CN103093098A - 一种卫星光学传感器动态观测能力的定量评价方法 - Google Patents

Abstract

本发明公开了一种卫星光学传感器动态观测能力的定量评价方法，本发明解决了现有的卫星光学传感器观测能力评价方法中存在的无法进行定量和动态评价的问题，提出了一种综合考虑了卫星和传感器的固有指标、传感器成像环境的复杂性、传感器平台的动态性、观测任务的主题性和观测指标的可变性的动态观测能力的定量评价方法。和现有的传感器评价方法相比，本发明方法定量、全面地计算了影响卫星光学传感器动态观测能力的四项因素：时空覆盖能力值、主题观测能力值、观测环境值和模糊综合评价值，具有定量和动态的特点，有助于在发生各类自然灾害时，对现有的各类卫星光学传感器进行定量、动态的评价，区分观测能力的大小，更好的做出决策。

Description

一种卫星光学传感器动态观测能力的定量评价方法

技术领域

本发明涉及一种传感器观测能力的评价方法，特别涉及一种卫星光学传感器动态观测能力的定量评价方法，属于地球空间信息领域。

背景技术

2009年，美国“关注科学家联盟”组织公布的全世界卫星数据库显示，目前正在环绕地球飞行的共有795颗各类卫星，美国拥有413颗，中国只有50余颗，我国到2020年预计也只有80多颗。如何更加有效的利用相对稀缺的卫星资源进行大量的灾害监测，是目前在卫星遥感灾害监测领域面临的主要问题。

为了有效的利用相对稀缺的卫星资源，首先需要一种可以科学、动态、定量的对不同卫星传感器的观测能力进行评价的方法。依据此方法，评价在不同对地观测任务中，不同卫星传感器的能力大小，以此供决策者评估卫星传感器具有的一种动态的观测能力，这样就可达到卫星资源的最大效率的使用。相反的，如果我们不对已有的卫星资源的动态观测能力进行客观的评价，任意规划卫星任务，在应对重大自然灾害时，就会面临盲目性，进而影响卫星灾害监测的效果。

所谓卫星传感器的动态观测能力，指的是卫星传感器对于具体任务需求的具体完成能力。也就是在一定的时空条件下，针对某类观测主题，评估卫星传感器满足观测任务的程度。其中，动态区别于静态，强调的是卫星传感器的观测能力不是一个固定的能力，是会随着观测时间、观测空间、观测主题、观测环境而发生变化，是一个可变的能力。基于这个概念，动态的观测能力评价在灾害应急响应中便有着重要的作用。因为灾害的突发性、地域性和主题性决定了观测任务的可变性，对应于可变的观测任务，不同的卫星传感器也将会有可变的观测能力。因而，提出一种传感器动态观测能力的定量评价方法是非常有必要的。

目前已有的评价方法要么集中在卫星能力参数的简单描述上^[1]，或模糊的定性对比上，不具有定量性，要么没有考虑到传感器能力和具体任务需求是密切相关的，只是单方面的集中在传感器成像质量的评价上^[2～5]，或只依据传感器本身参数确定一个静态的评价结果^[6～7]，忽视了在不同的应用需求下，同一传感器的观测能力是不同的，即忽视了传感器观测能力的动态性。

综合分析，目前传感器观测能力的评价方法存在以下问题：

1）缺乏有效的定量评价。

为了更加深刻的认识传感器的动态观测能力，需要对影响传感器观测效果的多种因素进行定量分析。现阶段一些定性的能力描述、简单的参数模型，并不能精确有效的刻画传感器的观测能力，在一些重大灾害应急场景中，缺乏定量的评价会造成决策结果的不确定性增加，不能最大效率地利用有限的对地观测资源。

2）对传感器能力的动态性认识不足。

现有技术未综合考虑用户需求和传感器性能的相关性，往往孤立的、片面的只从传感器固有的能力入手，这与实际的应用情况是不相符的，因而也不可能在实际的评价中使用。仅针对传感器的成像质量进行静态评价，忽略不同任务需求的不同要求，不同时空的环境变化，就不会对传感器，尤其是卫星光学传感器的观测能力有深入全面的认识。

