基于卫星云图进行的云分类,云检测,云量计算是获取区域云量分布的主要方式,也是卫星气象应用的基础,但是现阶段的研究未能充分利用卫星云图的特征以及卫星光学参数,导致云分类及云量计算效果不好,从实际气象应用来看,云量计算技术的使用效果不理想。本文在查阅了众多国内外研究成果之后,将深度极限学习机应用在了卫星云图的云量计算中。近年来,关于神经网络的研究非常活跃,其中极限学习机在大量的实际应用中展示出了很好的适用性和鲁棒性,具有良好的自学习能力且学习速度快,同时,基于多层神经网络的深度学习具有更强的学习能力,因此,本文使用一种基于深度极限学习机的方法来对卫星云图中的云进行分类和检测,然后以此为基础去解决卫星云图的云量计算问题。为了体现深度极限学习机的优势,还提出了另一种基于卷积神经网络的云图检测方法,将深度极限学习机跟卷积神经网络作了对比。本文的主要工作包括如下方面:1.首先提取大量固定像素大小的卫星云图图块,作为深度极限学习机的训练样本,然后用深度极限学习机检测卫星云图的各个通道的厚云、薄云、晴空以及薄云与厚云重叠处,接着将检测结果与传统阈值法、极限学习机方法、卷积神经网络的检测结果放在一起作对比。2.云检测之后,接着是使用改进后“空间相关法”计算总云量,最后是将卫星云图总的云量计算结果跟专家数据库作分析比较。在经过不断地检测算法改进和云图实验之后,本文对卫星云图的观测解译工作做出了一定的贡献。