Land cover mapping by optical remote sensing has many obstacles including clouds. Clouds block solar radiation coming to earth surface and reflective radiance from the earth surface to remote optical sensors resulting. Therefore, clouds result no-signal areas in images that cannot be used for study of ground objects.
VNU Journal of Science: Earth and Environmental Sciences, Vol 35, No (2019) 80-87 Original Article Development of Landsat Cloud Free Image Data for Classification of Land Cover-Case Study in Dak Lak Province Tran Anh Tuan1, 3*, Nguyen Dinh Duong2 Institute of Ecology and Biological Resources, Vietnam Academy of Science and Technology 18 Hoang Quoc Viet, Hanoi, Vietnam Institute of Geography, Vietnam Academy of Science and Technology, 18 Hoang Quoc Viet, Hanoi, Vietnam VNU University of Science, 334 Nguyen Trai, Hanoi, Vietnam Received 13 September 2019 Revised 08 November 2019; Accepted 25 November 2019 Abstract: Land cover mapping by optical remote sensing has many obstacles including clouds Clouds block solar radiation coming to earth surface and reflective radiance from the earth surface to remote optical sensors resulting Therefore, clouds result no-signal areas in images that cannot be used for study of ground objects In many cases, thin clouds degrade quality of reflective radiance and some times alter, unexpectedly, spectral reflectance characteristics of ground objects leading to false classification In this paper, the authors present an algorithm on application of multidate for development of cloud free image The used image data were received in rainy and dry seasons and by stacking, cloud free images representing rainy and dry seasons were created These cloud free images can be used further for classification of land cover in rainy and dry seasons Experiments were conducted with Landsat OLI images with path/row number 124/51 covering Dak Lak province of Vietnam The results of case study were development of cloud free image data representing rainy and dry seasons allowing separation of evegreen and deciduous forests in the study site Keywords: Landsat, cloud free, deciduous forests, land cover classification * * Corresponding author E-mail address: tuan.ig@gmail.com https://doi.org/10.25073/2588-1094/vnuees.4447 80 VNU Journal of Science: Earth and Environmental Sciences, Vol 35, No (2019) 80-87 Tạo ảnh không mây phục vụ phân loại lớp phủ với tư liệu Landsat đa thời gian-nghiên cứu thử nghiệm tỉnh Đắk Lắk Trần Anh Tuấn1, 3*, Nguyễn Đình Dương2 Viện Sinh thái Tài nguyên Sinh vật, Viện Hàn lâm Khoa học Công nghệ Việt Nam, 18 Hoàng Quốc Việt, Hà Nội, Việt Nam Viện Địa lý, Viện Hàn lâm Khoa học Cơng nghệ Việt Nam, 18 Hồng Quốc Việt, Hà Nội, Việt Nam Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội, 334 Nguyễn Trãi, Hà Nội, Việt Nam Nhận ngày 13 tháng năm 2019 Chỉnh sửa ngày 08 tháng 11 năm 2019; Chấp nhận đăng ngày 25 tháng 11 năm 2019 Tóm tắt: Nghiên cứu lớp phủ tư liệu viễn thám quang học ln gặp phải trở ngại: mây Mây ngăn cản xạ từ mặt trời đến bề mặt trái đất phản xạ từ vật thể bề mặt trái đất đến cảm vệ tinh tạo nên vùng khơng có tín hiệu sử dụng để