CN107480814A - 一种预测海量卫星观测需求满足度的方法 - Google Patents
一种预测海量卫星观测需求满足度的方法 Download PDFInfo
- Publication number
- CN107480814A CN107480814A CN201710627107.2A CN201710627107A CN107480814A CN 107480814 A CN107480814 A CN 107480814A CN 201710627107 A CN201710627107 A CN 201710627107A CN 107480814 A CN107480814 A CN 107480814A
- Authority
- CN
- China
- Prior art keywords
- satisfaction
- observation
- demand
- region
- mrow
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000013316 zoning Methods 0.000 claims description 13
- 241001269238 Data Species 0.000 claims description 3
- 238000000205 computational method Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/60—Business processes related to postal services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种预测海量卫星观测需求满足度的方法,通过规定用户年度观测需求格式,设计一种自动读取用户观测需求,按照卫星轨道特性和卫星常规运行特点对全球进行区域划分,与海量区域和不同时间段需求自动匹配计算满足度,并给出指定区域有效满足度计算方法,为用户观测需求未来获取的满足度和有效性提供依据,本发明制定了用户卫星观测需求格式并建立了观测需求库,为海量用户需求自动读取、按照时间段、观测频度和卫星需求进行分解、满足度自动化计算奠定了基础,大大提高了工作效率和计算准确度,克服了人工方式效率低、耗时长的缺陷。
Description
技术领域
本发明属于遥感卫星轨道预报领域,涉及一种预测海量卫星观测需求满足度的方法,尤其涉及一种利用卫星轨道回归特性预测海量用户年度观测需求满足度的方法。
背景技术
我国遥感卫星大多采用太阳同步回归轨道特性,数据已广泛应用于国土、林业、水利、环境保护、农业等多个领域,发挥着重要的作用。随着用户对遥感数据应用的不断深入,用户观测需求数量不断增加,陆地观测卫星主要用户在每年年初提出一年的观测需求,主要用户年度观测需求达到上万个,需求呈现出用户多、数量多、区域大、频度高,时间跨度长等特点。
经过卫星任务规划、指令生成上注、云量判读和质量检测后,从最终拍摄的数据以及有效性可以计算得到用户需求实际满足度。在用户提交年度观测需求后,数据获取前期,用户更加关注每个需求的预测满足度和有效覆盖率,以便对未来数据获取情况进行预判。
目前针对卫星点目标和有限区域目标观测需求任务规划的国内外模型和算法较多,为了满足用户不同需求,有多种观测策略,针对少量观测需求的短期满足度,可以使用专用任务规划软件或者商业STK软件(SatelliteTools Kit),结合卫星重访特性和回归特性,通过人机交互计算得出。但是用户的年度观测需求区域包括大区域和小区域以及国内外区域,数量大、并且时间跨度为一年,观测频度高,针对数以万计的海量大区域时间跨度长的观测需求,没有形成统一的观测需求格式和自动化快速有效的算法,靠人工参与统计,需要通过分析用户需求分布、卫星轨道特性、观测频度、天气预测计算,计算工作量大,工作效率低下,成本高。
发明内容
本发明的目的在于克服现有技术的上述不足,提供一种预测海量卫星观测需求满足度的方法,该方法通过规定用户年度观测需求格式,设计一种自动读取用户观测需求,按照卫星轨道特性和卫星常规运行特点对全球进行区域划分,与海量区域和不同时间段需求自动匹配计算满足度,并给出指定区域有效满足度计算方法,为用户观测需求未来获取的满足度和有效性提供依据。
本发明的上述目的主要是通过如下技术方案予以实现的:
一种预测海量卫星观测需求满足度的方法,包括如下步骤:
步骤(1)、制定统一的用户年度观测需求格式,按照所述观测需求格式填写年度观测需求,形成用户观测需求数据库;
