大气臭氧地基遥感反演的退卷积方法

本文提出了一种大气臭氧地基遥感信息处理的新方法,它利用非线性退卷积方法和等效仪器函数提高光谱分辨率,利用非线性最小二乘法进行大气臭氧反演计算,可以显着提高大气臭氧遥感的可探测高度和精度。     

快收敛高可靠PPP-RTK大气改正模型生成方法

生成快收敛、高可靠的大气改正模型是PPP-RTK（precise point positioning-real-time kinematic）应用的关键和瓶颈问题。对顾及快收敛和可靠性的PPP-RTK大气改正模型生成方法进行了研究,通过迭代约束和时域约束保证其快收敛与可靠性,利用武汉CORS（continuously operating reference stations,连续运行参考站）进行试验,45s能够实现水平10cm（95%）的定位精度。在此基础上利用香港CORS进一步验证与分析得出：增加格网密度能够提升定位精度但会增加信息量,需要综合考虑定位效果和播发的信息量,面向普通用户的格网大小经纬度建议设置为0.5°~0.8°;生成大气改正模型的参考站空间分布必须合理且均匀,同时提出可以在合理范围内加入虚拟参考站约束大气改正模型的生成从而保证其收敛性与可靠性。     

面向高分辨率遥感影像的地形辐射校正方法

地形辐射校正对获取准确的地表定量遥感精度意义重大。针对传统地形辐射校正模型不适用于高分辨率遥感影像的问题,提出了一种基于辐射传输模型,同时严控误差源的地形辐射校正方法,以资源三号01星高分辨率全色及多光谱遥感影像为例进行相关实验,实现对高分辨率遥感影像的地形辐射校正,并进行了主客观分析与评价。分析结果表明:本文提出的地形辐射校正模型和方法,能有效解决全色遥感影像在绝对辐射定标系数缺失情况下校正效果差以及如何保持高分辨率遥感影像细节等难点,较传统方法更适用于高分辨率遥感影像。      

DAM大气模型构建与验证

根据热层物理、经验模型原理和代码分析,研究模型构建方法。进而剖析国内热层大气探测和热层模型构建现状,提出存在的困难和未来的发展思路。以GOST模型为基础,分析模型的工作机制、地磁扰动期大气密度预报误差来源和密切相关的模型系数,推导模型密度对相关模型系数的偏导数矩阵。利用天基实测密度,有针对性地构建磁暴期大气模型(DAM)。并通过独立于建模的实测密度数据,验证DAM模型性能。统计发现,地磁活动指数Ap介于100～132时GOST, MSIS00和DAM模型的相对误差均值依次为64.32%,–176.72%,–14.83%。Ap指数80～132时,相对误差均值对应为77.44%,–136.74%,–14.14%,DAM模型性能较GOST和MSIS00均有明显提升。证明通过搭建大气模型框架和实测密度数据估计模型参数的建模方法是可行和有效的。     

空间调制光谱成像仪相对辐射校正方法研究

空间调制干涉光谱成像仪不同于其他类型光谱成像仪,其得到的是包含地物空间信息和光谱信息的立方体干涉数据。该光谱成像仪由于原理特殊,在轨数据定标方法尚不成熟。文中介绍了一种基于统计思想来计算探测器CCD辐射模型的在轨相对辐射校正方法,并通过对\"环境一号\"A卫星上测得的实际在轨数据进行相应的处理,来验证该相对辐射校正处理效果。结果表明该方法可以达到修正CCD响应不均匀性、光场不均匀性和减小非线性相位偏移的双重作用,提高复原光谱的精度。     

基于多种空间信息的高光谱遥感图像分类方法

在高光谱遥感图像分类方法中,空间特征和光谱特征的融合可以有效地改善分类效果。针对单一空间特征的信息表达不充分问题,提出了一种联合多种空间特征的高光谱图像空谱分类方法。利用超像素信息对分类结果进行后处理去掉椒盐噪声,并创造性地将超像素信息应用于分类前处理,提出了一种利用超像素信息对像素点的特征向量进行线性加权融合的方法。试验结果表明,所提方法的性能优于目前的通常方法。     