文中涉及如下参考文献：

[1]冷猛．卫星对地观测需求分析方法及其应用研究[D]．国防科学技术大学．2011，15-17．

[2]刘江，张为成、王强．MODIS影像质量评价方法研究[J]．黑龙江工程学院学报（自然科学版）．2009(23)．

[3]李小芸，齐豪，李剑白、陈常彦．光学系统成像质量评价基本指标体系的研究[J]．江西科学．2011(29)．

[4]余婧，陈浩，李军．地理因子对卫星成像质量影响预估方法研究[J]．遥感信息．2011.05．

[5]孙中平，熊文成，魏斌，厉青，吴传庆，刘晓曼．环境一号卫星CCD影像质量评价研究[J]．红外．2010.09．

[6]张栋．天基信息系统的资源建模与能力计算方法研究[D]．国防科学技术大学．2007，20-23．

[7]沈如松，宋贵宝，吕为民，彭绍雄．成像侦察卫星识别目标能力分析[J]．系统仿真学报．2006(18)．

发明内容

针对现有技术存在的不足，本发明综合考虑了卫星和传感器的固有指标、传感器成像环境的复杂性、传感器平台的动态性、观测任务的主题性和观测指标的可变性，全面系统的分析了影响卫星光学传感器观测能力的各项因素，并基于此提出了一种卫星光学传感器动态观测能力的定量评价方法。

为了解决上述技术问题，本发明采用如下的技术方案：

一种卫星光学传感器动态观测能力的定量评价方法，包括步骤：

步骤S100：获取卫星光学传感器过境时对目标区域的覆盖率，并根据所得覆盖率获得卫星光学传感器的时空覆盖能力值，所述的覆盖率为卫星光学传感器过境时对目标区域的有效观测面积和目标区域总面积的比值，所述的有效观测面积为卫星光学传感器过境时覆盖的区域和目标区域交集的面积；

步骤S200：判断观测任务涉及的观测主题是否为卫星光学传感器的潜在应用，并根据判断结果获取卫星光学传感器的主题观测能力值；

步骤S300：根据太阳、云和地形对卫星光学传感器观测效果的影响，获得卫星光学传感器过境时的观测环境值，所述的太阳、云和地形对卫星光学传感器观测效果的影响即为：太阳、云和地形对地物辐射传输过程的影响；

步骤S400采用模糊综合评价法评价卫星光学传感器性能指标对观测任务需求的满足程度，并获得卫星光学传感器的模糊综合评价值；

步骤S500综合考虑卫星光学传感器的时空覆盖能力值、主题观测能力值、观测环境值和模糊综合评价值，获得卫星光学传感器动态观测能力的定量评价结果。

步骤S100中，所述的根据所得覆盖率获得卫星光学传感器的时空覆盖能力值具体为：

当卫星光学传感器过境时对目标区域的覆盖率不小于设定值时，则卫星光学传感器的时空覆盖能力值为该设定值；否则，卫星光学传感器的时空覆盖能力值为覆盖率。

步骤S200具体为：

判断观测任务涉及的观测主题是否为卫星光学传感器的潜在应用，若观测任务涉及的观测主题为卫星光学传感器的潜在应用，则卫星光学传感器的主题观测能力值为1；否则，卫星光学传感器的主题观测能力值为0。

步骤S300进一步包括一下子步骤：

S301在卫星光学传感器过境时刻，根据太阳常数、太阳高度角、大气透明度和大气质量参数获取目标区域地面接收的太阳直接辐射值和太阳散射辐射值；

S302在卫星光学传感器过境时刻，根据目标区域的地形和太阳高度角获取地表起伏对太阳辐射的影响值；

S303在卫星光学传感器过境时刻，根据目标区域的地面气象观测或遥感观测获取光学传感器过境时的云量覆盖率，所述的云量覆盖率为目标区域内云覆盖的面积与目标区域总面积的比值；

S304根据所得太阳直接辐射、太阳散射辐射、地表起伏对太阳辐射的影响和云量覆盖率获取目标区域的太阳辐射值，基于太阳辐射值获得卫星光学传感器的观测环境值。

所述的观测环境值为太阳辐射值与理想太阳辐射值的比值。这里，理想太阳辐射值为环境影响程度最小情况下的辐射值，即太阳高度角为90°、大气质量为1、云量覆盖率为0、大气透明度为0.63、地形起伏影响值为1时的太阳辐射值。

步骤S400进一步包括以下子步骤：

步骤S401以卫星光学传感器的观测能力为评价对象，以卫星光学传感器的性能指标作为评价其观测能力的因素集中的元素，定义评价集并对其中的“优，良，中，差”四个元素赋值；所述的因素集U中的元素为不确定度、水平空间分辨率、观测重访周期、垂直空间分辨率、星上存储量中的至少一种，其中，不确定度为卫星观测中系统误差和随机误差造成的总误差；

