一种用于多卫星传感器联合观测方案选择的方法
技术领域
本发明涉及智慧地球对地观测领域,尤其涉及一种用于多卫星传感器联合观测方案选择的方法。
背景技术
洪水灾害是造成重大损失和人员伤亡的自然灾害之一,决策者经常需要准确的获取有关洪水状态的信息,从而有效的制定救灾策略。而卫星遥感以其速度快、时效性强、覆盖面积广等特点逐渐成为现代洪水监测中的主要手段。观测场景和观测时期的不同,监测任务的要求也并不相同,尽管卫星传感器众多,但目前来说单个卫星传感器观测能力有限,仍难以完全满足日益复杂的观测任务需求,所以需要多个传感器协同观测完成任务,以求获得更加全面、准确的观测信息。为了更好的将现有的多卫星传感器耦合,实现联合观测,满足综合任务的实际要求,需要建立一种科学的、定量的卫星传感器联合观测的评定方法,以便卫星传感器实现更科学、更合理、更有效的规划。
在观测任务规划之前,需要根据观测任务的需求筛选出满足要求的卫星传感器,从而提高观测规划的效率和最终观测结果的准确度和完成度。目前,观测任务规划大多都是基于单传感器的评价方法筛选,但在实际的应用中,多个传感器合作完成任务的情况较为普遍,而单传感器的评价方法最主要的缺点就是筛选之后参与规划的传感器都是孤立的,并不能很好的体现多传感器观测能力的协作互补关系,如果能够同时评价多个传感器合作之后对于任务的适应性,则会有效提高观测规划的效率。因此,需要建立多卫星传感器的观测能力评价方法,以实现多传感器对于观测任务的动态适应性评价,为规划决策者挑选出最好的观测组合方案,更好的做出决策。
发明内容
有鉴于此,本发明提供了一种用于多卫星传感器联合观测方案选择的方法,该方法可以实现多卫星传感器组合方案的评价,本发明提供的方法通过输入可用卫星传感器,对多个卫星传感器可能形成的多个组合方案进行优劣排序,最终挑选出最适合的观测组合方案,作为对卫星传感器进行任务规划以及调度的可信依据,提高观测结果的准确度。
本发明提供一种用于多卫星传感器联合观测方案选择的方法,包括以下步骤:
步骤S1,获取待选的P个具有观测任务的卫星传感器,P为大于1的自然数,按照排列组合将这些卫星传感器划分为2P-1种卫星传感器组合,利用这些卫星传感器组合建立卫星传感器组合集;
步骤S2,对于所述卫星传感器组合集中的任一卫星传感器组合,获取该卫星传感器组合中每颗卫星传感器到达观测任务的时刻和观测任务的时间参数,然后根据每颗卫星传感器到达观测任务的时刻和观测任务的时间参数计算卫星传感器组合的时间符合度;
步骤S3,获取步骤S2的卫星传感器组合中的每颗卫星传感器在观测任务区域内的有效覆盖面积,根据所述有效覆盖面积计算卫星传感器组合的总覆盖率;
步骤S4,获取步骤S2的卫星传感器组合中的每颗卫星传感器的静态属性参数和观测环境状况,根据所述静态属性参数和观测环境状况计算卫星传感器组合的主题有效性;
步骤S5,获取卫星传感器组合在观测任务内的覆盖条带个数,根据所述覆盖条带个数计算卫星传感器组合的条带指数;
步骤S6,根据所述卫星传感器组合的时间符合度、总覆盖率、主题有效性和条带指数通过线性加权计算得到卫星传感器组合的综合评价值;
步骤S7,重复步骤S2-S6,计算所述卫星传感器组合集中的其他卫星传感器组合的综合评价值,根据计算得到的综合评价值的大小对卫星传感器组合进行排序,选择出观测能力好的卫星传感器组合。
进一步地,步骤S2中,所述时间符合度的计算过程为:
步骤S2.1,获取观测任务的开始时刻、结束时刻、每颗卫星传感器到达观测任务的时刻,计算每颗卫星传感器的及时性因子,所述及时性因子的计算公式为:
式中,Li为每颗卫星传感器的及时性因子,T_start为观测任务的开始时刻,T_end为观测任务的结束时刻,Ti为每颗卫星传感器到达观测任务的时刻;
步骤S2.2,获取卫星传感器组合在整个观测时间段上的覆盖状况,然后计算卫星传感器组合的时间覆盖率,所述时间覆盖率的计算公式为:
式中,N为时间覆盖率,Tm是卫星传感器组合所能覆盖的区间个数,Tt是观测任务的总的区间个数;
步骤S2.3,根据计算得到的每颗卫星传感器的及时性因子和卫星传感器组合的时间覆盖率计算卫星传感器组合的时间符合度,所述卫星传感器组合的时间符合度的计算公式为:
式中,TC为卫星传感器组合的时间符合度。
进一步地,步骤S3中,所述卫星传感器组合的总覆盖率的计算公式为:
式中,CO为卫星传感器组合的总覆盖率,Ai是卫星传感器组合中的每颗卫星传感器在观测任务区域内的有效覆盖面积,A_domain为观测任务区域的面积。
进一步地,步骤S4中,所述卫星传感器组合的主题有效性的计算过程为:
步骤S4.1,获取每颗卫星传感器的静态属性参数,所述静态属性参数包括空间分辨率、辐射分辨率、光谱分辨率、光谱范围,然后根据所述空间分辨率、辐射分辨率、光谱分辨率、光谱范围计算每颗卫星传感器的主题符合度因子Ci;
步骤S4.2,获取每颗卫星传感器观测时的云层覆盖量,根据所述云层覆盖量计算每颗卫星传感器的环境影响因子,所述环境影响因子的计算公式为:
Pi=1-cloudiness
式中,cloudiness为每颗卫星传感器观测时的云层覆盖量,Pi为每颗卫星传感器的环境影响因子;
步骤S4.3,根据计算得到的每颗卫星传感器的环境影响因子和主题符合度因子计算卫星传感器组合的主题有效性;所述卫星传感器组合的主题有效性的计算公式为:
式中,CO为卫星传感器组合的总覆盖率,TV为卫星传感器组合的主题有效性。
进一步地,步骤S4.1中,所述每颗卫星传感器的主题符合度因子的计算过程为:
步骤S4.1.1,为每颗卫星传感器构造指标向量Q=[q1,q2,q3,q4],q1是卫星传感器的空间分辨率符合度,q2是卫星传感器的辐射分辨率符合度,q3是卫星传感器的光谱分辨率符合度,q4是卫星传感器的光谱范围符合度,空间分辨率符合度、辐射分辨率符合度、光谱分辨率符合度、光谱范围符合度的计算公式为:
式中,a1为卫星传感器理想的空间分辨率,a2为卫星传感器理想的辐射分辨率,a3为卫星传感器理想的光谱分辨率,A1为卫星传感器实际的空间分辨率,A2为卫星传感器实际的辐射分辨率,A3为卫星传感器实际的光谱分辨率,Boptical为观测任务需求的卫星传感器波段范围,Bopt为实际的卫星传感器波段范围;
步骤S4.1.2,确定光谱分辨率、光谱范围、空间分辨率、辐射分辨率的权重标度,按照权重标度对光谱分辨率、光谱范围、空间分辨率、辐射分辨率的两两相对重要程度进行打分,然后将光谱分辨率、光谱范围、空间分辨率、辐射分辨率的评分结果构成权重判断矩阵H;
步骤S4.1.3,对所述判断矩阵H进行一致性检验,若判断矩阵H通过一致性检验,则计算判断矩阵H的最大特征值对应的特征向量并归一化,判断矩阵H的最大特征值对应的特征向量归一化后的向量即为空间分辨率、辐射分辨率、光谱分辨率、光谱范围的权重向量,记为W=[w1,w2,w3,w4];若判断矩阵H未通过一致性检验,则调整或重新构建判断矩阵H;