nghiên cứu đối tượng Trong nhiều trường hợp mây mỏng làm giảm chất lượng tín hiệu phản xạ khơng trường hợp cịn làm thay đổi hồn tồn tính chất phản xạ phổ dẫn đến nhầm lẫn kết phân loại Trong báo này, tác trình bày thuật tốn sử dụng cảnh ảnh quan sát khu vực thời điểm khác nhằm tạo cảnh ảnh không mây Các cảnh ảnh sử dụng thu nhận hai mùa mưa mùa khô tổ hợp lại tạo hai ảnh không mây mùa mưa mùa khô cho phép phân loại lớp phủ mùa Nghiên cứu thử nghiệm triển khai với tư liệu ảnh Landsat OLI, số phiên hiệu cảnh ảnh 124/51 bao trùm phần lớn địa bàn tỉnh Đắk Lắk Kết thử nghiệm tạo ảnh không mây cho mùa khô mùa mưa năm 2015 phục vụ phân loại lớp phủ phân tách rừng thường xanh rừng rụng khu vực nghiên cứu Từ khoá: Landsat, tách mây, rừng rụng lá, phân loại lớp phủ. ảnh Landsat thu thập đủ lớn để nghiên cứu biến động lớp phủ lãnh thổ Việt Nam từ năm 1972 đến Tuy nhiên kênh phản xạ Landsat nằm dải sóng quang học ln chịu tác động khí mây yếu tố lớn làm giảm Mở đầu Tư liệu viễn thám Landsat chuỗi tư liệu quang học có chiều dài quan sát lâu Cho đến nay, trải qua hệ vệ tinh Landsat với cảm MSS, TM, ETM+ OLI số lượng Tác giả liên hệ Địa email: tuan.ig@gmail.com https://doi.org/10.25073/2588-1094/vnuees.4447 81 82 T.A Tuan, N.D Duong / VNU Journal of Science: Earth and Environmental Sciences, Vol 35, No (2019) 80-87 chất lượng tư liệu Landsat nhiều trường hợp dẫn đến sử dụng tư liệu Ảnh hưởng mây tư liệu Landsat lãnh thổ Việt Nam lại đặc biệt nghiêm trọng với khí hậu nhiệt đới ẩm, xác suất ngày năm khơng có mây thấp Hầu tất cảnh ảnh Landsat thu nhận bị ảnh hưởng mây Số lượng cảnh ảnh bị che phủ 90% mây cao, đặc biệt mùa mưa Trên giới, vấn đề nghiên cứu phát mây tư liệu quang học nhiều nhà khoa học quan tâm Việc phát đánh dấu mây cảnh ảnh cần thiết điểm ảnh vị trí thay điểm ảnh từ cảnh ảnh không bị ảnh hưởng mây Các phương pháp phát mây chia thành ba nhóm chính: sử dụng ngưỡng phân tách, hàm truyền khí phương pháp thống kê [1] Cục Địa chất Hoa Kỳ (USGS) phát triển phương pháp phát mây cho tư liệu Landsat dựa thuật tốn CFMask triển khai kết hình thức kênh đánh giá chất lượng tư liệu Landsat (BQA) với thông tin cần thiết mây lưu kênh BQA cho cảnh ảnh [2] Các phương pháp phát mây có điểm mạnh yếu khác Tuy nhiên sử dụng để xử lý khối lượng lớn cảnh ảnh việc lựa chọn phương pháp phù hợp có kết ổn định điều quan trọng Trước đây, Cục địa chất Hoa Kỳ chưa cho phép tiếp cận tự tới tư liệu Landsat lưu trữ người sử dụng cần phải mua tư liệu Landsat với giá thành tương đối cao Điều gây trở ngại cho người sử dụng muốn tạo ảnh không mây với số lượng lớn ảnh Landsat phải cần lượng kinh phí lớn Sau USGS cho phép người dùng toàn giới tiếp cận tư liệu Landsat miễn phí việc sử dụng tư liệu Landsat đa thời gian để tạo ảnh không mây trở thành thực Tuy nhiên trở ngại lúc tải liệu từ sở liệu USGS máy để xử lý Khó khăn nằm chỗ tốc độ đường truyền tương đối thấp cần phải tải liệu ảnh, đặc biệt tư liệu Landsat có mức lượng tử 16-bit cho điểm ảnh Sau cơng nghệ điện tốn đám mây Amazon, Google Earth Engine (GEE), Microsoft Azure đời việc tạo ảnh chưa phân loại không mây dựa ảnh Landsat đa thời gian triển khai Tuy nhiên số