基于光谱知识的高光谱图像自动识别方法

针对传统高光谱图像矿物识别方法未能充分利用矿物光谱诊断吸收特征与矿物光谱知识、识别过程人为干预多等问题,提出了一种基于光谱知识的高光谱图像自动识别方法.该方法引入了基于光谱吸收特征与波形特征的光谱知识作为自动识别的标准,利用连续统去除操作增强光谱吸收特征,采取基于光谱主次吸收特征的识别决策策略,建立多级约束准则以提高识别精度及避免误识别,通过利用模拟数据进行算法精度评价并应用航空高光谱成像仪AVIRIS(Airborne Visible/Infrared Imaging Spectrometer)数据进行应用分析与验证.结果表明:当图像信噪比大于200时,识别准确率可以达到80.3%,能够得到良好的识别结果以及较高的精度,并实现了基于高光谱图像的矿物自动识别.     

Von Karman模型三维大气紊流仿真理论与方法

基于三维紊流场相关函数矩阵,用蒙特卡罗法仿真生成Von Karman模型三维空间大气紊流场,实现了对复杂的Von Karman模型的精确推导和应用,仿真流场的相关特性在理论上可以任意逼近Von Karman理论模型.通过提高白噪声序列的白化程度及优化蒙特卡罗算法的方法提高了仿真精度和效率.数值仿真结果证明:所生成的空间大气紊流场符合模型特性,具有较好的统计特性和仿真精度,满足实时飞行仿真对紊流场数据的要求.     

风云气象卫星微波大气探测回顾与展望

基于风云三号（FY-3）三个批次极轨气象卫星微波湿度计的研制历程,取得的技术突破与研制进展,涵盖关键技术实现以及关键技术指标的设计与测试评估,微波湿度计在数值天气预报、台风暴雨等灾害性天气预报与监测等方面的科学应用,阐述了星载被动微波大气探测技术的提升。分析微波大气探测的研究现状与发展趋势,重点展望了极轨气象卫星微波大气探测在气象参数探测能力、探测精度、时空分辨率、应用效能等方面的潜力。对标世界气象组织（WMO）2040年愿景规划,针对中国风云五号新一代极轨气象卫星,提出了具有跨代表征的高性能新体制微波大气综合探测系统——高光谱微波大气探测仪,简要陈述了在轨定量化提升的技术途径与应用前景,为风云五号气象卫星微波大气探测载荷研制奠定基础。     

基于经验和物理模型对热层大气密度的评估

低轨航天器所受的大气阻力与大气密度密切相关。精确计算大气密度,可以减少航天器精密定轨和轨道预报的误差。采用大气密度经验模型MSIS2.0、DTM2020、JB2008以及物理模型TIEGCM2.0,对历史强磁暴、大磁暴和小磁暴期的热层大气密度进行模拟,并分析模拟值与CHAMP和GRACE卫星原位探测数据的差异,评估各模型的表现能力。模拟结果表明：(1)经验模型的模拟效果优于TIEGCM2.0物理模型,MSIS2.0和JB2008的模拟值分别比卫星原位探测数据高28%～44%和13%～30%,DTM2020的相对误差最小,在-16%～11%之间;(2)在磁暴开始前或结束后的地磁平静或扰动期,DTM2020的模拟效果最优,其与观测值的中心均方根误差在0.3～0.6之间。在磁暴期,JB2008的模拟效果最优,观测与模拟值的相关系数在0.9左右;(3)对于物理模型TIEGCM2.0,当空间分辨率从5°提高到2.5°时,模拟结果与观测数据之间的平均相对误差从20%下降至17%。以上研究结果表明,各模型对不同空间环境有不同的适用性。在航天工程应用中,可以考虑多模型结合的方式对大气密度进行计算,以提高轨道计算精度。     

Improvement of the ADEOS-II/GLI sun-glint algorithm using concomitant microwave scatterometer-derived wind data