步骤S4.1.4,根据计算得到的权重向量计算加权规范矩阵:利用步骤S4.1.1的指标向量Q对卫星传感器组合中的所有卫星传感器进行静态参数的评价,构建矩阵Y=(yij)m*4,yij表示第i颗卫星传感器的qj指标,j为1、2、3、4,m为卫星传感器组合中卫星传感器的数目,然后用向量规范化计算规范决策矩阵Z,规范决策矩阵Z的计算公式为:
根据所述规范决策矩阵Z计算加权规范矩阵X,所述加权规范矩阵X的计算公式为:
X=(xij)m*4,xij=wj*zij
式中,wj为计算得出的指标的权重向量;
步骤S4.1.5,在所述加权规范矩阵X中分别找出每列最小的值组成负理想解Emin,负理想解Emin表示为Emin=[Emin1,Emin2,Emin3,Emin4],取加权规范矩阵X中每列的最大值组成理想解Emax,理想解Emax表示为Emax=[1,1,1,1],根据所述负理想解Emin和理想解Emax计算每颗卫星传感器与理想解Emax的距离和与负理想解Emin的距离,每颗卫星传感器与理想解Emax的距离的计算公式为:
每颗卫星传感器与负理想解Emin的距离的计算公式为:
式中,为每颗卫星传感器与理想解Emax的距离,为每颗卫星传感器与负理想解Emin的距离;
步骤S4.1.6,根据每颗卫星传感器与理想解的距离每颗卫星传感器与负理想解的距离计算每颗卫星传感器与理想卫星传感器的接近程度,每颗卫星传感器与理想卫星传感器的接近程度的计算公式为:
式中,Ei为每颗卫星传感器与理想卫星传感器的接近程度;
步骤S4.1.7,根据所述每颗卫星传感器与理想卫星传感器的接近程度计算每颗卫星传感器的主题符合度因子,所述每颗卫星传感器的主题符合度因子的计算公式为:
Ci=1-Ei
式中,Ci为每颗卫星传感器的主题符合度因子。
进一步地,步骤S5中,所述卫星传感器组合的条带指数的计算公式为:
式中,ns为卫星传感器组合在观测任务内的覆盖条带个数,SI为卫星传感器组合的条带指数。
进一步地,步骤S6中,所述卫星传感器组合的综合评价值的计算过程为:
S6.1,确定时间符合度、总覆盖率、主题有效性和条带指数的权值标度,按照权重标度对时间符合度、总覆盖率、主题有效性和条带指数的两两相对重要程度进行打分,然后根据时间符合度、总覆盖率、主题有效性和条带指数的评分结果构建判断矩阵K,对判断矩阵K进行一致性检验,若判断矩阵K通过一致性检验,则计算判断矩阵K的最大特征值对应的特征向量并归一化,判断矩阵K的最大特征值对应的特征向量归一化后的向量即为时间符合度、总覆盖率、主题有效性和条带指数的权重向量,记为F=[f1,f2,f3,f4];若判断矩阵K未通过一致性检验,则调整或重新构建判断矩阵K;
步骤S6.2,根据计算得出的权重向量计算卫星传感器组合的综合评价值,综合评价值的计算公式为:
AOCI=f1*TC+f2*CO+f3*TV+f4*SI
式中,AOCI为卫星传感器组合的综合评价值,f1为卫星传感器组合的时间符合度的权重,f2为卫星传感器组合的总覆盖率的权重,f3为卫星传感器组合的主题有效性的权重,f4为卫星传感器组合的条带指数的权重。
本发明提供的技术方案带来的有益效果是:
(1)本发明提供的方法从观测时间、观测范围、观测主题和观测成本四个角度出发,对多传感器组合方案从时间符合度、总覆盖率、主题有效性和条带指数四种指数上进行综合评价,然后基于该综合评价对多传感器观测组合方案进行选择,挑选出最适合观测的组合方案;
