CN104933447A - 星载微波辐射计观测无线电频率干扰识别和订正系统 - Google Patents
星载微波辐射计观测无线电频率干扰识别和订正系统 Download PDFInfo
- Publication number
- CN104933447A CN104933447A CN201510309217.5A CN201510309217A CN104933447A CN 104933447 A CN104933447 A CN 104933447A CN 201510309217 A CN201510309217 A CN 201510309217A CN 104933447 A CN104933447 A CN 104933447A
- Authority
- CN
- China
- Prior art keywords
- passage
- observation
- rfi
- radio frequency
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明提出了星载微波辐射计观测无线电频率干扰识别和订正系统,该系统包括:数据读取模块、无线电频率干扰识别模块、无线电频率干扰订正模块、信息分析和显示模块;其中数据读取模块,对星载微波辐射计观测数据进行读取,并进行通道分离处理;将读取的各通道的亮度温度值提供给无线电频率干扰识别模块;无线电频率干扰识别模块,对数据读取模块读取的观测数据中存在干扰的区域和强度进行识别,将无线电频率干扰影响与自然的云、降水和冰雪的观测区别开来,定量给出污染区域的空间分布和强度;无线电频率干扰订正模块对无线电频率干扰识别模块识别出的无线电频率干扰区域进行订正处理,定量给出订正后亮度温度的分布。
Description
技术领域:
本发明公开了一种星载微波辐射计观测无线电频率干扰识别和订正系统,属于气象卫星观测数据质量控制领域。
背景技术:
卫星微波接收的来自地气系统的被动热辐射与主动传感器发射的信号相混合,称之为无线电频率干扰(Radio-Frequency Interference,简称RFI),在主动及被动微波遥感探测领域已成为越来越严重的问题。人为的RFI源主要来自建于地表的主动微波发射器,如手机、雷达、GPS导航、空中交通管制、车辆测速仪器等,这些RFI源会污染地球的散射和发射辐射,会在卫星遥感探测量中增加不可预测的噪声。特别对于被动遥感,这一问题犹为严重,因为地表相对较弱的热发射辐射很容易被强的RFI信号淹没。由于这一原因,人们在设计被动传感器的工作频率时优先选用专为被动遥感预留的受保护的频段。但是为了实现特定目标的探测,许多星载被动传感器不得不工作在不受保护的波段,如C波段(6.9GHz)和X波段(10.7GHz),而且未来的传感器仍得使用这些不受保护的波段来进行探测。鉴于商业服务中对微波波段的使用日益增多,使得该波段的频谱变得越来越拥挤,解决星载微波仪器的无线电干涉问题也越来越突显其重要性。气象卫星仪器使用的光谱中只有微波观测可以部分穿过云区,遥感云区和地表,然而目前全世界广泛使用的微波成像仪,如:载在地球观测系统EOS Aqua卫星上的先进微波扫描辐射计AMSR-E及其后续仪器AMSR-2、载在我国FY-3系列卫星上的微波成像仪MWRI和美国国防卫星上的WindSat全极化辐射计等的C波段(6.9GHz)或X波段(10.7GHz)观测受来自地面主动的微波发射即无线电频率干扰RFI影响,造成观测亮度温度相比视场内来自自然大气和地表发射/散射辐射而言异常偏大,进而使反演的地表参数(如地表温度、土壤湿度等)和资料同化的分析场具有较大偏差。
近10年来随着地面通讯等主动微波技术的发展被动接收来自地球/大气系统辐射的星载微波仪器观测越来越受到主动遥感的影响,如果不正确识别和去除RFI污染资料,将大大降低星载被动微波仪器的科学价值。为解决这一问题已经开发了很多RFI识别技术,定量给出RFI的范围和强度。如:谱差法、平均值和标准差方法、主成分分析PCA方法、标准化的主成分分析NPCA方法和双主成分分析DPCA方法等。
邹晓蕾等在2013年提出了标准化的主分量分析RFI识别算法(参考文献),该论文只是对RFI进行了识别,没有进行订正,没有分析过RFI对反演的地面参数(如地表温度等)和资料同化的影响。而且该标准化的主分量分析方法对有积雪和RFI混合下垫面进行无线电频率干扰识别时会有虚警现象,即将积雪视场误判为RFI影响区,且给出的RFI强度偏强,表现在识别出的RFI区域偏大,强度偏强。