步骤(2)、计算用户观测需求数据库的每个观测需求中完成每一次观测从开始到结束的日期跨度;
步骤(3)、对全球划分区域,针对卫星的每个传感器建立划分的各区域的覆盖率表,所述覆盖率表包括卫星覆盖周期内每个划分区域的覆盖率;
步骤(4)、将单个需求区域与全球划分区域取交集,得到每个交集区域占所述单个需求区域面积的百分比;根据所述面积的百分比计算单个需求区域中单个传感器的满足度;
步骤(5)、重复步骤(4),得到所有需求区域中每个需求区域的单个传感器的满足度;
步骤(6)、对步骤(5)中得到的所有需求区域中单个传感器的满足度取均值,得到所述单个传感器的满足度。
在上述预测海量卫星观测需求满足度的方法中,所述用户年度观测需求格式包括:用户单位和具体观测信息,所述具体观测信息包括序号、观测需求名称、观测日期、观测次数、优先级、观测区域和观测数据类型。
在上述预测海量卫星观测需求满足度的方法中,所述步骤(3)中不受任何约束情况下卫星覆盖周期为M天,针对卫星的每个传感器建立划分的各区域的覆盖率表中包括每个划分区域的覆盖率qi,i=1…K,K表示划分区域的个数。
在上述预测海量卫星观测需求满足度的方法中,所述步骤(4)中根据面积的百分比计算单个需求区域中单个传感器的满足度的具体公式如下;
其中:B表示单个需求区域中单个传感器的满足度;C表示完成每一次观测从开始到结束的日期跨度;M表示为卫星覆盖周期;qi表示卫星覆盖周期内每个划分区域的覆盖率;pi表示每个交集区域占单个需求区域面积的百分比;N表示交集区域的个数。
在上述预测海量卫星观测需求满足度的方法中,所述步骤(5)中所有需求区域中每个需求区域的单个传感器的满足度通过如下公式计算得到;
其中:Bj表示第j个需求区域中单个传感器的满足度;C表示完成每一次观测从开始到结束的日期跨度;M表示卫星覆盖周期;qi表示卫星覆盖周期内每个划分区域的覆盖率;pi表示每个交集区域占单个需求区域面积的百分比;N表示交集区域的个数。
在上述预测海量卫星观测需求满足度的方法中,所述步骤(6)中对所有需求区域中单个传感器的满足度取均值,得到所述单个传感器的满足度的具体公式如下:
其中:Bs表示单个传感器的满足度;n表示需求区域的个数;Bj表示第j个需求区域中单个传感器的满足度。
在上述预测海量卫星观测需求满足度的方法中,单个需求区域中单个传感器的有效满足度通过如下公式计算得到:
S=(1-(1-pab)t)*100%
t=DD/M
其中:pab表示a区域b季节历史数据有效比例;
t表示用户需求日期跨度内可覆盖的遍数;
DD表示观测从开始到结束的日期跨度;
M表示卫星覆盖周期;
S表示有效满足度。
在上述预测海量卫星观测需求满足度的方法中,重复步骤(1)-(6),得到用户需求的所有传感器的满足度。
本发明与现有技术相比具有如下有益效果:
(1)、本发明通过规定用户年度观测需求格式,设计一种自动读取用户观测需求,按照卫星轨道特性和卫星常规运行特点对全球进行区域划分,与海量区域和不同时间段需求自动匹配计算满足度,并给出指定区域有效满足度计算方法,为用户观测需求未来获取的满足度和有效性提供依据。
(2)、本发明制定了用户卫星观测需求格式并建立了观测需求库,为海量用户需求自动读取、按照时间段、观测频度和卫星需求进行分解、满足度自动化计算奠定了基础,大大提高了工作效率和计算准确度,克服了人工方式效率低、耗时长的缺陷。
(3)、本发明充分利用了卫星轨道回归特性,根据覆盖周期和使用约束对全球观测区域进行分割,克服使用瞬时轨道根数外推造成的精度差及计算时间效率问题,将全球分区与用户区域自动匹配,快速计算海量观测需求满足度,克服了人工计算工作量大的难题,且计算结果为预测遥感用户需求满足度,未来获取可能性提供依据。
(4)、本发明方法可以同时获得需求观测满足度和需求观测有效满足度,满足了不同的用户需求。
附图说明
图1为本发明预测海量卫星观测需求满足度的方法流程框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细的描述:
如图1所示为本发明预测海量卫星观测需求满足度的方法流程框图,本发明的具体实现方式包括如下步骤:
一、确定用户观测需求申请格式。
针对海量用户观测需求,定义统一的用户观测需求表格式,各用户按照统一格式自行填写年度观测需求。用户观测需求表,内容包括:用户单位和具体观测信息,其中具体观测信息包括序号、观测需求名称、观测日期、观测次数、优先级、观测区域、观测数据类型。其中观测日期表示需求的有效期,填写格式为“X月X日-X月X日”;观测次数为观测日期范围内需拍摄次数,填写数字;观测优先级由用户单位自评,分为高、中、低三档可以选择;观测区域填写区域坐标(按角点顺序填写经纬度);观测数据类型为卫星载荷组合。下表1为用户观测需求表格式中的具体观测信息。