步骤S402基于因素集中的元素与观测任务需求的模糊隶属度函数，通过模糊合成获得卫星光学传感器的性能指标与上一步定义的评价集的模糊关系矩阵；

步骤S403采用层次分析法获得卫星光学传感器各性能指标的权重并形成权重向量；

步骤S404将模糊关系矩阵和权重向量合成为模糊综合评价结果向量；

步骤S405将综合评价结果向量映射为具体的模糊评价值，从而得到卫星光学传感器的模糊综合评价值。

上述步骤S403具体为：

采用成对比较法对因素集中各性能指标之间的相对重要性进行评分，基于评分获得性能指标的权重，根据各性能指标的权重得到因素集的权重向量。

上述步骤S404中采用加权平均型算子进行模糊合成。

上述步骤S405具体为：

采用如下公式将模糊综合评价结果向量映射为具体的模糊综合评价值u^*：

$u^{*}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{\μ}\left(v_i\right)\·B_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{B}_i}$

其中，

n为因素集中因素的数量，即卫星光学传感器的性能指标数量；

B_i为模糊综合评价结果向量B中的第i个元素；

μ(ν_i)是评价集中的第i个元素的赋值。

步骤S500中获得卫星光学传感器动态观测能力评价值具体方法为：

将卫星光学传感器的时空覆盖能力值、主题观测能力值、观测环境值和模糊综合评价值相乘即得到其动态观测能力评价值。

和现有技术相比，本发明具有以下优点和积极效果：

本发明实现了卫星传感器评价的定量化，不同于一般的定性描述卫星传感器的好或坏，较好或较坏，本发明评价方法采用了定量化的数学函数和层次分析法、模糊综合评价法等，将定性评价转为定量评价，因此，最终的评价结果可以精确地反映不同卫星光学传感器观测能力的差别，更有利于决策。

本发明方法能对卫星光学传感器的观测能力进行动态性评价，相比于现有的卫星光学传感器观测能力的静态评价方法，本发明考虑的四项评价内容（时空覆盖能力值、主题观测能力值、观测环境值和模糊综合评价值）涵盖了传感器的空间动态性、观测任务的主题性、观测环境的动态性和观测需求的可变性这四个方面，尤其揭示了不同观测需求造成的不同传感器的不同观测能力，从而更加全面、系统地反映了传感器观测活动中的影响因子，因而本发明的动态性能力评价更加符合实际应用需求。

综上，本发明提供的评价方法综合考虑了卫星和传感器的固有指标、传感器成像环境的复杂性、传感器平台的动态性、观测任务的主题性和观测指标的可变性，全面系统的分析了影响卫星光学传感器观测能力的各项因素，是一种系统的、动态的、定量的评价方法，具有合理性和实用性。因而，有助于在发生各类自然灾害时，对现有的各类卫星光学传感器进行定量、动态的评价，区分观测能力的大小，更好的做出决策。

附图说明

图1是本发明方法整体流程图；

图2是本发明步骤S100的具体流程图；

图3是本发明步骤S200的具体流程图；

图4是本发明步骤S300的具体流程图；

图5是本发明步骤S400的具体流程图；

图6是本发明步骤S500的具体流程图。

具体实施方式

能否对卫星光学传感器的观测能力进行定量、动态和实用的评价，关系到认识传感器观测能力的客观程度，关系到应急监测中决策的可靠性和科学性。因而，本发明提供的这样一种系统的、动态的、定量的评价方法具有重要的现实意义。

下面结合具体实施例本发明作进一步说明：

首先假设一个实际应用场景：武汉区域发生洪涝灾害，需要使用对地观测光学卫星进行灾情监测，目标区域矩形的左下角纬经度为（30.33376860437097，114.02847290039062），右上角经纬度为（30.680439786468128，114.59014892578125），任务时间段为（2012-12-15，2012-12-20）。

下面将结合上述应用场景和附图详细说明本发明提供的卫星光学传感器动态观测能力的定量评价方法，具体流程见图1。

步骤S100：获取卫星光学传感器过境时对目标区域的覆盖率，并根据所得覆盖率获得卫星光学传感器的时空覆盖能力值，具体流程如图2所示。

S101：根据用户提出观测任务的经纬度，即目标区域经纬度，计算目标区域的总面积。

上述矩形目标区域，左下角经纬度为（30.33376860437097，114.02847290039062），右上角经纬度为（30.680439786468128，114.59014892578125）），根据目标区域的经纬度计算目标区域的总面积为2119406367.61m²。

S102：获得观测任务时间段内卫星星下点的经纬度。

例如，2012年12月15日10:30:00时刻，可获得卫星SPOT-4的星下点经纬度为（-53.35385436796549，92.39567882212022），则可表示为（SPOT-4，2012-12-15T10:30:00，纬度=-53.35385436796549，经度=92.39567882212022）。