因此本发明提出了一套星载微波辐射计观测无线电频率干扰识别和订正系统,不仅包括无线电频率干扰识别模块,还包括无线电频率干扰订正模块和信息分析显示模块。在无线电频率干扰识别模块,发明了一种新的改进的主成分分析识别方法。
参考文献:邹晓蕾,赵娟,翁富忠,秦正坤.2013,风云三号B星微波成像仪资料在陆地上的无线电频率干扰信号的识别.气象科技进展:英文版,3(4):144-152
发明内容:
本发明提出了星载微波辐射计观测无线电频率干扰识别和订正系统,将无线电频率干扰(RFI)影响与自然的云、降水和冰雪的观测区别开来。
本发明的具体技术方案如下:
本发明提出了一种星载微波辐射计观测无线电频率干扰识别和订正系统,包括数据读取模块、无线电频率干扰识别模块、无线电频率干扰订正模块和信息分析和显示模块。其中所述数据读取模块对星载微波辐射计观测数据进行读取和通道分离处理,将读取的各通道亮度温度值提供给无线电频率干扰识别模块;所述无线电频率干扰识别模块对星载微波辐射计观测存在干扰的区域和强度进行识别,将RFI影响与自然的云、降水和冰雪的观测区别开来,定量给出污染区域的空间分布和强度;所述无线电频率干扰订正模块对无线电频率干扰识别模块识别出的RFI影响区域进行订正处理,定量给出订正后亮度温度的分布;所述信息分析和显示模块,对上述各模块的输出信息进行判断、标记、处理、显示和存储。
(1)在无线电频率干扰识别模块,发明了改进的主成分分析RFI识别方法,对微波低频6.9GHz和10.7GHz波段无线电频率干扰进行识别。该方法综合考虑了受无线电频率影响区微波观测通道之间的不相关性和积雪、冰下垫面的散射作用影响,尤其关注该方法对冬季积雪覆盖和RFI混合的复杂区域的适用性。
(2)在无线电频率干扰订正模块发明了利用不受影响通道观测和被干扰通道观测之间的相关性来进行统计订正的方法。
(3)本系统还包括一个用于对数据读取模块、RFI识别模块和RFI订正模块信息进行分析和显示的模块。所述信息显示模块显示内容包括:不同通道观测亮度温度、RFI强度和空间分布、RFI订正后亮度温度分布等。
只有解决了星载微波辐射计低频通道的RFI污染问题,才能让这些低频通道的观测数据更好地服务于地表参数反演系统和资料同化系统,提高反演场和同化分析场精度,同时提高数值天气预报质量。
本发明具有如下有益效果:
(1)本发明可实现仪器不同通道观测亮度温度、无线电频率干扰空间分布和强度、无线电频率干扰订正后亮度温度空间分布等的直观量化显示;运算结果显示质量高,空间分布形态清晰明确、量化信息直观。
(2)本发明的计算方法科学合理、简单高效,验证方法严谨可靠。与现有技术相比大大缩短了计算机计算时间,提高了计算效率。如:现有的主成分分析识别算法运算的矩阵维数为[12×N],而该发明的识别算法进行主成分分析的矩阵维数为[3×N],减少了矩阵的维数,就节约了计算成本,其中N为观测视场数。
(3)本发明的适用性好。发明的改进的主成分分析方法适用于所有目前使用的星载微波辐射计低频通道的无线电频率干扰识别和订正,如ASMR-E、WindSat、MWRI、AMSR2等类似的仪器。
(4)本发明实用性强,方便嵌入业务大气参数反演系统和资料同化系统,作为资料预处理模块的一部分,也可直接用于科研分析,能直接改善星载微波辐射计低频通道观测数据质量,因此有较高的应用价值和良好的应用前景。
附图说明:
图1是本发明的总体框架图。
图2是RFI识别模块流程图。
图3是RFI订正模块流程图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
如图1所示,本发明的星载微波辐射计观测无线电频率干扰识别和订正系统,该系统包括:数据读取模块、无线电频率干扰识别模块、无线电频率干扰订正模块、信息分析和显示模块;其中
数据读取模块,对星载微波辐射计观测数据进行读取,并进行通道分离处理;将读取的各通道的亮度温度值提供给无线电频率干扰识别模块;
无线电频率干扰识别模块,对数据读取模块读取的观测数据中存在干扰的区域和强度进行识别,将无线电频率干扰影响与自然的云、降水和冰雪的观测区别开来,定量给出污染区域的空间分布和强度;
无线电频率干扰订正模块对无线电频率干扰识别模块识别出的无线电频率干扰区域进行订正处理,定量给出订正后亮度温度的分布;
信息分析和显示模块,对上述各模块的输出信息进行判断、标记、处理、显示和存储。
