气象遥感卫星载荷自动化定标研究

来源 :安徽大学 | 被引量 : 0次 | 上传用户:yanhuo68
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目前气象卫星在日常生活中发挥着越来越重要的作用,人们对于卫星观测的精度要求越来越高。随着近年来各国气象卫星发射数量的增多,对卫星场地辐射定标的简便性和可持续性也提出要求。传统的人工观测和单次或几次观测已不能满足卫星遥感器在轨定标和遥感数据定量化应用的需求,亟需将场地的地表和大气光学波段辐射特性观测推向全自动、连续观测的阶段。本文在此背景下,以敦煌卫星辐射定标场为实验场地,对布设在场内的自动化观测设备和定标流程进行了详细的研究。主要的研究内容包括以下几个方面:(1)利用2018年春季和夏秋季开展的两次风云卫星真实性检验实验期间获取的地表实测数据,从时间稳定性和空间均一性上对敦煌卫星辐射定标场地地表辐射特性进行了详细分析。进一步验证了敦煌场地定标的优势所在,同时为自动化定标中场地辐射计观测的多光谱地表反射率转换为高光谱地表反射率提供了理论依据。对影响定标结果的BRDF反射率校正进行了研究,利用校正的的核系数进行辐射定标计算,有效降低了定标偏差。(2)利用自动化观测设备对风云气象卫星进行了多次定标,并与同期开展的人工跑场定标业务进行了定标结果偏差的对比分析。定标对比结果显示:在春季,除受水汽影响较大的波段外,人工定标的总体相对偏差要小于自动化定标的偏差,但在个别波段(如波段14,15)自动化定标要优于人工跑场数据。在夏秋季,人工定标和自动化定标结果总体已经相差不大。总而言之,相比于人工定标,自动化定标在精度相当的同时能够保证定标的高频性。另外发现在观测数据稳定性上人工定标结果的波动要大于自动化定标,从水汽影响波段中可以看出得益于自动化仪器对天空云量以及天气的自动判断,自动化定标获取的数据相较于人工数据的波动性有明显的提升。(3)开发了敦煌场地自动观测辐射定标业务系统软件,生成场地自动化观测地表与大气数据产品,实现基于场地自动观测数据的卫星辐射定标处理。敦煌场地自动观测辐射定标业务系统软件界面简洁,使用方便,用户选择所需定标的卫星之后输入定标所需的大气参数、几何参数便可以获得定标卫星的观测DN值与地表反演的表观反射率,完成整个定标流程。(4)基于MODIS卫星数据对自动化定标精度进行了验证,对自动化定标过程中会引起定标误差的因素进行了详细分析。讨论了地表反射率、气溶胶光学厚度、BRDF、辐射传输模型测量误差的来源和各个计算过程造成的最终反演不确定度。结果显示人工定标的平均总体偏差在2%以内,基于反射率基法的自动化定标平均结果偏差略大在3.23%以内。另外还对引起定标不确定度的几个主要因素:地表反射率、大气参数、辐射传输模型等进行了详细分析,确定了本文中自动化定标的总体不确定度在5.17%~6.47%之间。本文依托于部署在中国国家卫星辐射定标场敦煌站点的野外观测基地配置的具备自动化、长期野外工作能力的仪器设备,详细介绍了自动化观测基地地表测量设备和大气参数的自动化业务观测能力,研究了自动化定标流程,分析了定标精度和不确定度,为风云气象卫星及国内外相关过境卫星开展业务辐射定标处理奠定了理论基础。
其他文献
随着电子商务的不断发展,车辆路径优化问题成为物流领域的研究热点,合理的路径规划可以有效提高货物运送效率,降低运输成本。进化算法在求解该问题上可以获得较好解,因而诸多学者对此进行了深入研究。然而,现有基于进化计算的求解方法搜索解的速度较慢,并且存在随着问题规模不断扩大算法性能急速下降的情况。因此,本文针对带容量约束的车辆路径优化问题(Capacitated Vehicle Routing Probl
自然语言理解作为构建人机对话系统的核心组成部分之一,具有非常重要的科学研究价值。而意图识别则是自然语言理解系统中的一项子任务,其准确性直接影响到了自然语言理解性能,进而影响人们对人机对话系统使用的体验。随着人机对话系统的不断发展和完善,越来越多的任务型人机对话系统不断地部署到人们的现实生活中,如智能手机助手、车载语音助手以及APP中的智能客服系统等等。然而,由于人类口头语言在现实场景中的随意性和简
