CN111091279A - 一种面向行业应用的星地一体化指标设计方法 - Google Patents
一种面向行业应用的星地一体化指标设计方法 Download PDFInfo
- Publication number
- CN111091279A CN111091279A CN201911239832.8A CN201911239832A CN111091279A CN 111091279 A CN111091279 A CN 111091279A CN 201911239832 A CN201911239832 A CN 201911239832A CN 111091279 A CN111091279 A CN 111091279A
- Authority
- CN
- China
- Prior art keywords
- simulation
- ground
- satellite
- index
- data
- 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
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种面向行业应用的星地一体化指标设计方法:步骤一、从主体业务出发,分析业务现状和未来发展规划;步骤二、厘清主体业务所对应的卫星产品需求;步骤三、制定数据需求及观测需求;步骤四、搭建前述步骤中所提需求与载荷及卫星平台指标之间的有效桥梁;步骤五、通过仿真方法按照反向推演得到卫星平台与载荷指标,生成模拟数据;步骤六、在基于模拟数据基础上开展应用效果评价;步骤七、评价指标设置的合理性和应用情况的满足度,给出指标设置建议。本发明方法可改善以往卫星研制与用户需求脱节的问题,推动指标的设计工作从定性描述向星地一体化定量方向发展,密切关联“供需关系”,有助于实现卫星的最大应用效能。
Description
技术领域
本发明涉及一种面向行业应用的星地一体化指标设计方法,主要是面向行业应用,进行星地一体化指标设计,是连接行业用户对遥感数据需求与卫星平台及载荷指标设计的系统论证和实现方法,属于卫星遥感技术与应用领域。
背景技术
我国航天事业蓬勃发展,已经初步形成对地观测网络,并按照规划逐步建立面向不同应用领域的对地观测体系。新的卫星平台及载荷在研制计划提出之前应首先明确自身的任务目标、功能定位、面向对象和服务行业;在研制计划开始时亟待开展星地一体化指标设计论证,将地面应用系统与卫星系统、卫星平台及有效载荷、有效载荷与业务需求之间,通过一体化设计、一体化技术研发、一体化应用,提升星地系统的整体匹配协调程度和业务应用效能,更好地满足应用需求。这个过程中不仅需要用户总结自身业务发展现状并规划未来需求,借鉴已有传感器的参数设置和应用情况,还需要通过数据模拟和实验的方式论证各指标参数设置的合理性,以帮助验证和改善传感器的参数设置,提前进行算法和数据处理软件的研究和开发。
目前已有一批传感器研制成功,可用于地质矿产资源勘查、自然生态监测等诸多领域应用和科学研究。新的卫星平台和载荷在研制过程中,除了要借鉴已有传感器的参数设置,还要契合用户的应用需求,面向行业应用。
以往卫星研制方在需要行业用户对所需指标进行需求分析和指标设计论证时,大部分源于行业专家的认知和经验判断,并且与行业用户需求和具体应用领域并没有很好的结合。鉴于设计工作通常处于卫星研制之前,无法获取到可用于实际应用的遥感影像,不仅很难从视觉上对遥感影像数据与卫星及载荷设计指标相结合给人以直观的认识,也无法进行数据处理开展针对行业应用的实际效果评价,因此在指标设计时为了用量化与直观的数据结果给出确定的建议,需要在用户与卫星及载荷研制方多方沟通确定指标设置大概数值范围之后,通过数据模拟和实验的方式验证各参数设置的合理性,以帮助验证和改善传感器的参数设置,甚至用于算法和数据处理软件的研究和开发。
发明内容
本发明的目的在于提供一种面向行业应用的星地一体化指标设计方法,以解决现有技术中的指标建议提出大部分依赖于行业专家,行业用户需求与具体应用领域没有很好结合的问题,本发明的星地一体化指标设计方法从主体业务出发,分析业务现状与未来规划,圈定与主体业务相关的卫星产品需求,制定数据及观测需求,搭建与载荷及卫星平台之间的有效桥梁。