(2)本发明提供的方法能够评价在不同对地观测任务中的卫星传感器组合的能力大小,对卫星传感器的动态观测能力进行客观评价,有效避免在应对重大自然灾害的时候因盲目性造成对灾害监测效果的影响;
(3)现有的传感器观测能力评价方法往往只是孤立的、片面的从传感器固有的参数入手,忽略了不同任务需求的不同要求以及不同时空的环境变化,本发明提供的方法综合考虑了观测时间、观测范围、观测主题和观测成本四个角度,能够较好的适应动态的任务需求;
(4)现有的传感器评价方法大多是以单传感器为评价对象,但单传感器的评价往往是各自孤立的评价,如今传感网的技术发展使得传感器的数目不断增加,多个传感器协作完成观测任务的状况较为普遍,基于单传感器的评价方法并不能很好的反映多个传感器之间的协作关系,本发明从多传感器的角度建立了观测能力评价方法,能够较好的反映多传感器的协作观测能力;
(5)以往的单传感器的评价方法在观测任务规划前只能逐个筛选出满足条件的传感器,但满足条件的这些传感器选择哪些合作完成任务还是需要进一步的规划,本发明提供的方法可以直接选择最适合观测任务的组合方案,实现了观测的预规划,为观测任务的协同规划和调度提供可信的依据。
附图说明
图1是本发明一种用于多卫星传感器联合观测方案选择的方法的流程示意图。
图2是本发明的卫星传感器组合的时间符合度的计算示意图。
图3是本发明的层次分析法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地描述。
请参考图1,本发明的实施例提供了一种用于多卫星传感器联合观测方案选择的方法,包括以下步骤:
步骤S1,获取待选的P个具有观测任务的卫星传感器,P为大于1的自然数,按照排列组合将这些卫星传感器划分为2P-1种卫星传感器组合,利用这些卫星传感器组合建立卫星传感器组合集,例如对于三个卫星传感器S1、S2、S3,其卫星传感器组合集为{{S1,S2,S3},{S1,S2},{S1},{S2},{S3},{S2,S3},{S1,S3}}。
步骤S2,对于卫星传感器组合集中的任一卫星传感器组合,获取该卫星传感器组合中每颗卫星传感器到达观测任务的时刻和观测任务的时间参数,计算该卫星传感器组合的时间符合度,时间符合度的计算过程为:
步骤S2.1,获取观测任务的开始时刻T_start、结束时刻T_end、每颗卫星传感器到达观测任务的时刻Ti,例如对于卫星传感器S1、S2、S3的卫星传感器组合{S1,S2,S3},获取三颗卫星传感器到达观测任务的时刻T1、T2、T3,然后计算每颗卫星传感器的及时性因子Li;及时性因子Li的计算公式为:
步骤S2.2,获取卫星传感器组合在整个观测时间段上的覆盖状况,然后计算卫星传感器组合的时间覆盖率N,时间覆盖率N的计算过程为:根据观测任务要求的循环观测时间,将观测任务的区间分割为多个子区间,例如图2中分割为两个等间距的区间,分割点为c,实际中也有不等间距的分割点,时间覆盖率N的计算公式为:
式中,Tm是卫星传感器组合所能覆盖的区间个数,Tt是观测任务的总的区间个数;
步骤S2.3,根据计算得到的每颗卫星传感器的及时性因子Li和卫星传感器组合的时间覆盖率N计算卫星传感器组合的时间符合度TC,卫星传感器组合的时间符合度TC的计算公式为:
步骤S3,获取卫星传感器组合中的每颗卫星传感器在观测任务区域内的有效覆盖面积Ai,计算卫星传感器组合的总覆盖率CO,总覆盖率CO的计算公式为:
式中,A_domain为观测任务区域的面积,有效覆盖面积Ai是卫星传感器的覆盖条带落在观测任务区域内部的面积。