1、本发明中,数据读取模块,从星载微波辐射计观测的hdf二进制数据格式文件中读取观测的亮度温度值,进行通道分离后,定量显示每个通道观测的亮度温度空间分布;判断6.9GHz水平和垂直通道、10.7GHz水平和垂直通道以及18.7GHz水平和垂直通道观测亮度温度数值是否存在异常高值>300K的视场,如果没有,则初步判断该通道观测没有被干扰,如果有异常高值区,初步判断该通道观测有可能被污染。(三个波段的水平和垂直观测通道,共分为6个通道。)
2、本发明中,图2给出了RFI识别模块的具体流程图。无线电频率干扰(RFI)识别模块,基于数据读取模块获得的各通道的亮度温度,利用三个变量来构建进行主成分分析的向量三个变量包括一个RFI指数和两个积雪散射指数,RFI指数为6.9GHz、10.7GHz、18.7GHz三通道中受RFI影响和不受RFI影响两通道的亮温谱差,积雪散射指数为对自然冰雪影响敏感的36.5GHz与18.7GHz亮温谱差,每个通道均分水平极化和垂直极化;
如初判10.7GHz水平和垂直通道观测没被干扰,6.9GHz通道观测被干扰,则对6.9GHz通道进行主成分分析(PCA)的向量为
若初判18.7GHz水平和垂直通道观测没被干扰,10.7GHz通道观测被干扰,则对10.7GHz通道进行主成分分析的向量为:
其中TB表示观测的亮度温度,下标H和V表示水平极化和垂直极化方式,下标数字表示通道的频率:6表示6.9GHz通道,10表示10.7GHz通道,以此类推。
具体,根据公式(1)向量构成的二维数据矩阵如下,用于识别6.9GHz水平极化通道无线电频率干扰,对该矩阵进行主成分分析:
其中N表示指定区域内的观测点总数;如果是识别6.9GHz垂直极化通道无线电频率干扰,则将公式(3)矩阵中第一行数据的下标改为V(第一行中采用的是垂直通道的观测亮温度值);
计算二维数据矩阵A的协方差矩阵S:S3×3=AAT,使其特征值(λ=[λ1,λ2,λ3])以及特征向量(u=[u1,u2,u3])满足公式(4),其中λ1、λ2和λ3分别为第一、第二和第三特征值(按照大小排序),u1,u2和u3分别代表与特征值对应的特征向量。
Su=λu (4)
利用特征向量u把二维数据矩阵A投影到一个新的正交的数据空间,即主成分矩阵Z:
每一个主成分Z1、Z2和Z3彼此正交,互不相关,且第一主成分Z1具有最大的方差,第二主成分Z2次之。Z1(夏季)或Z2(冬季)值大于0.4的区域被认为是RFI干扰位置,且Z1或Z2数值的大小表示干扰的强度,数值越大干扰越强,由此识别6.9GHz的无线电频率干扰;对于识别10.7GHZ通道观测干扰的矩阵类推,根据公式(2)向量构成,并进行识别。
根据前人研究成果,一般18.7GHz通道观测在中国区域不受无线电频率污染。
3、本发明中,图3给出了RFI订正模块流程图。无线电频率干扰订正模块,对上一模块识别出的受无线电频率干扰视场亮温进行订正,用未受污染的通道的观测值来订正受污染的通道的观测值。
该模块也是具有创新性,以往的工作只是用各种算法对RFI进行识别,并没有进行订正。陆地区域无RFI影响时6.9GHz、10.7GHz、18.7GHz通道间的观测亮度温度相关性非常高,相关系数在0.87以上,而且洋面区域的相关性更高,相关系数在0.96以上。
正是由于自然地表发射辐射在各通道观测之间的高度相关性,所以可以利用线性拟合的方法来拟合出未受RFI污染时各观测通道间的关系曲线,对f1通道中受RFI干扰区域进行订正。
式中:TB表示观测的亮度温度,f1表示须订正通道的频率,而f2表示未受污染通道的频率,C0,C1,C2为拟合系数。如果是f1通道的水平观测需要订正,用公式(6),若是要订正f1通道的垂直观测,用公式(7)。
拟合系数的确定:利用1个月的卫星观测资料作为训练样本,根据上述识别方法挑出其中所有通道(一般指6.9GHz、10.7GHz和18.7GHz通道,均包括水平通道和垂直通道)观测都不受RFI影响的视场,统计出不污染视场的这3个通道间的自然相关拟合系数。即利用每个视场这3个通道观测的亮度温度,根据公式(6)和公式(7)统计拟合出各个通道间的自然相关系数C0,C1,C2。如:根据公式(6)分别统计6.9GHz水平观测亮温与10.7GHz水平和垂直观测亮温的拟合系数C0,C1,C2;10.7GHz水平观测亮温与18.7GHz水平和垂直观测亮温的拟合系数;6.9GHz水平观测亮温与18.7GHz水平和垂直观测亮温的拟合系数。
根据公式(7)依次统计6.9GHz垂直观测亮温与10.7GHz水平和垂直观测亮温的拟合系数;10.7GHz垂直观测亮温与18.7GHz水平和垂直观测亮温的拟合系数;6.9GHz水平观测亮温与18.7GHz水平和垂直观测亮温的拟合系数。