S103：获取卫星光学传感器过境时对目标区域的有效观测面积，所述的有效观测面积为光学传感器过境时覆盖的区域和目标区域交集的面积。

例如，2012年12月15日10:01:24时刻，卫星SPOT-4过境，此时卫星SPOT-4上的光学传感器HRVIR观测到属于目标区域的面积为1096262943.6462725m²，即光学传感器HRVIR对目标区域的有效观测面积1096262943.6462725m²，并表示为（SPOT-4，HRVIR，2012-12-15T10:01:24，1096262943.6462725）。

S104：获取卫星光学传感器过境对目标区域的覆盖率。

用步骤S103所得有效观测面积除以步骤S101所得目标区域总面积，即可得到光学传感器过境对目标区域的覆盖率。

例如，2012年12月15日10:01:24时刻卫星SPOT-4上的光学传感器HRVIR过境时对目标区域的覆盖率为51.7%，并表示为（SPOT-4，HRVIR，51.7%）。

S105：根据卫星光学传感器过境对目标区域的覆盖率来获取卫星光学传感器的时空覆盖能力。

如果步骤S104中所获取的光学传感器的覆盖率大于1，则该光学传感器的时空覆盖能力值为1，否则时空覆盖能力为覆盖率。依据此判断准则，卫星SPOT-4上的光学传感器HRVIR的时空覆盖能力值为0.517。

步骤S200：判断观测任务涉及的观测主题是否为卫星光学传感器的潜在应用，并根据判断结果获取卫星光学传感器的主题观测能力值，具体流程如图3所示。

S201：获取卫星光学传感器的潜在应用数据库，从而获得卫星光学传感器对应的潜在应用。

例如，根据卫星SPOT-4搭载的的光学传感器HRVIR的潜在应用数据库，获得光学传感器HRVIR的潜在应用包含了水环境监测、大气环境监测和森林野火监测三项主题，说明光学传感器HRVIR如果应用在上述三类主题的观测任务中将会取得较好的结果。

S202：根据步骤S201的结果获取卫星光学传感器的主题观测能力值。

如果观测任务涉及的主题为卫星光学传感器的潜在应用，则卫星光学传感器的主题观测能力值为1；否则为0。在本实例中，依据上述判断准则，用户提出的观测主题是“洪涝监测”，属于水环境监测。故卫星SPOT-4上光学传感器HRVIR的主题观测能力值为1。

步骤S300：根据太阳、云和地形对卫星光学传感器观测效果的影响，获得卫星光学传感器的观测环境值。因为卫星光学传感器是通过接受地物的辐射来进行成像观测的，故太阳、云和地形等观测环境对观测效果的影响就是观测环境对地物辐射传输过程的影响，具体流程如图4所示。

S301：在卫星光学传感器过境时刻，根据太阳常数、太阳高度角、大气透明度和大气质量参数获取目标区域地面接收的太阳直接辐射。

例如，卫星SPOT-4上搭载的光学传感器HRVIR的过境时刻为2012年12月15日10:01:24，此时，太阳常数S₀为1353W/m²，太阳高度角h为28.9576°，大气质量m为2.06，目标区域冬季大气透明度P₂为0.63，太阳直接辐射I_d的计算模型为：

I_d＝S_oP₂ ^msinh          （1）

则卫星光学传感器过境时刻目标区域的太阳直接辐射I_d为252.8893W/m²。

S302：在卫星光学传感器过境时刻，根据太阳常数、太阳高度角、大气透明度和大气质量参数获取目标区域地面接收的太阳散射辐射。

例如，卫星SPOT-4上搭载的光学传感器HRVIR过境时刻为2012年12月15日10:01:24，此时，太阳常数S₀为1353W/m²，太阳高度角h为28.9576°，大气质量m为2.06，大气透明度P₂为0.63，太阳散射辐射I_s的计算模型为：

I_s＝(0.271-0.2913P₂ ^m)S_osinh          （2）

则卫星光学传感器过境时刻目标区域的太阳散射辐射I_s为103.8578W/m²。

S303：在卫星光学传感器过境时刻，根据目标区域的地形和太阳高度角获取地表起伏对太阳辐射的影响。

因为目标区域位于江汉平原中部，地形以平原为主，地形平坦开阔，除局部山丘外，一般高程在21m～27m之间，平均地面高程约24m。因此地表起伏对太阳辐射影响在本实例中可以设为1，表示基本无影响。如果地形起伏较大，可按照如下模型获取地表起伏对太阳辐射的影响：

d_x＝hill/(255sinh)          （3）

其中，d_x为地表起伏对太阳辐射影响值，hill为起伏地形的山影值，h为太阳高度角。

S304：在卫星光学传感器过境时刻，根据目标区域的地面气象观测或遥感观测获取光学传感器过境时的云量覆盖率。云量覆盖率P_c定义为在目标区域内云覆盖的面积与目标区域总面积的比值，根据地面气象站人工观测或者遥感影像云量提取方法，可以得到光学传感器HRVIR过境时刻的云量覆盖率P_c大概为75%。

