云遮挡问题是遥感数据普遍存在的现象，云的存在使得影像数据的利用率降低，导致影像识别、分类精度难以保证，有时甚至无法进行。因此，为了从影像上有效地提取地表特征，必须对遥感影像上的有云像元进行剔除，然后再利用已有的其他影像数据对云下像元进行信息补偿，从而提高影像数据的利用率及精度。 本文共分为五个部分：绪论；第一章研究思路与研究方案；第二章基于MODIS影像的云检测；第三章云检测后MODIS影像修复；第四章结果与展望。以下为本文主要内容的简要概括： 绪论。主要阐述了有关云检测和云补偿的研究意义、国内外发展现状、研究目标及本文主要研究内容。由于不同云相对于植被、土壤、雪和水域等下垫面在可见光和近红外波段上具有较高的反射率，而在热红外波段上具有较低的辐射亮温，因此，可以利用对卫星观测到的目标物的辐射值进行区分，从而区分像元是晴空像元还是有云像元。此外，由于云区的遮挡，会导致云下像元信息被削弱甚至缺失，因此，很有必要对云覆盖地区进行像元补偿研究。 第一章研究思路与研究方案。本文的主要研究内容为MODIS影像的云检测及云补偿，并使用IDL语言进行算法模块的实现。因此有必要了解清楚云的特性、MODIS数据的特点及IDL语言的相关用法。 本文的研究方案：首先需要了解高、中、低云的不同组成成分，及云在可见光和红外影像上的光谱特性，弄清本文研究的理论依据；其次了解MODIS数据的特征及不同波段的相关特性，为后面云检测时方法的选择打下良好的基础；最后介绍IDL如何与ENVI进行集成，为后面各个算法模块的集成提供实践基础。 第二章基于MODIS影像的云检测。不同云相对于下垫面介质在可见光部分有较高的反射率，而在热红外部分其亮温值较低，这就给云识别带来了有利的条件。 本文云检测反演涉及到的步骤有：几何校正、辐射校正、确定下垫面类型、确定影像成像时间及云检测。每个步骤都是云检测算法的关键，直接关系着检测结果的正确与否。 几何校正借助MODIS其自带的地理位置数据集MODIS03对LIB数据进行几何校正。校正的过程就是将MOD03每个像元的经纬度坐标值赋给MOD02影像中对应的像元，并采用WGS-84椭球体为基础的地理坐标投影，使LIB数据中的像元对应到标准地理空间的相应位兄上，从而达到几何校正的目的。辐射校正主要采用MODIS数据集对应波段的定标系数，计算反射通道的反射率值、发射通道的辐亮度，最后进行亮度温度转换。下垫面类型的确定是通过坐标匹配，确定影像在土地覆盖分类图上各个像元所处的下垫面类型。影像的成像时间可从LIB数据集中的属性数据读取。 本章选取了覆盖长江三角洲周边沿海地区的MODIS白天影像，针对影像上存在的云进行检测，以消除云的干扰和影响。根据不同通道对云的敏感特性，结合其下垫面类型，选取了MODIS云检测方法中的六种检测方法，分别为：BTll亮温阈值检测、CO2薄片法BT13.9检测、近红外通道R1.38检测、可见光单通道R0.66反射率检测、可见光反射率比值法R0.87 /R0.66检测及亮温差BT11-BT13.9检测法。针对研究区进行云检测，并对其结果进行对比分析，最终选取BT11亮温阈值检测、可见光单通道R0.66反射率检测及亮温差BT11-BT13.9检测三种方法对影像进行综合云检测。对检测结果中出现的海岸带误判的现象通过引入NDVI判别指标对其进行修复。 实验结果表明，综合云检测算法检测效果良好，且海岸带误判的现象也得到一定的修复，但仍需要通过更多的实验，来确定云检测中的检测阈值，及海岸带修复中NDVI的判别阈值。 第三章云检测后MODIS影像修复。主要为针对检测出来的云区进行云下像元信息补偿。作为业务系统应用，云检测结果是作为掩码输入到其他产品的生产当中，而掩码处理会造成原始影像有云地区的像元信息缺失。因此，本文借助与有云影像同一地区相邻时相的MODIS影像对云遮挡区域的遥感影像进行云下像元补偿。 云补偿的关键步骤如下： (1)对两景影像进行影像配准，由于本次研究的有云无云影像均采用MODIS影像，所以影像配准如第二章中所述，仍然采用MODIS03对影像进行经纬度赋值，并定义投影类型； (2)介绍云补偿方法，本文所采用的补偿方法分别为替换法、像元相对变化率云补偿方法，并引入了一种改进后的云补偿算法： (3)对补偿之后的影像进行灰度直方图匹配，以消除影像的辐射差异，使云补偿前后的两幅影像亮度变化规律尽可能一致，在视觉上达到更好的效果，从而有利于结果的目视对比分析； (4)对三种补偿方法分别采用目视评价及统计分析，引入均值和标准差两种评价指标。理想的预期结果是云补偿之后的影像平均灰度降低，标准差变小，三种云补偿方式均达到了预期效果。通过比较，结果表明本文的改进算法云补偿结果相对替换法及像元相对变化率补偿方法的效果更为理想。 第四章结果与展望。总结本文的研究结论，提出了存在的不足之处，然后指出需要改进的地方。