表1给出了6种情况下对应的式(6)和式(7)中的拟合系数值。对识别模快判断为受无线电频率干扰的水平观测或垂直观测视场,结合对应的统计系数分别用公式(6)或(7)进行亮度温度订正。
如果RFI出现在6.9GHz水平通道且10.7GHz观测(水平和垂直)未受污染,则用10.7GHz通道的观测值(水平和垂直)来订正6.9GHz水平通道,RFI出现在6.9GHz垂直通道且10.7GHz观测(水平和垂直)未受污染,则根据相应系数用10.7GHz通道的观测值(水平和垂直)来订正6.9GHz通道垂直。但如果10.7GHz观测也受污染(即6.9GHz和10.7GHz观测都受污染)则用18.7GHz通道的观测值来订正6.9GHz通道。类似的,如果RFI区出现在10.7GHz通道,用18.7GHz通道的观测值来订正10.7GHz通道。
表1公式(6)中的系数
(4)信息分析和显示模块,对上述各模块的输出信息进行判断、标记、处理、存储。
信息显示模块显示内容包括:不同通道观测亮度温度、对识别出的RFI影响区域进行标记和显示、RFI强度显示、RFI订正后亮度温度的空间分布等;同时对各模块的处理结果信息和图像进行存储。
Claims (4)
1.星载微波辐射计观测无线电频率干扰识别和订正系统,该系统包括:数据读取模块、无线电频率干扰识别模块、无线电频率干扰订正模块、信息分析和显示模块;其中
所述数据读取模块,对星载微波辐射计观测数据进行读取,并进行通道分离处理;将读取的各通道的亮度温度值提供给无线电频率干扰识别模块;
所述无线电频率干扰识别模块,对数据读取模块读取的观测数据中存在干扰的区域和强度进行识别,将无线电频率干扰影响与自然的云、降水和冰雪的观测区别开来,定量给出污染区域的空间分布和强度;
所述无线电频率干扰订正模块对无线电频率干扰识别模块识别出的无线电频率干扰区域进行订正处理,定量给出订正后亮度温度的分布;
所述信息分析和显示模块,对上述各模块的输出信息进行判断、标记、处理、显示和存储。
2.根据权利要求1所述系统,该系统中,
数据读取模块,从星载微波辐射计观测的hdf二进制数据格式文件中读取观测的亮度温度值,进行通道分离后,定量显示每个通道观测的亮度温度空间分布;分别判断6.9GHz水平和垂直通道、10.7GHz水平和垂直通道以及18.7GHz水平和垂直通道观测亮度温度数值是否存在异常高值>300K的视场,如果没有,则初步判断该通道观测没有被干扰,如果有异常高值区,初步判断该通道观测有可能被污染。
3.根据权利要求1或2所述系统,该系统中,
无线电频率干扰识别模块,基于数据读取模块获得的各通道的亮度温度,利用三个变量来构建进行主成分分析的向量三个变量包括一个RFI指数和两个积雪散射指数,RFI指数为6.9GHz、10.7GHz、18.7GHz三通道中受RFI影响和不受RFI影响通道的亮温谱差,积雪散射指数为对自然冰雪影响敏感的36.5GHz与18.7GHz亮温谱差,每个通道均分水平极化和垂直极化;
如初判10.7GHz水平和垂直通道观测均没被干扰,6.9GHz通道观测被干扰,则对6.9GHz通道进行主成分分析(PCA)的向量为
若初判18.7GHz水平和垂直通道观测均没被干扰,10.7GHz通道观测被干扰,则对10.7GHz通道进行主成分分析的向量为:
具体,根据公式(1)向量构成的二维数据矩阵如下,用于识别6.9GHz水平极化通道无线电频率干扰(如果6.9GHz水平通道被干扰),对该矩阵进行主成分分析:
其中N表示指定区域内的观测点总数;如果是识别6.9GHz垂直极化通道无线电频率干扰(如果6.9GHz垂直通道被干扰),则将公式(3)矩阵中第一行数据的下标均为V;
计算二维数据矩阵A的协方差矩阵S:S3×3=AAT,使其特征值(λ=[λ1,λ2,λ3])以及特征向量(u=[u1,u2,u3])满足公式(4),其中λ1、λ2和λ3分别为第一、第二和第三特征值(按照大小排序),u1,u2和u3分别代表与特征值对应的特征向量。
Su=λu (4)
利用特征向量u把二维数据矩阵A投影到一个新的正交的数据空间,即主成分矩阵Z:
每一个主成分Z1、Z2和Z3彼此正交,互不相关,且第一主成分Z1具有最大的方差,第二主成分Z2次之;Z1(夏季)或Z2(冬季)值大于0.4的区域被认为是RFI干扰位置,且Z1或Z2数值的大小表示干扰的强度,数值越大干扰越强,由此识别6.9GHz的无线电频率干扰;对于识别10.7GHZ水平和垂直通道观测干扰的过程同上,根据公式(2)向量构成,并进行识别。
4.根据权利要求1、2或3所述系统,该系统中,