表1 用户观测需求表(具体观测信息)
二、海量观测需求数据库建立。
按照用户观测需求表各个输入单元,建立需求数据库,包括用户单位、需求序号、需求名称、开始日期、结束日期、观测次数、优先级、观测区域角点坐标、观测数据类型。计算用户观测需求数据库的每个观测需求中完成每一次观测从开始到结束的日期跨度;将每一次观测从开始到结束的日期跨度输入需求数据库,得到表2所示的需求数据库表结构,其中开始、结束日期格式为y-m-d,如2017年1月1日表示为2017-1-1。将收集到的各用户观测需求导入到需求数据库表中,集中管理,并用于计算输入。
其中观测1次从开始到结束的日期跨度具体计算步骤如下:
(1)首先计算开始结束日期日积数X,如下式:
式中:
m——月份数;
d——日期数。
(2)计算开始结束日期跨度DD,如下式:
DD=X2-X1
式中:
X2——结束日期日积数;
X1——开始日期日积数。
(3)观测1次日期跨度C,如下式:
C=[DD/P](P≠1)
式中:
P——观测次数。
表2 需求数据库表结构
三、按覆盖周期划分全球区域。
首先,确定不受任何约束情况下卫星覆盖周期。针对太阳同步回归轨道遥感卫星,在不受任何使用约束条件下,M天可实现星下点成像对全球(海量用户观测需求)覆盖一遍,即覆盖周期为M天,M值根据卫星传感器幅宽确定。例如,卫星回归周期41天,回归总圈次605圈,若传感器的幅宽为70公里,则覆盖周期M为41天,若传感器的幅宽为800公里,则覆盖周期M为4天,若传感器的幅宽为35公里,则覆盖周期M为82天。
其次,根据使用约束将全球按照覆盖周期不同覆盖率划分区域。受卫星一天运行圈次、一圈运行时间、卫星固存容量、地面站布设、传感器幅宽等限制,以及用户需求分布特点,同一幅宽传感器在全球不同区域覆盖率不同。根据以上特点,针对每个传感器,将全球按照M天不同覆盖率划分为N类个区域:第一类区域为一个覆盖周期M天可完整覆盖区域,M天覆盖率为100%;第二类区域受各种使用约束,需两个覆盖周期交替成像可完整覆盖区域,M天覆盖率为50%;第i类区域(0≤i≤N),M天覆盖率为qi;第N类区域为不能成像区域,M天覆盖率为0。建立卫星传感器M天全球区域划分覆盖率表,见表3。
表3 全球区域划分及覆盖率
卫星 | 传感器 | 区域划分类别 | 经纬度范围 | 覆盖率 |
某卫星 | A相机 | 一类 | (经度,纬度)…… | 1 |
某卫星 | A相机 | 二类 | (经度,纬度)…… | 0.5 |
…… | …… | …… | …… | …… |
某卫星 | A相机 | i类 | (经度,纬度)…… | qi |
…… | …… | …… | …… | …… |
某卫星 | A相机 | N类 | (经度,纬度)…… | 0 |
四、单个需求区域中单个传感器满足度计算。
用户提出的年度观测需求,包含多个需求,每个需求中的观测数据类型为多种,计算单个需求单传感器满足度,具体计算步骤如下:
(1)单个需求区域划分。将单个需求区域与步骤3中的全球划分的K个区域取交集,得到N个交集小区域(即重叠区域),N小于或等于K,即单个需求区域与划分的K个区域均有重叠,此时N=K,否则N<K。使用GIS软件计算出单个需求区域面积S和交集小区域的面积Si(0≤i≤N)。计算每个小区域占需求区域的百分比pi,如下式:
Pi=Si/S
式中:
S——需求区域面积;
Si——每个交集区域面积。
(2)计算单个需求区域中单个传感器满足度B,如下式:
式中:
其中:B表示单个需求区域中单个传感器的满足度;C表示完成每一次观测从开始到结束的日期跨度;M表示为卫星覆盖周期;qi表示卫星覆盖周期内每个划分区域的覆盖率;pi表示每个交集区域占单个需求区域面积的百分比;N表示交集区域的个数。若计算结果中B>1,则令B=1。
五、按照步骤四的方法,计算所有需求区域中每个需求区域的单个传感器的满足度,具体公式如下;
其中:Bj表示第j个需求区域中单个传感器的满足度;C表示完成每一次观测从开始到结束的日期跨度;M表示为卫星覆盖周期;qi表示卫星覆盖周期内每个划分区域的覆盖率;pi表示每个交集区域占单个需求区域面积的百分比;N表示交集区域的个数。若计算结果中Bj>1,则令Bj=1。
六、用户满足度计算。
(1)单用户单个传感器满足度计算。