S305：根据步骤S301～S304的结果获取光学传感器的观测环境值。

如前面子步骤S301-S304所示，分析了太阳直接辐射、太阳散射辐射、地形对辐射影响和云量，通过已有的光学传感器接收辐射模型I＝(I_dd_x+I_s)(1-P_c)²获得目标区域的太阳辐射值I，其中，I_d为太阳直接辐射，d_x为地表起伏对太阳辐射影响值，I_s为太阳散射辐射，P_c为云量覆盖率。根据步骤S301～S304的结果可获得I为22.2967。

理想太阳辐射值I_best为环境影响程度最小情况下的辐射值，环境影响程度最小情况下，太阳高度角为90°，大气质量为1，云量覆盖率为0，大气透明度为0.63，地形起伏影响值为1，利用I＝(I_dd_x+I_s)(1-P_c)²模型获取理想太阳辐射值I_best为970.7518。

观测环境值为光学传感器接收到的太阳辐射与理想辐射值I_best的比值，如下：

观测环境值=I/I_best          （4）

这样就可以得到一个立体的观测环境（太阳-云-地形）对从地表辐射到卫星光学传感器中的辐射量的影响程度，即观测环境值。本具体实施中的观测环境值为0.023。

步骤S400：获取卫星光学传感器对观测任务需求的满足程度。

本步骤主要使用模糊综合评价法评价卫星光学传感器性能指标满足观测任务的程度，同时还使用了层次分析法获得各项性能指标的权重。具体流程如图5所示。

S401：确定评价对象、因素集及评价集。

本发明中，评价对象是卫星搭载的光学传感器的观测能力，在模糊综合评价中影响其观测能力的因素集U={u1，u2，u3}={不确定度、水平空间分辨率、观测重访周期}，定义评价集V=(v₁，v₂，v₃，v₄)={优，良，中，差}={1，0.8，0.6，0.1}。不确定度指的是由于卫星观测中的系统误差和随机误差造成的总误差大小，一般使用经验值。本发明因素集中的元素并不限定为不确定度、水平空间分辨率和观测重访周期，可以根据实际情况增加或替换其他因素，比如增加或替换垂直空间分辨率、星上存储量等传感器评价指标。

S402：使用光学传感器的性能指标与观测任务需求的模糊隶属度函数，通过模糊合成运算确定光学传感器的性能指标与评价集的模糊关系矩阵。

下面以洪涝监测观测任务为例对本步骤进行详细说明。

洪涝监测的需求如表1所示，其中，t表示下限阈值，b表示突破值，g表示上限阈值。

表1洪涝监测的需求

观测变量值与观测任务完成效果的对应关系如表2所示。观测变量值为卫星光学传感器性能指标的具体值，本具体实施中的观测变量值为卫星光学传感器的不确定度、水平空间分辨率和观测重访周期的值。

表2观测变量值X与观测效果的对应关系

观测变量值	观测效果
		X>t	差
t>X>b	中
		b>X>g	良
X<g	优

同时根据公开的文献可获得得到光学传感器HRVIR的性能指标参数如表3所示。

表3光学传感器HRVIR的性能指标参数

传感器	不确定度(%)	水平空间分辨率(m)	观测重访周期(h)
				HRVIR	8	20	72

设μ₁（x）、μ₂（x）、μ₃（x）、μ₄（x）分别代表评价集中“优”、“良”、“中”、“差”四个模糊子集，x表示卫星光学传感器的性能指标参数值，μ₁（x）为x属于“优”这个子集的程度，μ₂（x）、μ₃（x）、μ₄（x）以此类推，模糊隶属度函数选择梯形分布函数，即可得四种模糊隶属度函数如下：

${\mathrm{\&mu;}}_1\left(x\right)=\left\{\begin{array}{cc}1& x<\frac{g}{2}\\ \frac{\frac{g}{2}-x}{g-\frac{g}{2}}& \frac{g}{2}\&le;x\&le;g\\ 0& x>g\end{array}\right.---\left(5\right)$

