云覆盖着地球上空大部分区域,在地球水循环、地气系统能量平衡和辐射传输过程中有着重要的作用,同时云也是最为常见的气象现象,云量的多少和云的状态分布,直接影响着天气的阴晴风雨,预知天气的变化,对人类的日常生活和工农业都有着重要的意义。此外,云覆盖地表信息,导致影像配准、融合等处理过程的很多问题。云检测工作也被看作影像后续识别、分类和解译的关键,所以云检测十分重要。本文研究了发射于2015年的深空气候观测台(DSCOVR)卫星上搭载的地球多色成像相机(EPIC)数据,基于EPIC数据的波段范围广和覆盖范围大(半球尺度)的特点,提出了一种面向半球尺度数据的云检测方法。分析了 EPIC数据各个波段的波段特征,尤其是紫外波段,并且根据云在不同波段的反射特性,以EPIC数据中对云敏感的波段为基础,采用指数的形式进行波段组合,获得新的云指数,用该指数为依据实现云检测。针对面向半球尺度数据的云检测方法,选取了夏季和冬季两个季节的数据作为实验数据,与三种常用的云检测方法进行对比,包括可见光云检测法、支持向量机(SVM)云检测法和归一化云指数(NDCI)云检测法。从云分布图和云量两个方面进行对比,比较结果表明,提出的云指数云检测法在云分布图和云量方面都优于可见光云检测法、SVM云检测法和归一化云指数云检测法,与实际真彩色合成遥感影像中云的分布最为接近。以正确率、漏检率、误检率和Kappa系数作为评价指标完成精度评定,并采用EPIC L2数据对该方法进行验证。结果表明,云指数云检测方法有效、可靠,且能够快速获得半球范围内云的分布情况,有助于对全球云的动态研究和自然天气预测。在云检测方法研究的基础上,研究了云随时间变化的关系,分析有云区域与经纬度位置的关系、一天的云频次和上、中、下旬的云频次。该扩展应用研究可用来研究全球云的整体分布特征,研究一天内或多天内云的动态变化,为实现云的运动趋势预测和分析做出贡献。