将单个用户需求数据库表中观测数据类型按照传感器分类进行解析,针对筛选出卫星单个传感器的观测需求,按照步骤五计算该传感器每个需求区域的满足度Bj。将该传感器的所有观测需求区域满足度取均值,即为该传感器满足度Bs,如下式。
其中:Bs表示单个传感器的满足度;n表示需求区域的个数;Bj表示第j个需求区域中单个传感器的满足度。
(2)用户满足度计算。
重复上述步骤,计算单个用户所有需求单颗卫星每个传感器的满足度,取均值,即为用户的满足度。
七、中国区域有效满足度计算。
该步骤给出用户需求在中国区域且分布在给定的同一区域同一季节计算有效满足度的方法。按照国家地理划分的7大区域:华东、华北、华中、华南、西南、西北和东北(可以按照不同区域划分),利用卫星历史数据统计每个区域云量情况,给出每个季节各区域的有效比例,结合各区域历史数据有效比例和用户需求分布特点,单个需求单个传感器有效满足度按如下公式计算:
S=(1-(1-pab)t)*100%
t=DD/M
式中:
pab表示a区域b季节历史数据有效比例;
t表示用户需求日期跨度内可覆盖的遍数。
DD表示观测从开始到结束的日期跨度;
M表示卫星覆盖周期。
S表示有效满足度。
以上所述,仅为本发明最佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。
Claims (8)
1.一种预测海量卫星观测需求满足度的方法,其特征在于:包括如下步骤:
步骤(1)、制定统一的用户年度观测需求格式,按照所述观测需求格式填写年度观测需求,形成用户观测需求数据库;
步骤(2)、计算用户观测需求数据库的每个观测需求中完成每一次观测从开始到结束的日期跨度;
步骤(3)、对全球划分区域,针对卫星的每个传感器建立划分的各区域的覆盖率表,所述覆盖率表包括卫星覆盖周期内每个划分区域的覆盖率;
步骤(4)、将单个需求区域与全球划分区域取交集,得到每个交集区域占所述单个需求区域面积的百分比;根据所述面积的百分比计算单个需求区域中单个传感器的满足度;
步骤(5)、重复步骤(4),得到所有需求区域中每个需求区域的单个传感器的满足度;
步骤(6)、对步骤(5)中得到的所有需求区域中单个传感器的满足度取均值,得到所述单个传感器的满足度。
2.根据权利要求1所述的预测海量卫星观测需求满足度的方法,其特征在于:所述用户年度观测需求格式包括:用户单位和具体观测信息,所述具体观测信息包括序号、观测需求名称、观测日期、观测次数、优先级、观测区域和观测数据类型。
3.根据权利要求1所述的预测海量卫星观测需求满足度的方法,其特征在于:所述步骤(3)中不受任何约束情况下卫星覆盖周期为M天,针对卫星的每个传感器建立划分的各区域的覆盖率表中包括每个划分区域的覆盖率qi,i=1…K,K表示划分区域的个数。
4.根据权利要求1-3之一所述的预测海量卫星观测需求满足度的方法,其特征在于:所述步骤(4)中根据面积的百分比计算单个需求区域中单个传感器的满足度的具体公式如下;
<mrow>
<mi>B</mi>
<mo>=</mo>
<mfrac>
<mi>C</mi>
<mi>M</mi>
</mfrac>
<mo>*</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中:B表示单个需求区域中单个传感器的满足度;C表示完成每一次观测从开始到结束的日期跨度;M表示为卫星覆盖周期;qi表示卫星覆盖周期内每个划分区域的覆盖率;pi表示每个交集区域占单个需求区域面积的百分比;N表示交集区域的个数。
5.根据权利要求1-3之一所述的预测海量卫星观测需求满足度的方法,其特征在于:所述步骤(5)中所有需求区域中每个需求区域的单个传感器的满足度通过如下公式计算得到;
<mrow>
<msub>
<mi>B</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfrac>
<mi>C</mi>
<mi>M</mi>
</mfrac>
<mo>*</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中:Bj表示第j个需求区域中单个传感器的满足度;C表示完成每一次观测从开始到结束的日期跨度;M表示卫星覆盖周期;qi表示卫星覆盖周期内每个划分区域的覆盖率;pi表示每个交集区域占单个需求区域面积的百分比;N表示交集区域的个数。
6.根据权利要求5所述的预测海量卫星观测需求满足度的方法,其特征在于:所述步骤(6)中对所有需求区域中单个传感器的满足度取均值,得到所述单个传感器的满足度的具体公式如下:
<mrow>
<msub>
<mi>B</mi>