无线电频率干扰订正模块,对上一模块识别出的受无线电频率干扰视场亮温进行订正,用未受污染的通道的观测值来订正受污染的通道的观测值;
由于自然地表发射辐射在各通道观测之间的高度相关性,利用线性拟合的方法来拟合出未受RFI污染时各观测通道间的关系曲线,通过下式对f1通道中受RFI干扰区域进行订正:
式中:TB表示观测的亮度温度,f1表示须订正通道的频率,而f2表示未受污染通道的频率,C0,C1,C2为拟合系数。如果是f1通道的水平观测需要订正,用公式(6),若是要订正f1通道的垂直观测,采用公式(7)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510309217.5A CN104933447A (zh) | 2015-06-08 | 2015-06-08 | 星载微波辐射计观测无线电频率干扰识别和订正系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510309217.5A CN104933447A (zh) | 2015-06-08 | 2015-06-08 | 星载微波辐射计观测无线电频率干扰识别和订正系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104933447A true CN104933447A (zh) | 2015-09-23 |
Family
ID=54120607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510309217.5A Pending CN104933447A (zh) | 2015-06-08 | 2015-06-08 | 星载微波辐射计观测无线电频率干扰识别和订正系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104933447A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105812076A (zh) * | 2016-05-05 | 2016-07-27 | 南京理工大学 | 基于统计域联合时频域的辐射计射频干扰检测方法与装置 |
CN109406911A (zh) * | 2018-12-12 | 2019-03-01 | 中国气象科学研究院 | 一种星载微波传感器低频通道无线电频率干扰检测及校正方法 |
CN109470364A (zh) * | 2018-10-31 | 2019-03-15 | 南京信息工程大学 | 一种适用于被动微波资料的广义ri指数频率干扰检测及订正方法 |
CN110865391A (zh) * | 2019-11-14 | 2020-03-06 | 清华大学 | 用于目标增强的毫米波太赫兹多极化成像方法及成像系统 |
CN112213727A (zh) * | 2020-10-15 | 2021-01-12 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种基于主被动微波联合探测的星载雷达的降水订正方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101010265B1 (ko) * | 2008-09-08 | 2011-01-21 | 재단법인서울대학교산학협력재단 | 사막과 해양을 통한 통신해양기상위성의 보정 방법 |
CN102621531A (zh) * | 2012-04-12 | 2012-08-01 | 哈尔滨工程大学 | 一种基于x波段雷达图像的降雨干扰抑制方法 |
CN104539384A (zh) * | 2014-11-19 | 2015-04-22 | 华中科技大学 | 一种基于卫星被动微波遥感数据的射频干扰检测方法 |
-
2015
- 2015-06-08 CN CN201510309217.5A patent/CN104933447A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101010265B1 (ko) * | 2008-09-08 | 2011-01-21 | 재단법인서울대학교산학협력재단 | 사막과 해양을 통한 통신해양기상위성의 보정 방법 |
CN102621531A (zh) * | 2012-04-12 | 2012-08-01 | 哈尔滨工程大学 | 一种基于x波段雷达图像的降雨干扰抑制方法 |
