La detección de nubes no parece ser un gran problema, más bien, el reto está en la selección de la nube de sombra de las clases que no incluyen también las zonas costeras, la agricultura, etc. Para un proyecto en el que estoy trabajando, he estado usando dos métodos:
Fmask (https://code.google.com/p/fmask/) es poderoso y totalmente automatizado, además de que se trabaja para TM, ETM+, y OLI/DISPAROS de datos. Es excelente para la captura de los más difíciles de detectar, la neblina y la mayoría del resto de las nubes, las sombras. El problema que tengo con él, sin embargo, es que se tiende a perder ciertos tipos de nubes, es decir, de menor altitud baja de las nubes y sus sombras. He jugado con los parámetros de entrada y encuentra el mejor de los éxitos con los valores predeterminados.
Mi otro método es un método semi-automático de clasificación. Creo NDSI, NDVI y NDWI para una escena en particular, de la pila de aquellos como RGB, y realizar una clasificación no supervisada en ERDAS Imagine 2013 (k-means, de 10 iteraciones, 0.95 convergencia umbral, y generalmente 256 clases). Después de trabajar en varias escenas, he preferido utilizar la pila de índices sobre la clasificación de las bandas individuales, porque llevaba menos tiempo y lo hizo un poco mejor trabajo en la separación de las nubes, las sombras de las otras clases.
Al final, he tenido bastante éxito con la detección y la eliminación de las nubes mediante la combinación de estos dos métodos, pero acabó perdiendo los buenos datos en mi clasificación de la nube de sombras en particular. Alguien ha tenido éxito en la eliminación de zonas de sombra que les gustaría compartir, o tal vez un poco de perspicacia en la mejora de mi proceso de clasificación?