${\mathrm{\&mu;}}_2\left(x\right)=\left\{\begin{array}{cc}0& x<\frac{g}{2}\\ \frac{x-\frac{g}{2}}{g-\frac{g}{2}}& \frac{g}{2}\&le;x\&le;g\\ 1& g<x<\frac{g+b}{2}\\ \frac{b-x}{b-\frac{g+b}{2}}& \frac{g+b}{2}\&le;x\&le;b\\ 0& x>b\end{array}\right.---\left(6\right)$

${\mathrm{\&mu;}}_3\left(x\right)=\left\{\begin{array}{cc}0& x<\frac{g+b}{2}\\ \frac{x-\frac{g+b}{2}}{b-\frac{g+b}{2}}& \frac{g+b}{2}\&le;x\&le;b\\ 1& b<x<\frac{b+t}{2}\\ \frac{t-x}{t-\frac{b+t}{2}}& \frac{b+t}{2}\&le;x\&le;t\\ 0& x>t\end{array}\right.---\left(7\right)$

${\mathrm{\&mu;}}_4\left(x\right)=\left\{\begin{array}{cc}0& x<\frac{b+t}{2}\\ \frac{x-\frac{b+t}{2}}{t-\frac{b+t}{2}}& \frac{b+t}{2}\&le;x\&le;t\\ 1& x>t\end{array}\right.---\left(8\right)$

因此，利用上述四个模糊子集的定义及模糊隶属度函数，可得到因素集与评价集的模糊关系矩阵R：

$R=\left[\begin{array}{ccc}R|& & u_1\\ R|& & u_2\\ & ...& \\ R|& & u_p\end{array}\right]={\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1m}\\ r_{21}& r_{22}& ...& r_{2m}\\ ...& ...& ...& ...\\ r_{p1}& r_{p2}& ...& r_{\mathrm{pm}}\end{array}\right]}_{p.m}=\left[\begin{array}{cccc}0& 0& 0.8& 0.2\\ 1& 0& 0& 0\\ 0& 0& 0& 1\end{array}\right]---\left(9\right)$

其中，p表示因素集中元素的数量，本具体实施中p为3；m表示评价集中元素的数量，本具体实施中m为4。矩阵R中第i行第j列元素r_ij，表示传感器从因素u_i来看对v_j等级模糊子集的隶属度。比如，针对本实施例得到的模糊关系矩阵R，其第一行[000.80.2]代表传感器HRVIR的第一个性能指标不确定度属于“优”模糊子集的隶属度为0，属于“良”模糊子集的隶属度为0，属于“中”模糊子集的隶属度为“0.8”，属于“差”模糊子集的隶属度为0.2。

S403：使用层次分析法确定水平空间分辨率、观测重访周期、不确定度三个指标的权重，获取权重向量。在模糊综合评价中，设上述三个指标的权重向量W＝(w₁,w₂,w₃)，其中 $\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}{w}_i=1.$

首先，根据三个评价指标（不确定度、水平空间分辨率、观测重访周期）的相对重要性及Saaty提出的1-9比较标度，使用成对比较法进行评分，获得评价指标的权重。

本实施例所得评价指标的相对重要性、权重表格及一致性检验结果如表4所示。

表4中第二行第三列的数值“2”代表指标1（不确定度）与指标2（水平空间分辨率）相比，前者比后者稍微重要一点。本具体实施中的成对比较法使用的就是Saaty提出的1-9比较标度来判断两两指标之间的重要程度。Saaty提出的1-9比较标度见表5。

表4评价指标的相对重要性和权重

表5Saaty提出的1-9比较标度

标度	意义
		1	表示两个因素相比，两者具有同等重要性
3	表示两个因素相比，前者比后者稍微重要
		5	表示两个因素相比，前者比后者明显重要
7	表示两个因素相比，前者比后者当然重要
		9	表示两个因素相比，前者比后者绝对重要
2，4，6，8	表示上述判断可以使用的其它中间值

在表4中，u₁、u₂、u₃分别代表三个评价指标，W为各指标对应的权重，也是最大特征值对应的特征向量，λ_max为最大特征值，CI为一致性指标，CR为一致性比例。虽然采用成对比较法能减少其他因素的干扰，较客观地反映出一对指标之间影响力的差别。但综合全部比较结果时，其中难免包含一定程度的非一致性，如果非一致性越严重，说明上述评价越不合理。

