土耳其上空的日全食

这张精彩的日全食影像拍摄于土耳其安达尔耶附近的安卓山,拍摄者是勤勉的天文摄影家Stefan Seip。这张数位影像记录了月亮穿越太阳与地球之间的数个阶段。在最中间的定格,可见到月亮完全遮掩太阳的日全食,当时全黑的月面周围镶着太阳壮观的日冕。前景是在有阳光时拍摄的,它也是     

图世界

这幅引人注目的影像是一对正在交互作用的星系，由位于智利Cerro Pachon的8米南双子星望远镜所拍摄。作为背景，NGC1531是一个有着明亮核心的星系，正好位于作为前景，缀着一丝丝尘埃的漩涡星系NGC1532中央上方。这个组合在南天的波江座方向，距离我们大约5500万光年远。这两个星系因为十分靠近，以致于互相感受到对方的重力效应。这个重力的拉锯战引发了前景星系的恒星形成，沿着旋臂上方边界分布的年轻又明亮的蓝色星团便是一个证据。     

密苏里州上空的卷轴云

这是哪一种云呢?答案是卷轴云(Roll cloud,或称弧状云),这种罕见的长云有时会出现在冷锋前缘。来自往前推进的暴风前缘之下沉下流,会推升前方的湿暖空气,让它的温度低于露点并形成云。如果这种现象在大范围冷锋前缘同时发生时,就会出现这种卷轴云。在卷轴云内,气流有时会沿着卷     

TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数     

火焰星云之内

在这幅1400光年远、挤满恒星形成区的猎人腰带光学影像里，火焰星云是相当醒目的天体。钱德拉天文卫星的X射线数据和斯皮策空间望远镜的红外光影像，能让我们一窥这些辉光云气和不透光尘埃云后方的景观。这张由×射线与红外光数据组成的重叠影像，涵盖了火焰星云中心约15光年的区域。     

GPS时间比对数据的Vondrak平滑和三次样条插值处理

介绍了Vondrak平滑方法和三次样条插值方法。利用国家授时中心时间频率基准重点实验室的GPS时间比对数据,先进行预处理和规范化处理,再采用Vondrak平滑方法和三次样条插值方法进行处理,得到的结果表明:在实际中利用Vondrak平滑方法和三次样条插值方法对GPS时间比对数据处理是可行的,减弱了随机噪声的影响。     

地月空间星地双向单程测量高精度模型

针对使用星地双向单程测量技术实现给定场景下的地月空间高精度测量问题,建立了地月空间纳秒级星地时差解算模型与米级瞬时距离解算模型,定量分析了模型中各因素的量级,并对模型中收发时延、引力时延、定轨误差和大气延迟等多种因素引入的时差和距离估算误差进行了定量分析。仿真数据的处理结果校验了误差量级理论分析的准确性,时差估算的均方根误差优于7.6ns,瞬时距离估算均方根误差优于2.4 m。建立的模型可以对地月空间星地DOWR测量数据进行高精度处理,实现地月空间高精度时间比对,支持未来中国载人登月等任务及地月空间高精度导航技术。     

基于双时相遥感影像差异信息的深度学习滑坡检测

目前利用高分辨率卫星影像进行滑坡等地质灾害识别逐渐成为研究热点,滑坡目视解译依赖于解译人员的经验,耗时费力且提取精度低,而传统的滑坡自动识别方法易将滑坡和道路、裸地、建筑等多种具有相似光谱信息的地物混淆。针对以上问题,文章使用一种双时相高分辨率卫星影像差异信息的深度学习滑坡检测算法,获取时序影像各个波段和归一化植被指数（Normalized Difference Vegetation Index,NDVI）的差异影像作为深度学习的输入特征。为充分挖掘滑坡前后影像多种信息差异特征,采用了U-net网络模型耦合空洞空间金字塔池化和嵌入注意力机制模块相结合进行滑坡特征提取的方法,该方法增强了滑坡边界信息的保存,能够有效地提取滑坡边界信息和发生剧烈变化的区域。利用上述方法对恩施市和九寨沟进行了滑坡检测,实验结果显示,所取得的综合评价指标值（F1-Score）分别为88.4%和90.53%,误差较小、精度较高。表明该方法能够准确检测出高分卫星数据的滑坡边界,且能保持滑坡的完整性。     

基于经验模分解的PPP时间比对数据消噪方法

精密单点定位(PPP)时间比对数据会受到观测噪声的影响,因此对时间比对数据进行消噪是一项重要工作。提出一种基于经验模分解(EMD)的PPP时间比对数据消噪方法,并将该方法与Vondrak滤波方法的消噪效果进行对比。结果表明,两种方法的消噪效果相当,均能有效滤除PPP时间比对数据中的随机噪声,明显改善时间比对的稳定度。