多层前向神经网络的微弱信号检测

多层前向神经网络是一种非线性动力学信息处理系统，是可以实现传统计算机难以实现的高速信息处理能力和最佳信息的检测方法。探讨了神经网络的弱信号检测方法，定性分析了其噪声抑制的原理，给出了神经网络系统框图及实测结果。     

珠海市森林绿地遥感动态监测与驱动力分析

随着城市的发展,城市森林绿地对于提高人类生活环境的品质,发挥着越来越重要的作用。以珠海市为研究区域,应用1995年Landsat5的TM数据、2002年Landsat7的ETM数据、2009年CBERS-02B的CCD与HR数据为主体信息源,通过植被覆盖度指数与三种不同信息提取手段相结合的方法,对珠海市森林绿地的动态变化进行了遥感监测,然后对其变化结果进行了驱动力分析。结果表明：珠海市从1995年到2002年森林面积呈减少趋势,2002年到2009年森林面积又呈增加趋势,从1995年到2009年森林面积总体呈微减趋势。最后将自然驱动力与人为驱动力进行对比分析,人为驱动力是珠海市森林绿地的变化的主导因素。     

越南将在2017年以前发射第二颗遥感卫星

据报道,越南在2013年5月7日成功发射第一颗遥感卫星后,计划将在2017年以前,发射第二颗遥感卫星VNREDSat-1B。越南的第一颗遥感卫星VNREDSat-1和欧洲航天局(ESA)的Proba-V(用于绘制植被覆盖、质量     

CYGNSS/SMAP数据融合半经验模型的土壤湿度反演

星载GNSS反射信号(GNSS-R)的土壤湿度反演易受陆地多变环境因素影响，目前，对于星载GNSS-R土壤湿度反演中误差分析及反演模型外推性能分析较少。综合多种误差修正模型，包括GNSS卫星发射功率误差、植被和地表粗糙度对反射信号强度的衰减，通过修正提高陆地点反射率的准确性，建立了反射率-土壤湿度的CYGNSS/SMAP数据融合的反演半经验模型。实现了一年高精度外推反演，反演偏差为-0.003 7 cm³/cm³，均方根误差(RMSE)为0.026 4 cm³/cm³，相关系数为0.963 6。提出了分季节的外推模型，提高了低含水量季节的外推精度。实验区域的经度为90°E～130°E，纬度为20°N～38°N，利用2019年10月至2020年9月的CYGNSS/SMAP数据进行训练，外推2020年10月至2021年9月的土壤湿度。经误差模型修正反射率后，模型的反演偏差提升6.80%，均方根误差提升3.30%。针对实验区域内冬、春季土壤含水量较低时反演精度差的问题，提出了同季节外推的分季节训练模型，相...     

基于去相干敏感因子的多基线PolInSAR植被高度反演方法

极化干涉合成孔径雷达(PolInSAR)技术通过建立相关质量评价指标筛选最优干涉几何，从而实现多基线植被高度反演。但目前使用的相干性特性、测高精度等质量指标并未关联与干涉几何直接相关的垂直波数，容易降低干涉几何选取的稳健性。本文提出一种基于去相干敏感因子的多基线PolInSAR植被高度反演方法，利用敏感因子描述干涉几何与植被高度的匹配程度，从多个单基线固定消光方法中确定最佳植被高度反演结果。使用欧洲航天局AfriSAR 2016项目的P波段合成孔径雷达(SAR)数据进行实验验证。实验结果表明:以激光雷达(Light Detection and Ranging， LiDAR)获取的植被高度作为参考，本文多基线反演算法的均方根误差为6.19 m，比其他两种传统方法精度分别提高了约14.14%和13.55%。