<mi>s</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>B</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
</mrow>
其中:Bs表示单个传感器的满足度;n表示需求区域的个数;Bj表示第j个需求区域中单个传感器的满足度。
7.根据权利要求1-3之一所述的预测海量卫星观测需求满足度的方法,其特征在于:单个需求区域中单个传感器的有效满足度通过如下公式计算得到:
S=(1-(1-pab)t)*100%
t=DD/M
其中:pab表示a区域b季节历史数据有效比例;
t表示用户需求日期跨度内可覆盖的遍数;
DD表示观测从开始到结束的日期跨度;
M表示卫星覆盖周期;
S表示有效满足度。
8.根据权利要求1-3之一所述的预测海量卫星观测需求满足度的方法,其特征在于:重复步骤(1)-(6),得到用户需求的所有传感器的满足度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710627107.2A CN107480814B (zh) | 2017-07-28 | 2017-07-28 | 一种预测海量卫星观测需求满足度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710627107.2A CN107480814B (zh) | 2017-07-28 | 2017-07-28 | 一种预测海量卫星观测需求满足度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107480814A true CN107480814A (zh) | 2017-12-15 |
CN107480814B CN107480814B (zh) | 2020-09-29 |
Family
ID=60598330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710627107.2A Active CN107480814B (zh) | 2017-07-28 | 2017-07-28 | 一种预测海量卫星观测需求满足度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107480814B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705888A (zh) * | 2019-10-10 | 2020-01-17 | 合肥工业大学 | 一种最小成本区域目标覆盖的分区卫星任务规划方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217109A (zh) * | 2014-09-01 | 2014-12-17 | 中国人民解放军国防科学技术大学 | 敏捷卫星混合主动调度方法 |
CN104618495A (zh) * | 2015-02-13 | 2015-05-13 | 中国科学院遥感与数字地球研究所 | 卫星接收任务分配方法 |
CN105956225A (zh) * | 2016-04-19 | 2016-09-21 | 武汉大学 | 一种顾及区域尺度的遥感卫星有效覆盖仿真计算方法 |
-
2017
- 2017-07-28 CN CN201710627107.2A patent/CN107480814B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217109A (zh) * | 2014-09-01 | 2014-12-17 | 中国人民解放军国防科学技术大学 | 敏捷卫星混合主动调度方法 |
CN104618495A (zh) * | 2015-02-13 | 2015-05-13 | 中国科学院遥感与数字地球研究所 | 卫星接收任务分配方法 |
CN105956225A (zh) * | 2016-04-19 | 2016-09-21 | 武汉大学 | 一种顾及区域尺度的遥感卫星有效覆盖仿真计算方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705888A (zh) * | 2019-10-10 | 2020-01-17 | 合肥工业大学 | 一种最小成本区域目标覆盖的分区卫星任务规划方法 |