步骤S4,获取卫星传感器组合中的每颗卫星传感器的静态属性参数和观测环境状况,计算卫星传感器组合的主题有效性TV,卫星传感器组合的主题有效性TV的计算过程为:
步骤S4.1,获取每颗卫星传感器的静态属性参数,如空间分辨率、辐射分辨率、光谱分辨率、光谱范围,通过层次分析法计算空间分辨率、辐射分辨率、光谱分辨率、光谱范围的权重向量W=[w1,w2,w3,w4],然后利用TOPSIS分析方法计算每颗卫星传感器的主题符合度因子Ci,每颗卫星传感器的主题符合度因子Ci的计算过程为:
步骤S4.1.1,为每颗卫星传感器构造指标向量Q=[q1,q2,q3,q4],q1是卫星传感器的空间分辨率符合度,q2是卫星传感器的辐射分辨率符合度,q3是卫星传感器的光谱分辨率符合度,q4是卫星传感器的光谱范围符合度,空间分辨率符合度q1、辐射分辨率符合度q2、光谱分辨率符合度q3、光谱范围符合度q4的计算公式为:
式中,a1为卫星传感器理想的空间分辨率,a2为卫星传感器理想的辐射分辨率,a3为卫星传感器理想的光谱分辨率,A1为卫星传感器实际的空间分辨率,A2为卫星传感器实际的辐射分辨率(量化等级),A3为卫星传感器实际的光谱分辨率(波段数目),Boptical为观测任务需求的卫星传感器波段范围,Bopt为实际的卫星传感器波段范围;
步骤S4.1.2,确定指标的权重标度并构造判断矩阵:采用Saaty提出的“1~9标度法”,确定指标光谱分辨率、光谱范围、空间分辨率、辐射分辨率的权重标度,层次分析法的评估尺度见表1,层次分析法的流程见图3,标度值V越大,表示指标i比指标j更重要,相反的,若指标i的重要程度比指标j低,则值为1/V;按照权重标度对光谱分辨率、光谱范围、空间分辨率、辐射分辨率的两两相对重要程度进行打分,然后将光谱分辨率、光谱范围、空间分辨率、辐射分辨率的评分结果构成权重判断矩阵H,本实施例中假定光谱分辨率对影像质量影响最大,光谱范围、空间分辨率次之,影响最小的为辐射分辨率,判断矩阵H的评分表如表2所示:
表1:层次分析法的评估尺度
表2:判断矩阵的评分表
步骤S4.1.3,一致性检验:为避免矩阵前后相互冲突的情况,需要对判断矩阵进行一致性检验,采用Saaty提出的一致性指标CR衡量判断矩阵H的不一致程度,随机一致性指标RI通过查阅表3获得,一般当一致性比率小于0.1时,认为判断矩阵H的不一致程度在容许范围之内,有满意的一致性,可以通过一致性检验,可计算判断矩阵H的最大特征值所对应的特征向量并归一化,判断矩阵H的最大特征值所对应的特征向量归一化后的向量即为空间分辨率、辐射分辨率、光谱分辨率、光谱范围的权重向量W=[w1,w2,w3,w4];若判断矩阵H未通过一致性检验,则调整或重新构建判断矩阵H,本实施例根据上述判断矩阵H最终得到权重向量W=[w1,w2,w3,w4]=[0.16,0.27,0.1,0.47]。
表3:随机一致性指标RI
步骤S4.1.4,计算加权规范矩阵X:对卫星传感器组合中的所有卫星传感器利用指标向量Q进行静态参数的评价,构建矩阵Y=(yij)m*4,yij表示第i颗传感器的qj指标,j为1、2、3、4,m为卫星传感器组合中卫星传感器的数目,用向量规范化求得规范决策矩阵Z,规范决策矩阵Z的计算公式为:
计算加权规范矩阵X,加权规范矩阵X的计算公式为:
X=(xij)m*4,xij=wj*zij
式中,wj为计算得出的指标的权重向量;