因此要进行一致性检验，以决定是否接受上述包含权重的矩阵。首先可以根据最大特征值λ_max与指标个数n的大小来判断，如果λ_max比n大得越多，说明非一致性程度越严重，在本例中，λ_max为3.0183，与n=3很接近，说明一致性较好，可以接受上述评价结果。其次，可以计算一致性比例CR判断，当一致性比例CR<0.10时，认为一致性是可以接受的，否则就应对上述矩阵作适当修正。

一致性比例CR的计算公式为：

$\mathrm{CR}=\frac{\mathrm{CI}}{\mathrm{RI}}---\left(10\right)$

其中CI为一致性指标，其计算公式为：

$\mathrm{CI}=\frac{{\mathrm{\&lambda;}}_{\max }-n}{n-1}---\left(11\right)$

RI为平均随机一致性指标，可通过Saaty给出的表格（见表6）查找到不同n对应的RI。

表6平均随机一致性指标和评价因素数量的对应关系

n	1	2	3	4	5	6	7	8	9
										RI	0	0	0.58	0.90	1.12	1.24	1.32	1.41	1.45

本具体实施中，评价因素数量n为3，故RI为0.58，CI为0.00915，CR为0.0158<0.1，判断矩阵的一致性可以接受，说明两两指标之间的相对重要性程度可以接受。

S404：选用加权平均型算子，将权重向量与模糊关系矩阵合成为模糊综合评价结果向量。模糊关系矩阵的合成有多种算子进行计算，本具体实施选择加权平均型算子

将权重向量W与模糊关系矩阵R进行合成，得到传感器的模糊综合评价结果向量B。即：

其中，“о”代表模糊合成算子。

针对本具体实施可得到如下的模糊综合评价结果向量B：

S405：采用加权平均原则将模糊综合评价结果向量映射为具体的模糊综合评价值u^*：

$u^{*}=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\mathrm{\&mu;}\left(v_i\right)\&CenterDot;B_i}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{B}_i}---\left(14\right)$

其中，

n为因素集中因素的数量，本具体实施中n＝3；

B_i为模糊综合评价结果向量B中的第i个元素，本具体实施中，B₁=0.3196，B₂=0，B₃=0.44672，B₄=0.23368；

μ(ν_i)是评价集中的第i个元素，本具体实施中，μ(ν₁)=1，μ(ν₂)=0.8，μ(ν₃)=0.6，μ(ν₄)=0.1。

针对本具体实施，可得到传感器HRVIR的模糊综合评价值0.611：

$u^{*}=\frac{1*0.3196+0.8*0+0.6*0.44672+0.1*0.23368}{0.3196+0.44672+0.23368}=0.611---\left(15\right)$

步骤S500：根据卫星光学传感器的时空覆盖能力值、主题观测能力值、观测环境值、模糊综合评价值，得到评价卫星光学传感器的动态观测能力的评价值。设动态观测能力评价值为E，本具体实施中采用将时空覆盖能力值、主题观测能力值、观测环境值、模糊综合评价值相乘卫星光学传感器的动态观测能力评价值E，得到传感器HRVIR的动态观测能力评价值E为：E=0.517*1*0.023*0.611=0.0073。

即卫星光学传感器HRVIR在本具体实施中的观测任务中的动态观测能力评价值为0.0073，远小于最优评价值1，表明该传感器应用于该观测任务的效果非常差，即采用该传感器所获取的遥感图像质量将会非常差，所以，在应急决策中，将不会选用这颗卫星光学传感器进行观测，而是会对其他卫星光学传感器进行动态观测能力评价，直到选出评价值最大的卫星光学传感器，并调度评价值最大的卫星传感器进行遥感观测，从而获得最好的观测效果。这样就避免了规划卫星的盲目性，提高了应急响应的科学性和质量。

分析本具体实施的4个评价因子的值，时空覆盖能力值0.517，主题观测能力值1，观测环境值0.023，模糊综合评价值0.611，可以看出针对本具体实施的观测任务，卫星SPOT-4上搭载的光学传感器HRVIR的观测能力并不高，其原因是因为观测环境值太小。分析影响观测环境值的子因素太阳、云和地形，发现在本次观测任务中，观测时间处于上午10点，并且目标区域处于冬季，太阳高度角较小（28.9576°），云覆盖较大（75%），大气透明度较小（0.63），这些环境因素都极大地削弱了地表辐射的效率，进而严重影响到此时HRVIR的观测能力，故其动态观测能力值较小，这与实际情况是相符的。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种卫星光学传感器动态观测能力的定量评价方法，其特征是，包括步骤：