CN110705888B (zh) * | 2019-10-10 | 2022-03-15 | 合肥工业大学 | 一种最小成本区域目标覆盖的分区卫星任务规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107480814B (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105912836B (zh) | 一种纯遥感数据驱动的流域水循环模拟方法 | |
CN109375294B (zh) | 一种山区卫星降水数据的降尺度校正方法 | |
Alcamo et al. | Development and testing of the WaterGAP 2 global model of water use and availability | |
Yan-Sui et al. | GIS-based assessment of land suitability for optimal allocation in the Qinling Mountains, China | |
CN111339711B (zh) | 一种小流域设计洪水推求方法 | |
CN104794336B (zh) | 一种农田秸秆资源空间分布估算方法 | |
CN104050513B (zh) | 农作物种植面积监测空间抽样方案优化方法 | |
CN105893770A (zh) | 一种气候变化和人类活动对流域水资源影响的量化方法 | |
CN110413666A (zh) | 一种耕地质量多源异构数据整合方法 | |
CN102360458A (zh) | 一种移民安置区选择模糊评价方法 | |
CN110472281B (zh) | 一种估算时空连续地表水热通量的数据同化方法 | |
CN102175209A (zh) | 历史遥感产品数据支持下的作物种植面积测量高效抽样方法 | |
CN102722766A (zh) | 基于修订的区域气候模式数据的小麦产量预测方法 | |
Zhang et al. | Agricultural land use optimal allocation system in developing area: Application to Yili watershed, Xinjiang Region | |
CN108846565A (zh) | 南方红壤侵蚀区生态恢复适时介入与安全退出的评估方法 | |
Harrison et al. | Vulnerability of hydropower projects to climate change | |
CN108205718A (zh) | 一种粮食作物抽样测产方法及系统 | |
Knox et al. | Using a crop/soil simulation model and GIS techniques to assess methane emissions from rice fields in Asia. III. Databases | |
CN107480814A (zh) | 一种预测海量卫星观测需求满足度的方法 | |
CN108596425A (zh) | 一种多中心城市发展边界划定方法 | |
Mwelwa | The application of the monthly time step Pitman rainfall-runoff model to the Kafue River basin of Zambia | |
Qu et al. | Land suitability evaluation method based on GIS technology | |
Taye et al. | Data quality deterioration in the Lake Tana Sub-basin, Ethiopia: scoping study to provide streamflow and water withdrawal data | |
CN109886497A (zh) | 基于纬度改进的反距离加权法的地面气温插值方法 | |
Chalghaf et al. | Remote sensing and district database programs for irrigation monitoring and evaluation at a regional scale |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |