顧及樣本優(yōu)化選擇的機器學習云檢測研究

摘要： 針對云層日變化、云類型、云相態(tài)、云光學厚度等特征差異帶來的光譜差異，導致傳統(tǒng)閾值算法對云識別精度不高的問題，文章提出了一種顧及樣本優(yōu)化選擇，耦合物理閾值方法和機器學習的云檢測算法模型，利用“葵花8號”衛(wèi)星（Himawari-8）數(shù)據(jù)進行日間云檢測。通過樣本優(yōu)化選擇，使樣本中盡可能包括不同情形下的云特征，為機器學習模型提供良好的樣本基礎，增加模型泛化能力；同時輸入特征除了考慮反照... （共13頁）