云和云阴影广泛存在于遥感光学影像中,不仅对光学影像的质量造成影响,干扰并阻碍地球观测活动,而且会严重影响植被监测、土地利用类型分析和变化监测等遥感应用。特别是在定量分析过程中,云和云阴影会对反演结果的可靠性产生不可估量的影响。传统的阈值法云/云阴影检测算法无法根据下垫面类型做出响应,算法机制复杂、计算耗时,而且对于部分薄云和云阴影识别效果较差。针对以上问题,本文提出了一种应用于Landsat 8 OLI云和云阴影检测算法,该算法以高质量的地表反射率数据为参考,通过阈值计算模型实现云和云阴影检测。通过分析薄云对影像不同波段表观反射率的影响,发现薄云对影像蓝光波段的表观反射率影响明显,并且薄云处近红外和蓝光波段的反射率差值会明显降低。针对这一特征,本文利用6S辐射传输模型模拟不同地表反射率在不同观测几何和晴空大气条件下的表观反射率变化范围,并对不同观测几何上表观反射率极大值进行多元回归分析得到蓝光波段和近红外与蓝光波段反射率差值的阈值计算模型。在云检测过程中,若蓝光波段的表观反射率高于阈值,且近红外与蓝光波段的表观反射率差值小于阈值则判定该像元为云像元,否则为晴空像元。对初步云检测结果进一步优化得到最终的云检测结果。对不同下垫面上的云阴影在可见光和近红外波段上的表观反射率进行对比,发现云阴影的反射率特征与下垫面的反射率特征相似,并且不同下垫面上的云阴影反射率差异较大。以真实地表反射率数据为参考,本文利用6S辐射传输模型模拟可见光和近红外波段上表观反射率在不同观测几何下的变化范围,分别拟合得到可见光、近红外四个波段的云阴影阈值计算模型。若像元表观反射率低于阈值,则为云阴影,否则为晴空像元。本文对水体和陆地上云阴影检测,采取不同的策略,水体上仅用蓝光波段进行云阴影检测,陆地上则取四个波段的交集作为初步结果。根据云和云阴影空间共存的思想对于初步的云阴影检测结果进行奇异值剔除。利用本文算法对125景不同下垫面上Landsat 8 OLI影像进行云和云阴影检测,分别对检测结果进行定性分析与定量评价。将本文算法与Fmask算法的检测结果进行对比:本文云检测算法在薄云和碎云检测上具有很高的检测精度,对于厚云边缘的薄云识别更加准确,漏判和误判现象更少;对于云阴影检测,本文结果精度更高且稳定性更好,具有明显优势。整体来说,本文算法的检测结果均明显高于Fmask算法。利用目视解译得到真实云和云阴影掩膜,并对本文算法结果进行精度验证。结果表明,本文云检测算法对于不同下垫面上不同类型云的检测精度整体较高,平均生产者精度和平均用户精度分别为0.9282和0.7200,表明存在较少的漏判,而膨胀运算会导致误判增加。本文云阴影检测算法不仅可以准确识别厚云阴影,而且对于碎云和薄云阴影同样具有较高的检测精度。本文云阴影检测结果的平均Kappa系数为0.8202,与真实云阴影分布的一致性较好,平均漏分误差和平均错分误差分别为0.1074和0.1950,错分和漏分现象较少。实验和验证结果表明,本文算法在Landsat 8 OLI云和云阴影检测过程中具有明显优势,可以扩展到不同类型传感器的云和云阴影检测应用当中。