lượng cơng trình cơng bố cịn tương đối hạn chế Huang cộng công bố kết nghiên cứu sử dụng kỹ thuật chồng xếp ảnh đánh giá suy giảm rừng [3] Kỹ thuật sử dụng tương đối phức tạp địi hỏi phải chuyển đổi giá trị số tư liệu Landsat phản xạ bề mặt trước ghép lại với Việc hiệu chỉnh ảnh hưởng khí cần khối lượng tính tốn lớn hạn chế cho việc triển khai công nghệ diện rộng GEE mơi trường tính tốn phù hợp cho mục đích có sẵn thư viện hàm tính tốn cần thiết bao gồm hiệu chỉnh ảnh hưởng khí Cái đáng ý máy chủ có sẵn tất tư liệu Landsat tương đương máy chủ USGS người dùng truy cập trực tiếp trình xử lý Trong báo này, tác giả sử dụng phương pháp phát mây Cục Địa chất Hoa Kỳ (USGS) đề xuất dựa kết phát mây đưa quy trình bù mây sử dụng cảnh ảnh Landsat thu nhận từ thời điểm khác khu vực nhằm tạo cảnh ảnh không mây phục vụ phân loại lớp phủ Nghiên cứu thử nghiệm với tư liệu ảnh Landat OLI, cảnh ảnh 124/51 địa bàn tỉnh Đắk Lắk Ảnh không mây tạo không đưa phản xạ bề mặt có khác biệt giá trị xạ cảnh ảnh thu nhận thời điểm khác Tuy nhiên để giải đốn mắt chất lượng tư liệu bảo đảm Ảnh tạo sử dụng phương pháp phân loại dựa dạng phổ để phân loại lớp phủ [4, 5] Khu vực nghiên cứu Khu vực nghiên cứu thuộc phạm vi cảnh ảnh 124/51 theo hệ thống danh định toàn cầu tư liệu T.A Tuan, N.D Duong / VNU Journal of Science: Earth and Environmental Sciences, Vol 35, No (2019) 80-87 Landsat Cảnh ảnh 124/51 phủ trùm gần toàn địa bàn tỉnh Đắk Lắk (Hình 1) 83 - Tiểu vùng núi Rlang Dja chiếm 3.88% diện tích tự nhiên Nhìn chung khí hậu khác dạng địa hình giảm dần theo độ cao: vùng 300m quanh năm nắng nóng, từ 400 – 800m khí hậu nóng ẩm 800m khí hậu mát Khí hậu có hai mùa rõ rệt: mùa mưa mùa khô Mùa mưa tháng đến hết tháng 10, tập trung 90% lượng mưa hàng năm Mùa khô từ tháng 11 đến tháng năm sau, lượng mưa không đáng kể [6] Thảm thực vật bao gồm thảm thực vật thường xanh phân bố vùng đồi núi cao nguyên thảm thực vật rụng phân bố chủ yếu vùng bình nguyên Ea Súp Tư liệu phương pháp Hình Khu vực nghiên cứu thuộc địa bàn tỉnh Đắk Lắk nằm cảnh ảnh 124/51 Địa hình tỉnh đa dạng Đắk Lắk nằm phía Tây cuối dãy Trường Sơn cao nguyên rộng lớn với địa hình dốc thoải, lượn sóng, phẳng xen kẽ với đồng thấp ven theo sơng Địa hình tỉnh có hướng thấp dần từ Đơng Nam sang Tây Bắc Tỉnh Đắk Lắk chia thành hai tiểu vùng khí hậu Vùng phía Tây Bắc có khí hậu nắng nóng, khơ hanh mùa khơ; vùng phía Đơng phía Nam có khí hậu mát mẻ, ơn hồ Khí hậu sinh thái nơng nghiệp tỉnh chia thành tiểu vùng: - Tiểu vùng bình nguyên Ea Súp chiếm 28.43% diện tích tự nhiên - Tiểu vùng cao nguyên Buôn Mê Thuột – Ea H’Leo chiếm 16.17% diện tích tự nhiên - Tiểu vùng đồi núi cao nguyên M’Đrắk chiếm 15.82% diện tích tự nhiên - Tiểu vùng đất ven sông Krông Ana – Sêrêpôk chiếm 14.51% diện tích tự nhiên - Tiểu vùng núi cao Chư Yang Sin chiếm 3.98% diện tích tự nhiên 3.1 Tư liệu Tư liệu phục vụ nghiên cứu bao gồm 11 cảnh ảnh Landsat OLI thu nhận chủ yếu năm 2015 Các cảnh ảnh thu nhận mùa mưa số cảnh ảnh mùa khô Từ cảnh ảnh hai mùa, tác giả xây dựng hai cảnh ảnh không mây cho mùa mưa mùa khô Các cảnh ảnh mùa mưa bị ảnh hưởng thời tiết có độ che phủ mây cao Để tạo cảnh ảnh không