The tendency of over-estimation of sun-glint reflectance was found in GLI satellite ocean color data, after applying the traditional sun-glint model of Cox and Munk together with objective analysis wind data. ADEOS-II has provided a good opportunity to improve the glint model using data measured by GLI and SeaWinds, both onboard the satellite. With the help of simultaneous wind measurements achieved by SeaWinds, the Cox and Munk model is re-evaluated using GLI measurements to obtain a new relationship between the surface mean square slope and wind. The new model was found to be very close to the Cox and Munk under moderate wind speed but is much different under calm condition, where it shows similarity to the result reported by Ebuchi and Kizu. It also improves the ocean color data availability and the precision of sun-glint reflectance, based on the evaluation result of the generated Level 3 data products.     

卫星热网络模型修正技术进展及其改进方法研究

文章对目前卫星热网络模型修正技术的进展情况进行了总结分析 ,针对存在的问题提出了几种有关基于最小二乘法的热网络模型修正技术的改进思路和设想 ,包括参数化修正技术、分级修正技术和瞬态修正技术改进方法等 ,以解决目前工况数据不足、约束条件多、工程实现困难等问题 ,为今后卫星热网络模型修正技术研究提供技术参考     

Deriving remote sensing reflectance from turbid Case II waters using green-shortwave infrared bands based model

The objectives of this study are to validate the applicability of a shortwave infrared atmospheric correction model (SWIR-based model) in deriving remote sensing reflectance in turbid Case II waters, and to improve that model using a proposed green-shortwave infrared model (GSWIR-based model). In a GSWIR-based model, the aerosol type is determined by a SWIR-based model and the reflectance due to aerosol scattering is calculated using spectral slope technology. In this study, field measurements collected from three independent cruises from two different Case II waters were used to compare models. The results indicate that both SWIR- and GSWIR-based models can be used to derive the remote sensing reflectance at visible wavelengths in turbid Case II waters, but GSWIR-based models are superior to SWIR-based models. Using the GSWIR-based model decreases uncertainty in remote sensing reflectance retrievals in turbid Case II waters by 2.6–12.1%. In addition, GSWIR-based model’s sensitivity to user-supplied parameters was determined using the numerical method, which indicated that the GSWIR-based model is more sensitive to the uncertainty of spectral slope technology than to that of aerosol type retrieval methodology. Due to much lower noise tolerance of GSWIR-based model in the blue and near-infrared regions, the GSWIR-based model performs poorly in determining remote sensing reflectance at these wavelengths, which is consistent with the GSWIR-based model’s accuracy evaluation results.     

时间序列法在临近空间大气风场预报中的应用

受多种因素影响,临近空间大气环境要素复杂多变,预报难度很大.本文采用时间序列法中的自回归滑动平均（ARMA）模型对临近空间大气风场开展统计预报方法研究,基于廊坊（39.4°N,116.7°W）中频雷达在88km高度的大气纬向风数据开展预报试验.本次预报试验的样本数据为2015年9月24日至10月24日风场数据,利用过去7天数据对未来第8天风场数据进行预报.试验结果显示,ARMA模型对临近空间大气风场预报有一定的适用性.当风场变化规律性较强,即样本数据风场呈现出比较显著的24h周期性变化时,ARMA模型预报效果较好;当风场发生突变时,预报效果变差.与实测数据的对比结果表明,ARMA模型预报结果的误差在9~27m·s^-1,预报效果优于同阶自回归（AR）模型,略优于高阶AR模型.     

基于上层大气数值模型的X射线传输特性

核爆炸的大部分能量是以X射线形式释放的,研究X射线辐射特性对于天基核爆事件监测,当量反演都具有一定参考价值。根据核爆炸X射线能谱特性,构建了黑体辐射模型;根据NRLMSIS大气模型成分数据和高度密度数据,构建大气分层数值模型,并结合NIST数据库,构建分层大气质量吸收系数模型,提高了大气模型与大气质量吸收系数模型准确度。使用数值模拟程序对X射线在大气中的传输特性进行研究,模拟在临近空间高度核爆炸产生的X射线经过大气吸收后的能谱特性以及不同海拔高度点位的能注量。结果表明,在检测点高度恒定的情况下,斜径角变小会增大X射线传输路径,X射线经过的大气吸收路径越长,能谱峰值越往高能处偏移。在相同高度下,爆炸点的正上方处能注量最大,其他位置随着斜径角减小能注量呈指数级衰减。     