CN104539384A (zh) * | 2014-11-19 | 2015-04-22 | 华中科技大学 | 一种基于卫星被动微波遥感数据的射频干扰检测方法 |
Non-Patent Citations (2)
Title |
---|
WU YING等: "Detection and Correction of AMSR-ERadio-Frequency Interference", 《ACTA METEOROLOGICA SINICA》 * |
官莉等: "星载微波辐射计欧洲大陆无线电频率干扰分析", 《光学学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105812076A (zh) * | 2016-05-05 | 2016-07-27 | 南京理工大学 | 基于统计域联合时频域的辐射计射频干扰检测方法与装置 |
CN105812076B (zh) * | 2016-05-05 | 2018-06-12 | 南京理工大学 | 基于统计域联合时频域的辐射计射频干扰检测方法与装置 |
CN109470364A (zh) * | 2018-10-31 | 2019-03-15 | 南京信息工程大学 | 一种适用于被动微波资料的广义ri指数频率干扰检测及订正方法 |
CN109470364B (zh) * | 2018-10-31 | 2020-12-08 | 南京信息工程大学 | 一种适用于被动微波资料的广义ri指数频率干扰检测及订正方法 |
CN109406911A (zh) * | 2018-12-12 | 2019-03-01 | 中国气象科学研究院 | 一种星载微波传感器低频通道无线电频率干扰检测及校正方法 |
CN109406911B (zh) * | 2018-12-12 | 2020-02-11 | 中国气象科学研究院 | 星载微波传感器低频通道无线电频率干扰检测及校正方法 |
CN110865391A (zh) * | 2019-11-14 | 2020-03-06 | 清华大学 | 用于目标增强的毫米波太赫兹多极化成像方法及成像系统 |
CN110865391B (zh) * | 2019-11-14 | 2021-09-21 | 清华大学 | 用于目标增强的毫米波太赫兹多极化成像方法及成像系统 |
CN112213727A (zh) * | 2020-10-15 | 2021-01-12 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种基于主被动微波联合探测的星载雷达的降水订正方法 |
CN112213727B (zh) * | 2020-10-15 | 2024-01-02 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种基于主被动微波联合探测的星载雷达的降水订正方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | A time-series analysis of urbanization-induced impervious surface area extent in the Dianchi Lake watershed from 1988–2017 | |
CN104933447A (zh) | 星载微波辐射计观测无线电频率干扰识别和订正系统 | |
CN101963664B (zh) | 基于水陆地物分类信息的微波遥感混合像元分解方法 | |
Zhang et al. | Application of hyperspectral remote sensing for environment monitoring in mining areas | |
Baddock et al. | Dust source identification using MODIS: a comparison of techniques applied to the Lake Eyre Basin, Australia | |
Shahi et al. | A novel spectral index to automatically extract road networks from WorldView-2 satellite imagery | |