mây cần phải sử dụng nhiều cảnh ảnh có mây Trong bảng danh sách cảnh ảnh sử dụng nghiên cứu Đây từ liệu thuộc mức xử lý Collection level-1 tải từ trang web Cục địa chất Hoa Kỳ (USGS) [7] Trong cảnh ảnh sử dụng có số cảnh ảnh không thu nhận vào năm 2015 mà thu nhận năm khác Việc sử dụng cảnh ảnh không ảnh hưởng đến chất lượng ảnh đầu cảnh ảnh dùng để bù mây cho vùng núi cao thường xuyên bị mây che phủ, nơi hoàn toàn có thảm thực vật thường xanh bị tác động hoạt động người 84 T.A Tuan, N.D Duong / VNU Journal of Science: Earth and Environmental Sciences, Vol 35, No (2019) 80-87 Bảng Danh sách cảnh ảnh sử dụng để tạo ảnh không mây cho mùa mưa mùa khô Mùa Phiên hiệu cảnh ảnh (a): LC08_L1TP_124051_20150813_20170406_01_T1 (b): LC08_L1TP_124051_20151016_20180523_01_T1 Mùa mưa (c): LC08_L1TP_124051_20150610_20170408_01_T1 (d): LC08_L1TP_124051_20151117_20170402_01_T1 (e): LC08_L1TP_124051_20160831_20170321_01_T1 (f): LC08_L1TP_124051_20170919_20170929_01_T1 (g): LC08_L1TP_124051_20181008_20181029_01_T1 (h): LC08_L1TP_124051_20190723_20190801_01_T1 (a): LC08_L1TP_124051_20140130_20170426_01_T1 Mùa khô (b): LC08_L1TP_124051_20150202_20170413_01_T1 (c): LC08_L1TP_124051_20150407_20170410_01_T1 3.2 Phương pháp Thuật tốn tạo ảnh khơng mây bao gồm bước triển khai cho điểm ảnh Việc xác định độ ảnh hưởng mây dựa kênh BQA (Quality Assessment Band) có sẵn cho cảnh ảnh Landsat xử lý mức Collection Level-1 Thông tin chi tiết mô tả kênh BQA tham khảo tài liệu kỹ thuật tư liệu ảnh Landsat OLI [8, 9] Sử dụng thông tin cung cấp kênh BQA, người sử dụng xác định mức độ ảnh hưởng mây điểm ảnh Độ tin cậy tồn mây xác định thông qua hệ số tin cậy cung cấp kèm theo tệp BQA Khi tính tốn, tác giả sử dụng mức tin cậy cao 75% để xác định ảnh hưởng mây Nghĩa là, mức tin cậy lớn 75% coi điểm ảnh bị ảnh hưởng mây Sơ đồ tổng thể thuật tốn tạo ảnh khơng mây từ tư liệu Landsat đa thời gian trình bày hình Tồn thuật tốn chia thành bước Mỗi điểm ảnh, xử lý, trải qua bước tính tốn Tồn thuật tốn lặp lại từ điểm ảnh điểm ảnh cuối Hình Mơ tả cấu trúc bits cho điểm ảnh kênh BQA tư liệu Landsat thông tin ảnh hưởng mây nhiễu khác điểm ảnh [9] T.A Tuan, N.D Duong / VNU Journal of Science: Earth and Environmental Sciences, Vol 35, No (2019) 80-87 85 số hiệu thu nhận từ nhiều thời điểm khác khơng trùng khít lên Do ảnh kết phải có kích thước đủ lớn để chứa phần ảnh khơng chồng khít lên Các tham số hiệu chỉnh xạ hệ số chuyển đổi giá trị số (DN) sang giá trị xạ, độ cao phương vị mặt trời v.v lấy với giá trị tương tự ảnh xếp cao danh sách ảnh sử dụng Tiếp theo kênh BQA ảnh kết tạo thông qua việc chồng xếp kênh BQA ảnh đầu vào Bước Dựa thông tin độ che phủ mây kênh BQA, lựa chọn thời điểm phù hợp để lấy giá trị cho bù mây Để đạt kết tốt nhất, tác giả đặt ngưỡng cho độ tin cậy xác định mây 75% Với ngưỡng tin cậy này, bỏ qua số nhiễu khí bị phân loại nhầm thành mây Khi có nhiều thời điểm điểm ảnh không bị ảnh hưởng mây giá trị điểm ảnh chọn có thứ tự ưu tiên cho cảnh ảnh nằm cao danh sách ảnh đầu vào Bước Sau kiểm tra điểm ảnh vị trí xét chọn thời điểm phù hợp, giá trị DN ảnh thời điểm chuyển phản xạ đỉnh khí (TOA) sau chuyển ngược DN