La detección de nubes es un paso indispensable en la teledetección satelital de las propiedades de las nubes y los objetos bajo la influencia de la oclusión de nubes. Sin embargo, los objetivos interferentes como la nieve y la contaminación por neblina son fácilmente malinterpretados como nubes por la mayoría de los algoritmos actuales. Por lo tanto, se necesita urgentemente un algoritmo robusto de detección de nubes, especialmente para regiones de altas latitudes o con severa contaminación del aire. Este artículo demostró que el detector pasivo de satélites Advanced Geosynchronous Radiation Imager (AGRI) a bordo del satélite FY-4A tiene una gran posibilidad de confundir los aerosoles densos en la contaminación por neblina como nubes durante el día, y construyó un algoritmo basado en la información espectral de las 14 bandas del AGRI con un cálculo conciso y de alta velocidad. Este estudio ajustó el algoritmo de rectificación de máscara de nubes previamente propuesto del Moderate-Resolution Imaging Spectroradiometer (MODIS), rectificó el resultado de detección de nubes del MODIS y lo utilizó como los datos precisos de la máscara de nubes. El algoritmo se construyó basado en el análisis de discriminación de Fisher ajustado (AFDA) y los métodos de variabilidad espectral espacial (SSV) sobre cuatro superficies subyacentes diferentes (tierra, desierto, nieve y agua) y dos estaciones (verano e invierno). Este algoritmo divide la identificación en dos pasos para filtrar los clústeres de nubes confiables y las nubes fragmentadas, que no son fáciles de reconocer, respectivamente. En el primer paso, se seleccionaron canales con diferencias obvias en áreas nubladas y despejadas, y se utilizó AFDA para construir una fórmula de suma ponderada a través de los datos espectrales normalizados de las bandas seleccionadas. Este paso transforma la prueba de umbral dinámico tradicional en múltiples bandas en una prueba simple del valor de la suma calculada. En el segundo paso, se utilizó SSV para capturar las nubes fragmentadas calculando la desviación estándar (STD) de los espectros en cada ventana de 3 x 3 píxeles para cuantificar la homogeneidad espectral a pequeña escala. Para evaluar la generalizabilidad espacial y temporal del algoritmo, se realizaron dos evaluaciones: una examinando cuatro regiones clave y otra evaluando tres momentos diferentes en un cierto día en el este de China. Los resultados mostraron que el algoritmo tiene una excelente precisión en cuatro superficies subyacentes diferentes, insensible a las principales interferencias como la neblina y la nieve, y muestra una fuerte capacidad de detección para nubes fragmentadas. Este algoritmo permite una amplia aplicación a diferentes regiones y momentos del día, con una baja complejidad de cálculo, lo que indica que se puede lograr un nuevo método que satisfaga los requisitos de detección de nubes rápida y robusta.