步骤S4.1.5,在加权规范矩阵X中分别找出每列最小的值组成负理想解Emin,负理想解Emin为Emin=[Emin1,Emin2,Emin3,Emin4],取加权规范矩阵X中每列的最大值组成理想解Emax,理想解Emax为Emax=[1,1,1,1],计算每颗卫星传感器与理想解Emax的距离和与负理想解Emin的距离
步骤S4.1.6,计算每颗卫星传感器的主题符合度因子Ci:首先计算每颗卫星传感器与理想卫星传感器的接近程度Ei,每颗卫星传感器与理想卫星传感器的接近程度Ei的计算公式为:
步骤S4.1.7,根据TOPSIS方法,每颗卫星传感器与理想卫星传感器的接近程度Ei的值越小,表示卫星传感器越接近主题要求,但为了使得指标方向一致,当卫星传感器越接近观测任务需求时,主题符合度得分应越大,故每颗卫星传感器的主题符合度因子Ci的计算公式为:Ci=1-Ei。
步骤S4.2,从OWM读取卫星传感器组合中的每颗卫星传感器观测时的云层覆盖量cloudiness,云层覆盖量cloudiness的取值范围是[0,1],根据云层覆盖量cloudiness计算每颗卫星传感器的环境影响因子Pi,环境影响因子Pi的计算公式为:
Pi=1-cloudiness (13)
步骤S4.3,根据计算得到的每颗卫星传感器的环境影响因子Pi和主题符合度因子Ci计算卫星传感器组合的主题有效性TV,主题有效性TV的计算公式为:
式中,CO为卫星传感器组合的总覆盖率。
步骤S5,获取卫星传感器组合在观测任务内的覆盖条带个数ns,计算卫星传感器组合的条带指数SI,条带指数SI的计算公式为:
卫星传感器有时会产生多个条带,覆盖条带必须是在观测任务时间、空间下的覆盖条带。
步骤S6,根据计算得到的卫星传感器组合的时间符合度TC、总覆盖率CO、主题有效性TV和条带指数SI通过线性加权计算得到卫星传感器组合的综合评价值AOCI,综合评价值AOCI的计算过程为:
步骤S6.1,利用层次分析法确定时间符合度、总覆盖率、主题有效性和条带指数的权重向量F=[f1,f2,f3,f4]:确定时间符合度、总覆盖率、主题有效性和条带指数的权值标度,按照权重标度对时间符合度、总覆盖率、主题有效性和条带指数的两两相对重要程度进行打分,然后根据时间符合度、总覆盖率、主题有效性和条带指数的评分结果构建判断矩阵K,对判断矩阵K进行一致性检验,若判断矩阵K通过一致性检验,则计算判断矩阵K的最大特征值所对应的特征向量并归一化,判断矩阵K的最大特征值所对应的特征向量归一化后的向量即为时间符合度、总覆盖率、主题有效性和条带指数的权重向量F=[f1,f2,f3,f4];若判断矩阵K未通过一致性检验,则调整或重新构建判断矩阵K。
步骤S6.2,根据计算得出的权重向量计算综合评价值AOCI,综合评价值AOCI的计算公式为:
AOCI=f1*TC+f2*CO+f3*TV+f4*SI (16)
步骤S7,重复步骤S2-S6,计算卫星传感器组合集中的其他卫星传感器组合的综合评价值,根据计算出的综合评价值的大小对卫星传感器组合进行优劣排序,综合评价值越大,说明对应的卫星传感器组合的观测能力越好。
综上所述,本发明提供了一种用于多卫星传感器联合观测方案选择的方法,实现了在多种组合方案情况下对于最适合观测任务的方案的选取和观测任务规划的预选择,提高了任务规划的效率。
在不冲突的情况下,本文中上述实施例及实施例中的特征可以相互结合。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。