ảnh Master lưu vào ảnh Master Kết Hình Sơ đồ thuật toán Bước Trong bước này, tạo dựng danh sách ảnh sử dụng cho việc bù mây Những cảnh ảnh xắp xếp cao có độ ưu tiên cao Điều có nghĩa xuất nhiều điểm ảnh khơng mây vị trí kết bù mây lấy từ giá trị điểm ảnh ảnh danh sách ảnh Bước Xây dựng ảnh Master Ảnh Master ảnh kết có số hàng số cột đủ lớn để bao phủ tất ảnh sử dụng Vệ tinh Landsat quan sát, cảnh ảnh có vị trí thường dao động hướng đơng tây cho thời điểm quan sát khác Chính lý nên chồng xếp cảnh ảnh có Với tư liệu thu thập bảng thuật tốn trình bày, tác giả thử nghiệm tạo ảnh không mây cho hai mùa mưa khô cho cảnh ảnh 124/51 Chúng ta thấy, vào mùa mưa khơng thể có ảnh không mây Mây xuất hầu hết thời điểm vệ tinh quan sát Sử dụng kênh BQA cảnh ảnh thu thập bảng tạo ảnh không mây cho mùa mưa năm 2015 Kết qủa cửa sổ phóng to hình 4j cho thấy phần bị che phủ mây ảnh LC08_L1TP_124051_20150813_20170406_01 _T1 thay phần không mây ảnh khác Đánh giá dựa giải đoán mắt cho thấy ảnh kết cho phép phân biệt 86 T.A Tuan, N.D Duong / VNU Journal of Science: Earth and Environmental Sciences, Vol 35, No (2019) 80-87 đối tượng bề mặt Các vùng che phủ thảm thực vật khác bảo tồn cho phép giải đốn tốt Các vùng đất trống nhận biết rõ Hệ thống thủy văn hồ nước, dòng chảy, kể vùng ngập lụt phát dễ dàng Hình kết tạo ảnh khơng mây mùa khơ Trong mùa khơ, khả có ảnh khơng mây bị ảnh hưởng mây cao mùa mưa nhiều Số lượng cảnh ảnh sử dụng để tạo ảnh khơng mây Vào mùa khô cần sử dụng cảnh ảnh mùa mưa phải dùng đến cảnh ảnh Kết ghép ảnh khơng mây hình 5(e) cho thấy chất lượng thuật toán chấp nhận Thuật tốn triển khai ngơn ngữ lập trình C++ chạy mơi trường DOS Command line cho phép làm việc chế độ Batch tạo điều kiện việc tự động hóa cần xử lý khối lượng lớn liệu Hình Tạo ảnh khơng mây mùa khô Ảnh đầu vào ảnh (a), (b), (c) Ảnh khơng mây trình bày hình (d) (e) phần ảnh (d) phóng to giới thiệu chất lượng kết ghép ảnh Các ảnh tổ hợp màu theo công thức RGB:543 Kết luận Hình Tạo ảnh khơng mây mùa mưa Ảnh đầu vào hiển hình (a), (b), (c), (d), (e), (f), (g), (h) Ảnh không mây trình bày hình (i) (j) phần ảnh (i) phóng to giới thiệu chất lượng kết ghép ảnh Các ảnh tổ hợp màu theo công thức RGB:543 Bài báo giới thiệu phương pháp việc tạo ảnh không mây từ tư liệu Landsat OLI đa thời gian Các tư liệu ghép với bao gồm tư liệu Landsat 4, 5, Thuật tốn trình bày ưu việt thuật tốn cơng bố khơng cần chuyển đổi giá trị ảnh phản xạ bề mặt Như vậy, khối lượng tính tốn giảm nhiều Chất lượng ảnh với kết thử nghiệm địa T.A Tuan, N.D Duong / VNU Journal of Science: Earth and Environmental Sciences, Vol 35, No (2019) 80-87 bàn tỉnh Đắk Lắk cho thấy thuật toán đề xuất sử dụng để tạo ảnh khơng mây cho vùng nghiên cứu khác Tuy nhiên, để việc bù mây hiệu qủa, việc lựa chọn ảnh đầu vào cần quan tâm cho cảnh ảnh có phần khơng mây bù cho Những vùng núi cao nhũng vùng biến động năm mùa sử dụng tư liệu năm trước năm sau để bù mây Chương trình xây dựng chạy môi trường DOS Command line cho phép ghép tự động khối lượng lớn tư liệu ảnh sau tải ảnh Trong trường hợp sử dụng môi trường điện tốn đám mây Amazon hiệu tính toán tăng lên nhiều [3] [4] [5] Lời