie,MA Zhangbao,QI Qingwen,et al.Cloud and shadow removal from Landsat TM data[J].Journal of Remote Sensing,2010,14(3):540-551.

[16]ROY D P,WULDER M A,LOVELAND T R,et al.Landsat-8:Science and product vision for terrestrial global change research[J].Remote Sensing of Environment,2014(145):154-172.

[17]孫林,田信鵬,于會泳,等.Landsat8 OLI城市地區(qū)氣溶膠光學厚度遙感反演[J].山東科技大學學報(自然科學版),2015,34(5):47-55.

SUN Lin,TIAN Xinpeng,YU Huiyong,et al.Remote sensing inversion of aerosol optical depth from Landsat 8 OLI over the urban area[J].Journal of Shandong University of Science and Technology(Natural Science),2015,34(5):47-55.

[18]VERMOTE E F,TANRé D,DEUZE J L,et al.Second simulation of the satellite signal in the solar spectrum,6S:An overview[J].IEEE Transactions on Geoscience and Remote Sensing,1997,35(3):675-686.

[19]KOTCHENOVA S Y,VERMOTE E F,MATARRESE R,et al,Validation of a vector version of the 6S radiative transfer code for atmospheric correction of satellite data.Part I:Path radiance[J].Applied Optics,2006,45(26):6762-6774.

[20]鄭偉,曾志遠.遙感圖像大氣校正方法綜述[J].遙感信息,2004,04:66-70.

ZHENG Wei,ZENG Zhiyuan.A review on methods of atmospheric correction for remote sensing images[J].Remote Sensing Information,2004,04:66-70.

[21]余先川,呂中華,胡丹.遙感圖像配準技術綜述[J].光學精密工程,2013,21(11):2960-2972.

YU Xianchuan,LV Zhonghua,HU Dan.Review of remote sensing image registration techniques[J].Optics and Precision Engineering,2013,21(11):2960-2972.

(責任編輯：高麗華)

Cloud Shadow Detection Algorithm Based on Multi-temporal Remote Sensing Data

MI Xueting, SUN Lin, WEI Jing, TIAN Xinpeng

(College of Geomatics, Shandong University of Science and Technology, Qingdao, Shandong 266590, China)

Abstract:Cloud shadow detection, as an important part of cloud detection, has been a tough problem in cloud detection because of its complex spectrum and texture features. Aiming at the shortcomings of the traditional clolid shadow detection, a cloud shadow detection algorithm based on multi-temporal remote sensing data was proposed in the paper by taking the reflectance of the Landsat8 OLI in the same region with closed dates or in different years as reference. The threshold value of cloud shadow detection is determined on the basis of the statistical analysis of the sample points, which were selected from the cloud shadow and typical surface on the OLI data. The false detection of land use or land cover change was removed based on cloud shadow sample points. Moreover, the proposed algorithm was validated by analyzing cloud shadows of thin cloud, thick cloud and broken cloud in different areas, especially areas where cloud shadow is easy to be mixed with water. The results indicate that the proposed method can effectively identify cloud shadows and has an overall higher detection accuracy.Key words: Landsat8 OLI; surface reflectance; cloud shadow; multi-temporal; sample points

收稿日期：2015-10-10

基金項目：山東省杰出青年基金項目(JQ201211)

作者簡介：米雪婷(1992—)，女，山東菏澤人，碩士研究生，主要從事大氣遙感研究.E-mail:mixueting@yeah.net E-mail:sunlin6@126.com

中圖分類號：P407

文獻標志碼：A

文章編號：1672-3767(2016)02-0064-09

孫林(1975—)，男，山東棗莊人，教授，博士，主要從事大氣探測方面的研究工作，本文通信作者.