在星地一体化指标设计研究中,根据指标建议得出时所基于的方法不同,可分为基于定性分析的指标设计方法、基于定量推演的指标设计方法、基于仿真模拟的指标设计方法。一般来讲,基于定性分析的指标设计方法,需要对用户需求与成像原理等基础理论分析,满足上述类似约束条件下提出建议指标;基于定量推演的指标设计方法,需要在采用推理分析基础上进行对应关系的计算、层次分析,并加以综合评判与平衡的方式得出;基于仿真模拟的指标设计方法主要是针对部分指标无法直观感受其设置情况对影像及应用带来的影响,只能通过对模拟影像开展数据质量评价或应用效果评价来反馈指标设置的合理性。本发明方法将上述基于定性分析、基于定量推演及基于仿真模拟的指标设计方法这三种论证方法综合应用,有效实现星地一体化指标设计。
为实现上述目的,本发明一种面向行业应用的星地一体化指标设计方法,是从应用需求出发,搭建从地面到卫星的成像过程链路,反推卫星平台及载荷设计指标。在系统梳理传统面向行业应用的指标设计方法基础上,将定性分析、定量推演与仿真模拟方法相结合,本发明方法主要分为以下步骤:
步骤一、从主体业务出发,分析业务现状和未来发展规划;主要是针对卫星设计时所面向的行业各主要用户开展需求调研和资料收集,并调研各用户对指标设置的要求和优先满足的排序。
步骤二、厘清主体业务所对应的卫星产品需求;根据步骤一所做的调研反馈进行不同卫星产品需求的梳理,结合各家业务工作的重要性,确定业务工作的优先级,并根据卫星载荷研制方的技术能力,厘清卫星产品需求。
步骤三、制定数据需求及观测需求;包括空间分辨率、波段设置、信噪比等方面的基本需求,以及地面系统和应用系统产品生产的要求;所述的观测需求涵盖卫星重访周期、重点成像范围等,另外需要协调已有在轨卫星的成像任务等。
步骤四、搭建前面步骤中所提需求与载荷及卫星平台指标之间的有效桥梁;是指根据步骤二及步骤三所述的需求,对各指标进行梳理,划分构建用户需求与卫星及载荷不同指标设置所需要的方法,实现从行业应用到卫星设计的有效关联。
步骤五、通过仿真方法按照反向推演得到卫星平台与载荷指标,生成模拟数据;
步骤六、在基于模拟数据基础上开展应用效果评价;
步骤七、评价指标设置的合理性和应用情况的满足度,给出指标设置建议。主要结合行业应用所要求的精度和精度计算方法给出指标设置的最优组合。
其中,步骤四所述的指标设计方法,根据指标建议得出时所基于的方法不同,包括定性分析、定量推演和基于仿真模拟三种方法。其中基于定性分析的方法,是对用户观测需求与成像原理等基础理论分析,在满足约束条件下提出建议指标,包括谱段覆盖范围、成像区域、重访周期;基于定量推演的指标设计方法,是在采用推理分析基础上进行对应关系的计算、层次分析,并加以综合评判与平衡的方式得出,包括空间分辨率、成像幅宽;基于仿真模拟的指标设计方法主要是针对部分指标无法直观感受其设置情况对影像及应用带来的影响,通过对模拟数据开展数据质量评价或应用效果评价来反馈指标设置的合理性,包括最优中心波长位置、信噪比、谱段带宽。
其中,步骤五中所述通过仿真方法按照卫星平台与载荷指标生成模拟数据。
所述的生成模拟数据由地面场景仿真、大气条件参数确定、大气辐射传输过程模拟、载荷性能模拟、模拟方法验证与数据集生成几部分组成。
地面场景仿真,选择指标设计优于预研究的卫星载荷的遥感影像数据。通过分类、波谱匹配等方法与地物波谱库内真实波谱匹配获得地表场景的地物类型,结合地物波谱库数据,进一步开展数据模拟。
大气条件参数是大气辐射传输过程模拟的重要输入,包括大气模式、地表温度、CO2和水汽含量、太阳和观测天顶角、能见度、海拔高度、传感器高度、成像日期、地面目标海拔等。
大气辐射传输过程的模拟采用公式实现。其中,L(μv)为传感器接收到的辐亮度,即入瞳辐亮度;L0(μv)为程辐射;Fd为太阳下行辐射;T(μv)为遥感器和地面目标之间的透过率;ρt为地面目标的反射率;S为大气的半球反射率。通过已知地物反射率可以推导得出入瞳辐亮度,实现大气辐射传输过程的模拟。