cảm ơn Tư liệu ảnh Landsat OLI cung cấp Cục Địa chất Hoa Kỳ (USGS) Các tác giả chân thành cám ơn đề tài TN18/T09 thuộc chương trình KHCN TN/16-20 tài trợ nghiên cứu [6] [7] Tài liệu tham khảo [1] Lin Sun, Xueting Mi, JingWei, Jian Wang, Xinpeng Tian, Huiyong Yu, Ping Gan, A cloud detection algorithm-generating method for remote sensing data at visible to short-wave infrared wavelengths, ISPRS Journal of Photogrammetry and Remote Sensing 124 (2017) 70–88 https://doi.org/10.1016/j.isprsjprs.2016.12.005 [2] Steve Foga, Pat L Scaramuzza, Song Guo, Zhe Zhu, Ronald D.Dilley Jr, Tim Beckmann, Gail L Schmidt, John L Dwyer, M.Joseph Hughes, Brady Laue, Cloud detection algorithm comparison and validation for operational Landsat data products, [8] [9] 87 Remote Sensing of Environment 194 (2017) 379– 390 https://doi.org/10.1016/j.rse.2017.03.026 Chengquan Huang, Samuel N Goward, Jeffrey G Masek, Feng Gao, Eric F Vermote, Nancy Thomas, Karen Schleeweis, Robert E Kennedy, Zhiliang Zhu, Jeffery C Eidenshink & John R.G Townshend, Development of time series stacks of Landsat images for reconstructing forest disturbance history, International Journal of Digital Earth (2019) 195–218 https://doi.org/10.1080 /17538940902801614 Nguyen Dinh Duong, Le Minh Hang, Tran Anh Tuan, Zutao Ouyang, Development of a spectralpattern-analysis-based method for automated water body extraction using Landsat image data: A case study in central Vietnam and southern Laos, Limnology and Oceanography: Methods 15 (2017) 945–959 https://doi.org/10.1002/lom3.10215 N.D Duong, Automated classification of Land cover using Landsat OLI Surface Reflectance product and spectral pattern analysis concept Case study in Hanoi, Vietnam, Int Arch Photogramm Remote Sens Spat Inf Sci XLI-B8 (2016) 987–991 https://doi.org/10.5194/isprsarchives-XLI-B8-987-2016 Portal DakLak Provincial, Natural conditions https://daklak.gov.vn/-/i-ieu-kien-tu-nhien (in Vietnamese, accessed 10 August 2019) EarthExplorer - Home, U.S Geological Survey (USGS) https://earthexplorer.usgs.gov/ (accessed August 2019) U.S Geological Survey, Landsat Collection Level-1 Quality Assessment Band https://www usgs.gov/land-resources/nli/landsat/landsatcollection-1-level-1-quality-assessment-band?qtscience_support_page_related_con=0#qtscience_support_page_related_con (accessed 10 August 2019) U.S Geological Survey, Landsat Data Users Handbook, Version 4.0, April 2019, pp 55-56 https://www.usgs.gov/land-resources/nli/landsat/ landsat-8-data-users-handbook (accessed 10 August 2019) ... Zhu, Jeffery C Eidenshink & John R.G Townshend, Development of time series stacks of Landsat images for reconstructing forest disturbance history, International Journal of Digital Earth (2019)... Nguyen Dinh Duong, Le Minh Hang, Tran Anh Tuan, Zutao Ouyang, Development of a spectralpattern-analysis-based method for automated water body extraction using Landsat image data: A case study in central... khảo [1] Lin Sun, Xueting Mi, JingWei, Jian Wang, Xinpeng Tian, Huiyong Yu, Ping Gan, A cloud detection algorithm-generating method for remote sensing data at visible to short-wave infrared wavelengths,