步骤S100：获取卫星光学传感器过境时对目标区域的覆盖率，并根据所得覆盖率获得卫星光学传感器的时空覆盖能力值；

步骤S200：判断观测任务涉及的观测主题是否为卫星光学传感器的潜在应用，并根据判断结果获取卫星光学传感器的主题观测能力值；

步骤S300：根据太阳、云和地形对卫星光学传感器观测效果的影响，获得卫星光学传感器的观测环境值；

步骤S400：基于模糊综合评价法分析卫星光学传感器性能指标对观测任务需求的满足程度，并获得卫星光学传感器的模糊综合评价值；

步骤S500：综合考虑卫星光学传感器的时空覆盖能力值、主题观测能力值、观测环境值和模糊综合评价值，获得卫星光学传感器动态观测能力的定量评价结果。

2.如权利要求1所述的卫星光学传感器动态观测能力的定量评价方法，其特征是：

步骤S100中根据所得覆盖率获得卫星光学传感器的时空覆盖能力值具体为：

当卫星光学传感器过境时对目标区域的覆盖率不小于设定值时，则卫星光学传感器的时空覆盖能力值为该设定值；否则，卫星光学传感器的时空覆盖能力值为覆盖率。

3.如权利要求1所述的卫星光学传感器动态观测能力的定量评价方法，其特征是：

步骤S200中根据判断结果获取卫星光学传感器的主题观测能力值具体为：

若观测任务涉及的观测主题为卫星光学传感器的潜在应用，则卫星光学传感器的主题观测能力值为1；否则，卫星光学传感器的主题观测能力值为0。

4.如权利要求1所述的卫星光学传感器动态观测能力的定量评价方法，其特征是：

步骤S300进一步包括以下子步骤：

S301：在卫星光学传感器过境时刻，根据太阳常数、太阳高度角、大气透明度和大气质量参数获取目标区域地面接收的太阳直接辐射值和太阳散射辐射值；

S302：在卫星光学传感器过境时刻，根据目标区域的地形和太阳高度角获取地表起伏对太阳辐射的影响值；

S303：在卫星光学传感器过境时刻，根据目标区域的地面气象观测或遥感观测获取光学传感器过境时的云量覆盖率；

S304：根据所得太阳直接辐射、太阳散射辐射、地表起伏对太阳辐射的影响和云量覆盖率获取目标区域的太阳辐射值I；

S305：获取理想太阳辐射值I _best，所述的理想太阳辐射值I _best为太阳高度角为90°、大气质量为1、云量覆盖率为0、大气透明度为0.63、地形起伏影响值为1的情况下的太阳辐射值；

S306：目标区域的太阳辐射值I和理想太阳辐射值I _best的比值即为卫星光学传感器的观测环境值。

5.如权利要求1所述的卫星光学传感器动态观测能力的定量评价方法，其特征是：

步骤S400进一步包括以下子步骤：

S401：以卫星光学传感器的观测能力为评价对象，以卫星光学传感器的性能指标作为因素集的元素，定义评价集并对其中元素赋值；

S402：基于因素集中的元素与观测任务需求的模糊隶属度函数，采用模糊合成运算获得因素集和评价集的模糊关系矩阵；

S403：采用层次分析法确定因素集中各元素对应的权重，并得到权重向量；

S404：将步骤S403所得权重向量与步骤S402所得模糊关系矩阵合成为模糊综合评价结果向量；

S405：将模糊综合评价结果向量映射为具体的模糊综合评价值。

6.如权利要求5所述的卫星光学传感器动态观测能力的定量评价方法，其特征是：

所述的因素集U中的元素为不确定度、水平空间分辨率、观测重访周期、垂直空间分辨率、星上存储量中的至少一种，其中，不确定度为卫星观测中系统误差和随机误差之和。

7.如权利要求5所述的卫星光学传感器动态观测能力的定量评价方法，其特征是：

步骤S403中采用层次分析法确定因素集中各元素对应的权重具体为：

采用成对比较法对因素集中各元素之间的相对重要性进行评分，基于评分获得各元素的权重，根据各元素的权重得到因素集的权重向量。

8.如权利要求5所述的卫星光学传感器动态观测能力的定量评价方法，其特征是：

步骤S404中是采用加权平均型算子对权重向量与模糊关系矩阵进行合成。

9.如权利要求5所述的卫星光学传感器动态观测能力的定量评价方法，其特征是：

S405中基于采用加权平均原则将模糊综合评价结果向量映射为具体的模糊综合评价值。

10.如权利要求1所述的卫星光学传感器动态观测能力的定量评价方法，其特征是：

步骤S500中所述的卫星光学传感器动态观测能力的定量评价结果为时空覆盖能力值、主题观测能力值、观测环境值和模糊综合评价值的乘积。

Images