RGBT目标跟踪是指通过结合可见光(RGB)和热红外(T)视频数据进行目标跟踪的新兴热点研究课题。多年来,基于单模态的目标跟踪技术取得重要突破,但是该类算法在面对一些较为复杂的场景或者极端条件下仍旧难以发挥良好的性能,例如光照不足、恶劣天气、背景杂乱和目标遮挡等。由于热红外成像能够很好克服上述挑战因素的影响,弥补可见光成像的不足,而可见光图像可以补充热红外成像中丢失的颜色和细节信息,因此,合理利用
随着信息社会的高速发展,网络这种数据结构存在于越来越多的现实情境,并在计算机及其相关领域得到广泛应用,对这些网络进行分析具有很高的学术价值和现实应用价值。值得注意的是,进行有效的网络分析一般依赖于对网络的表示方式。传统的对网络进行表示的方法通常是使用高维稀疏的向量,但现如今复杂网络中的连边数量和节点数量是可能达到数十亿,因此使用传统的网络分析方法在整个网络上进行计算和推理面临很多困难。网络表示学习
社会的不断进步和持续发展促使工业生产和生活环境的多样性也在不断增加。在物品的生产和使用过程中,产品表面发生异变从而导致缺陷的发生是不可避免的。因此,如何高效、准确的检测缺陷的发生,一直是人们不断思考的问题。缺陷检测是工业生产中无法避免且必要的一个环节。科学技术的进步和近年来深度学习技术的不断突破,使得机器视觉在各个应用场景的优势也越来越明显。本文以卷积神经网络为理论基础,针对工业产品表面缺陷自动检
轴承作为旋转机械的重要组成部件,其健康状况影响机械设备的正常运行。因此,轴承运行状况的监测和诊断对保证机械设备的正常运行有着极为重要的意义。本文以列车轴承和普通滚动轴承为研究对象,提出基于改进线性判别分析(Improved Linear Discriminant Analysis,ILDA)的状态特征提取方法和基于自适应线性判别分析(Adaptive Linear Discriminant Ana
相比于回归模型参数的人体重建方法,基于图卷积网络的重建方法避免了网络难以学习旋转表示的问题,但现有的图卷积网络重建工作仍然有收敛速度慢,模型点发散和复杂姿势下模型不准确的问题。针对该问题,本文提出重建准确三维人体的多模块多层次图卷积网络结构和基于模型整合的全身三维重建技术。全文主要包括以下三个部分:1.对近年来的人体三维重建技术进行调研。对相关工作进行分类讨论,介绍了各类方法的优势和缺陷,并根据现
属性网络是描述复杂现实世界的有效工具,其中的节点之间存在边,能够描绘纷繁复杂的关系。属性网络中的节点能够携带多种属性,如文本、音频和图像等丰富信息。属性网络表示学习旨在将属性网络中的网络结构和属性等信息保存在低维的向量空间中,为节点学习低维、高质量的表示向量。属性网络表示学习获得的表示向量可以应用到多种下游任务中,例如节点分类、链路预测和可视化等。当前属性网络表示学习方法可分为两类,一类是无监督的
临近预报一般是指对某一区域未来短时间内(0-2 h)的降水量或者强对流天气进行预报,在日常的气象灾害防范中有着极其重要的作用。我国位于东亚地区,濒临太平洋西海岸,大陆性季风气候显著,这就使得我国在夏秋两季饱受洪涝灾害侵袭的困扰,因此建立一个准确的临近预报系统对我国来说是迫切需要的。准确的降水临近预报系统不仅可以有效的指导人们的日常生活,出行以及户外活动,同时对于道路交通,空中运输以及气象灾害预警的
随着商标数据的爆炸式增长,国内外发生的商标近似侵权案件越来越多,如何从海量商标数据中准确地检索出近似商标,从而辅助用户对商标进行调整,提高商标注册成功率,成为商标领域值得研究的一个问题。目前,短文本相似度计算方法广泛用于商标领域中,现有中文商标相似度计算主要是从字形、拼音及含义这三个角度出发,在字形和拼音角度存在近似判定因素单一片面的问题,在含义角度存在同义词识别不准,知识库有限和相似度计算结果不