Rahmati et al. | Quantitative remote sensing of soil electrical conductivity using ETM+ and ground measured data | |
Sobiech et al. | Observing lake-and river-ice decay with SAR: advantages and limitations of the unsupervised k-means classification approach | |
CN105930772A (zh) | 基于sar影像与光学遥感影像融合的城市不透水面提取方法 | |
Schellenberger et al. | Wet snow cover mapping algorithm based on multitemporal COSMO-SkyMed X-band SAR images | |
Susaki et al. | Urban density mapping of global megacities from polarimetric SAR images | |
CN111007013B (zh) | 面向东北冷凉区的作物轮作休耕遥感监测方法与装置 | |
CN109635713A (zh) | 高原山地阴影区冰川识别方法 | |
CN104635242B (zh) | 一种基于多源卫星遥感数据的沙尘暴监测方法 | |
Qiu et al. | Spaceborne thermal infrared observations of Arctic sea ice leads at 30 m resolution | |
Thompson et al. | Applying object-based segmentation in the temporal domain to characterise snow seasonality | |
Zhang et al. | Improved model for estimating the biomass of Populus euphratica forest using the integration of spectral and textural features from the Chinese high-resolution remote sensing satellite GaoFen-1 | |
Khudhur et al. | Comparison of the accuracies of different spectral indices for mapping the vegetation covers in Al-Hawija district, Iraq | |
Dutkiewicz et al. | Evaluation and comparison of hyperspectral imagery for mapping surface symptoms of dryland salinity | |
Li et al. | Glacier snow line detection on a polarimetric SAR image | |
CN103413289A (zh) | 矿区图像处理方法及装置 | |
Meng et al. | Hot dark spot index method based on multi-angular remote sensing for leaf area index retrieval | |
CN105403201A (zh) | 一种基于像元分解的遥感图像大气程辐射获取方法 | |
Schmid et al. | Spectral characterisation of land surface composition to determine soil erosion within semiarid rainfed cultivated areas | |
CN109470364B (zh) | 一种适用于被动微波资料的广义ri指数频率干扰检测及订正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150923 |
|
WD01 | Invention patent application deemed withdrawn after publication |