Validation of non-linear split window algorithm for land surface temperature estimation using Sentinel-3 satellite imagery: Case study; Tehran Province,Iran

In recent years, land surface temperature (LST) has become critical in environmental studies and earth science. Remote sensing technology enables spatiotemporal monitoring of this parameter on large scales. This parameter can be estimated by satellite images with at least one thermal band. Sentinel-3 SLSTR data provide LST products with a spatial resolution of 1 km. In this research, direct and indirect validation procedures were employed to evaluate the Sentinel-3 SLSTR LST products over the study area in different seasons from 2018 to 2019. The validation method was based on the absolute (direct) evaluation of this product with field data and comparison (indirect) evaluation with the MODIS LST product and the estimated LST using the non-linear split-window (NSW) algorithm. Also, two emissivity estimation methods, (1) NDVI thresholding method (NDVI-THM) and (2) classification-based emissivity method (CBEM), were used to estimate the LST using the NSW method according to the two thermal bands of Sentinel-3 images. Then, the accuracy of these methods in estimating LST was evaluated using field data and temporal changes of vegetation, which the NDVI-THM method generated better results. For indirect evaluation between the Sentinel-3 LST product, MODIS LST product, and LST estimated using NSW, four filters based on spatial and temporal separates between pairs of pixels and pixel quality were used to ensure the accuracy and consistency of the compared pairs of a pixel. In general, the accuracy results of the LST products of MODIS and Sentinel-3, and LST estimated using NSW showed a similar trend for LST changes during the seasons. With respect to the two absolute and comparative validations for the Sentinel-3 LST products, summer with the highest values of bias (?1.24 K), standard deviation (StDv = 2.66 K), and RMSE (2.43 K), and winter with the lowest ones (bias of 0.14 K, StDv of 1.13 K, and RMSE of 1.12 K) provided the worst and best results for the seasons in the period of 2018–2019, respectively. According to both absolute and comparative evaluation results, the Sentinel-3 SLSTR LST products provided reliable results for all seasons on a large temporal and spatial scale over our studied area.     

基于DDPG算法的无人机集群追击任务

无人机的集群化应用技术是近年来的研究热点，随着无人机自主智能的不断提高，无人机集群技术必将成为未来无人机发展的主要趋势之一。针对无人机集群协同执行对敌方来袭目标的追击任务，构建了典型的任务场景，基于深度确定性策略梯度网络（DDPG）算法，设计了一种引导型回报函数有效解决了深度强化学习在长周期任务下的稀疏回报问题，通过引入基于滑动平均值的软更新策略减少了DDPG算法中Eval网络和Target网络在训练过程中的参数震荡，提高了算法的训练效率。仿真结果表明，训练完成后的无人机集群能够较好地执行对敌方来袭目标的追击任务，任务成功率达到95%。可以说无人机集群技术作为一种全新概念的作战模式在军事领域具有潜在的应用价值，人工智能算法在无人机集群的自主决策智能化发展方向上具有一定的应用前景。     

基于 Kriging与多点取样算法的压气机特性建模

针对航空燃气轮机流量系数插值建模过程中,获取样本数据时的实验成本较高以及插值模型精度偏低这 2个问题,根据样本点在设计空间中的分布与模型精度的关系,在 Kriging插值模型的基础上,采用把垂距作为设计变量取值标准的取样算法。首先,将样本点与相邻 2点之间连线的垂距与垂距阈值进行比较,筛选出符合条件的数据点,形成候选点集;其次,选用高斯函数判定基础点集和候选点集的相关性;最后,使用该算法筛选后的样本点构建 Kriging插值模型。实验结果表明,该方法使用的样本点为原来数量的 70%左右,并且预测精度得到了提高,该方法是有效可行的。     

低空无人机路径规划算法综述

随着无人机技术的发展,无人机在低空的应用场景越来越多,复杂的低空环境对无人机路径规划算法提出了新的要求。本文总结了近年来常用的无人机路径规划算法,包括图搜索算法,线性规划算法,智能优化算法（遗传算法、粒子群算法、蚁群算法）,强化学习算法;对这些算法的原理、适用场景及其优缺点进行了归纳分析;并基于无人机发展现状对无人机路径规划算法进行了展望。     

遗传算法在机翼气动优化设计中的应用

把最优化方法与机翼的气动力求解相结合,进行跨音速机翼的气动优化设计。采用最优化方法为遗传算法,机翼的气动力由三维欧拉方程的数值解来提供。与基准机翼相比较,优化设计的机翼其气动性能有较大幅度的提高,表明遗传算法在机翼优化设计中的可行性和有效性     

航天飞机再入航迹初步设计的一种计算方法

本文给出一种由航天飞机质心位置和飞行速度随高度的变化值计算再入航迹其它运动参数的方法。用美国“哥伦比亚”号航天飞机轨道器的飞行数据验算表明,该方法不失为一种可供再入航迹初步设计中选用的简便算法。     

Levy 方法的改进

由于Levy方法简化了指标函数,并采用经典的最小二乘法,用于估计系统传递函数的参数,受实验数据误差影响大。基于Levy方法但保持原来的指标函数,提出一种改进的增量迭代算法和正交最小二乘法,仿真结果表明,该算法具有良好的收敛性,并使系统参数估计精度较Levy方法有明显的提高。     

计算地球流体力学若干新进展

本文简要介绍了有关计算地球流体力学问题研究的若干新进展,其中包括显式平方守恒格式,经济算法,辛算子法,泥沙冲积和三角洲发育的数值模拟等,从中也可以看到计算地球流体力学的发展是具有重要理论意义和实用价值的。     

Ada动态测试中遗传算法的参数编码方法

介绍了将遗传算法应用在Ada程序结构测试中,被测单元参数按照遗传算法的运算规则进行编码的原则与方法.首先,介绍了包括枚举类型和变长数组的基本数据类型的参数编码方法.由于Ada语言允许使用动态数据结构类型的参数,如何在一个较高自动化的动态测试工具中实现对动态数据结构的自动测试,成为首要关注的问题.因此文中着重介绍了Ada程序的动态数据结构在遗传算法中的编码方法.     

全局最优化问题的一种确定性算法

提出了一种求解全局最优化问题的确定性算法,它属于求解带有给定精度的全局最优解的覆盖法.原理是排除区域,即检查出不包含全局最优解的子区域,并从深入研究中排除出去.对某些特殊类型函数,将区域作一致网格覆盖,通过计算结点处的函数值逐次去除函数值较大的区域,保留函数值较小的区域,最终得到达到要求精度的全局极小值.算法要求函数的Hesse矩阵特征值的界可估计,并利用该界确定算法的终止条件.最后给出了数值例子.