基于深度学习的在轨辐射定标方法研究

辐射定标是将卫星传感器的计数值转化为具有物理意义的数值的关键环节。传统的在轨定标方法都是基于一天的数据,定标精度受限于当天的地面测量数据和天气情况。文章提出了一种基于深度学习的在轨定标新方法,其思想是利用定标场地的大量历史卫星影像、历史大气数据和历史光谱数据,通过对这些数据的学习和筛选,构建和真实场景最接近的定标场地模型。利用这一定标场地模型,模拟出待定标卫星成像时刻对应观测几何下的表观反射率,实现传感器的绝对辐射定标。为验证新方法的有效性,分别利用场地定标法、交叉定标法和深度学习定标法对"高分一号"卫星PMS2相机进行在轨辐射定标。结果表明,深度学习定标法的定标精度和场地定标法接近,优于交叉定标方法,且具备交叉定标方法的成本低、频率高、可实现历史数据再定标等优点,是一种比较理想的在轨定标新方法。