地基大气遥感的循环迭代反演法

文［１］考虑了退卷积后测量仪器的残余影响,提出了等效仪器函数概念及大气参量分布的参考光谱反演化,它利用测量仪器的光谱响应函数和本地区平均大气参量分布作为先验信息,通过退卷积处理提高了大气反演的高度和精度。但是象火山爆发这样一些突发性事件都可能使大气参量分布突然发生较大变化,使根据平均大气分布计算的参考光谱与实际光谱之间产生较大的差异,因而加大了参考等效仪器函数与等效仪器函数之间的偏差,导致大气反演     

基于BP神经网络的高精度陀螺恒流源补偿方法

为了提高陀螺恒流源精度,提出一种基于BP神经网络的陀螺恒流源补偿方法.采用BP神经网络训练恒流源控制指令与恒流源输出之间的非线性映射稳态模型,以实时估计恒流源输出偏差.设计恒流源控制指令补偿判据,当输出偏差超出设定裕度时,按比例对恒流源控制指令值进行实时补偿,使得恒流源输出更接近控制目标值,以实现更优的精度.通过实物在回路仿真验证了上述方案的有效性,并通过与传统对控制指令进行分段线性标定方法相比较,显示了上述方案的恒流控制优势.     

NRLMSISE-00大气模型与GRACE和CHAMP卫星大气密度数据的对比分析

利用GRACE(Gravity Recovery And Climate Experiment)和CHAMP(Challenging Mini-Satellite Payload)卫星2002-2008年的大气密度数据与NRLMSISE-00大气模型密度结果进行比较,分析了模型密度误差及其特点.结果显示,NRLMSISE-00大气模型计算的密度值普遍偏大,其相对误差随经纬度变化,在高纬度相对较小;相对误差随地方时变化,在02:00LT和15:00LT左右较大,10:00LT和20:00LT左右较小.通过模型密度相对误差与太阳F_10.7指数的对比分析发现,在太阳活动低年模型相对误差最大,而在太阳活动高年相对误差较小;将模型结果分别与GRACEA/B双星和CHAMP卫星的密度数据进行比较,发现对于轨道高度更高的GRACE卫星轨道,模型相对误差更大;在地磁平静期,相对误差与地磁ap指数(当前3h)相关性不强,但是在大磁暴发生时,误差急剧增大.     

太阳光谱线轮廓在日面上的变化和宁静太阳大气模型

本文利用在美国基特峰国家天文台观测得到的氢和电离钙多条谱线轮廓,以及PANDORA大气模型计算程序,对宁静太阳VAL-C'大气模型进行了诊断。文中首先讨论了模型大气中不同层次的辐射特性,着重指出H巴尔末谱线同Call共振线和红外线的源函数具有与温度不同的耦合关系。其次,通过计算得到了各条谱线在日面不同点的出射轮廓,并将其同观测轮廓相比较,存在的系统差别有:(1)Hβ和λ8498红外线线心的剩余强度较观测值高,而CaIIH和K线线翼的剩余强度则明显比观测值低;(2)Hβ及caII各条谱线在△λ=0.5Å处的剩余强度值的临边增大系数较观测值大。除上所述及某些观测误差以外,计算值同观测值符合得较好。最后,文章分析了导致计算和观测不符的可能原因,并进而提出了对VAL-C'模型改进的意见。     

Unmixing method for hyperspectral data based on sub-space method with learning process

An unmixing method for hyperspectral Earth observation satellite imagery data is proposed. It is based on a sub-space method with learning process. The proposed method utilizes a sub-space for feature space during unmixing. It is used to be done in a feature space which consists of spectral bands of observation vectors. As the results from the experiments with airborne based hyperspectral imagery data, AVIRIS, it is found that the proposed unmixing is superior to the other existing method in terms of decomposition accuracy and the process time required for the decompositions.