Abstract. We describe an algorithm based on a convolutional neural network that detects cloud formations and snow cover in satellite images using textures. Herein, multispectral satellite images, received from a multizone scanning instrument used for hydrometeorological support and installed on the Russian satellite Electro-L No. 2, are used as input data. The problem of snow and cloud classification in the absence of a spectral channel in the range of 1.4 to 1.8 μm, which is necessary for their accurate separation, is considered. The developed algorithm can produce cloud and snow cover masks for an area limited by the values of the solar zenith angle in the range of 0 deg to 80 deg for daytime. Algorithm accuracy was evaluated using machine learning metrics and comparing its results with ground truth masks segmented manually by an experienced interpreter. In addition, we compared the resulting masks with a similar cloud mask product from the European Organisation for the Exploitation of Meteorological Satellites based on the data of the Spinning Enhanced Visible and Infrared Imager (SEVIRI) instrument installed on the Meteosat-8 satellite. According to the results of this comparison, we conclude that the cloud masks produced by the proposed convolutional neural network-based algorithm have a lower probability of false detection than products based on the SEVIRI data. The proposed algorithm is fully automatic, and it works in any season of the year during the daytime.

中文翻译：

---

使用卷积神经网络和来自 Electro-L 2 号卫星的低分辨率数据进行雪和云检测

摘要。我们描述了一种基于卷积神经网络的算法，该算法使用纹理检测卫星图像中的云层和积雪。在此，从用于水文气象支持的多区扫描仪器接收并安装在俄罗斯卫星 Electro-L No. 2 上的多光谱卫星图像用作输入数据。考虑了在没有 1.4 到 1.8 μm 范围内的光谱通道的情况下雪和云分类问题，这对于它们的准确分离是必需的。所开发的算法可以为白天 0 度到 80 度范围内的太阳天顶角值限制的区域生成云和雪覆盖面罩。使用机器学习指标评估算法准确性，并将其结果与由经验丰富的解释器手动分割的地面实况掩码进行比较。此外，我们根据安装在 Meteosat-8 卫星上的旋转增强型可见光和红外成像仪 (SEVIRI) 仪器的数据，将生成的掩模与来自欧洲气象卫星开发组织的类似云掩模产品进行了比较。根据比较结果，我们得出结论，所提出的基于卷积神经网络的算法产生的云掩模比基于 SEVIRI 数据的产品具有更低的误检概率。所提出的算法是全自动的，它在白天的一年中的任何季节都可以工作。我们根据安装在 Meteosat-8 卫星上的旋转增强型可见光和红外成像仪 (SEVIRI) 仪器的数据，将生成的掩模与来自欧洲气象卫星开发组织的类似云掩模产品进行了比较。根据比较结果，我们得出结论，所提出的基于卷积神经网络的算法产生的云掩模比基于 SEVIRI 数据的产品具有更低的误检概率。所提出的算法是全自动的，它在白天的一年中的任何季节都可以工作。我们根据安装在 Meteosat-8 卫星上的旋转增强型可见光和红外成像仪 (SEVIRI) 仪器的数据，将生成的掩模与来自欧洲气象卫星开发组织的类似云掩模产品进行了比较。根据比较结果，我们得出结论，所提出的基于卷积神经网络的算法产生的云掩模比基于 SEVIRI 数据的产品具有更低的误检概率。所提出的算法是全自动的，它在白天的一年中的任何季节都可以工作。根据比较结果，我们得出结论，所提出的基于卷积神经网络的算法产生的云掩模比基于 SEVIRI 数据的产品具有更低的误检概率。所提出的算法是全自动的，它在白天的一年中的任何季节都可以工作。根据比较结果，我们得出结论，所提出的基于卷积神经网络的算法产生的云掩模比基于 SEVIRI 数据的产品具有更低的误检概率。所提出的算法是全自动的，它在白天的一年中的任何季节都可以工作。