载荷性能的模拟,包括信噪比(Signal-to-Noise Ratio,SNR)、谱段带宽、波段设置(中心波长位置)性能指标的模拟。
信噪比模拟时首先需要进行波段入瞳辐亮度的计算。波段入瞳辐亮度计算方法为:假设卫星载荷的光谱响应函数(Spectral Response Function,SRF)为SRF(λ)。在忽略量化误差的假设下进行近似,辐射定标后得到实际上是入瞳辐亮度在各波段的等效值,以光谱响应函数为权重的加权平均:
信噪比计算:针对可见光、近红外及短波红外波段仪器得到的辐亮度主要来源于地面反射辐射这一特点,利用SNR获得噪声等效辐亮度NER(Noise Equivalent Radiance)。以0为均值,NER为标准差,按照高斯分布的形式模拟仪器噪声光谱。叠加到短波红外波段辐亮度曲线上,模拟信噪比对谱线的退化。
式中:S为在特定条件(半球反照率和太阳天顶角)下的信号值;σ为噪声的标准差。若传感器的NER已知,则可用NER替代σ。
中红外波段仪器得到的辐亮度来源要同时考虑反射和发射两部分能量,长波红外波段仪器得到的辐亮度主要来源为地面和大气的发射辐射。而仪器噪声指标由NEΔT给出。利用NEΔT获得等效噪声辐亮度NER,同样生成零均值的高斯噪声光谱。
根据设定的噪声条件(即目标温度T)有
其中,L(λ,T+1)-L(λ,T)为地面温度变化1K对应黑体辐亮度的变化值。
将高斯噪声光谱,叠加在中红外和长波红外波段辐亮度曲线上,模拟信噪比对谱线的退化。
谱段带宽与中心波长位置模拟都需要用到光谱响应函数,传感器通道光谱响应函数(spectrum response function,SRF)决定传感器系统所能获取到的辐亮度。对以λ0为中心波长的波段有效辐射可描述为:
式中:λ1和λ2分别为某波段覆盖的起止波长;SRF(λ)是系统的归一化光谱响应函数;Leff(λ0)为在中心波长为λ0时传感器系统获取到的有效辐射。
模拟方法验证:
模拟方法验证选择从现有的光谱库中选择典型地物的反射率光谱曲线,根据收集到的高光谱影像数据的成像条件和仪器参数设置对典型地物进行模拟,得到经仪器响应后的辐亮度曲线,之后再与高光谱影像中的对应像元谱线进行对比。评价参数选择线性相关系数R、均方根误差RMSE和归一化均方根误差NRMSE三种。分别计算模拟曲线和参考图像中对应地物的辐亮度光谱曲线的上述三种参数,以评价模拟结果的准确性和模拟方法的可行性。
线性相关系数可以表征模拟数据与真实测量的数据之间的线性相关程度。其计算公式如下:
其中,xc和xm表示模拟计算的光谱数据与实际影像中的光谱数据,n表示波段数。
均方根误差RMSE表示模拟数据与实际影像中的光谱数据之间均方根意义下的差距,它同测量结果具有相同的量纲。
归一化均方根误差NRMSE是对数据进行归一化之后计算的均方根误差,其归一化因子为实际测量数据的最大值和最小值之差。
模拟数据集生成:模拟数据集尽量涵盖较为丰富的地物类型,比如水体、植被、土壤、人造材料、岩石、矿物等典型地物的辐亮度模拟曲线,并针对传感器波段设置、信噪比等仪器参数设置一定的偏移量(比如波段设置左右偏移20nm,40nm等),生成更全面的仿真数据集,为后续应用分析做好数据准备。
其中,步骤六中基于模拟数据开展应用效果评价。单谱线模拟数据主要用于信噪比、谱段带宽、最优中心波长位置等指标的设置。在地物识别方面可尝试应用波谱特征拟合(SFF)、波谱角等方法。影像模拟数据主要用于调制传递函数(Modulation TransferFunction,MTF)、波段设置(波段数量、覆盖波谱范围)等指标的设计建议。主要应用波谱角等方法进行典型地物识别,应用图像分类的方法进行分类精度评价,应用图像质量评价指标评价MTF设置对图像的影响。
本发明一种面向行业应用的星地一体化指标设计方法,其优点及功效在于:是从应用需求出发,搭建从地面到卫星的成像过程链路,反推卫星平台及载荷设计指标。在系统梳理行业现状及未来规划需求的基础上确定不同指标的优先级,将定性分析、定量推演与仿真模拟方法有效结合开展指标设计。改善以往卫星研制与用户需求脱节的问题,推动指标的设计工作从定性描述向星地一体化定量方向发展,密切关联“供需关系”,有助于实现卫星的最大应用效能。
附图说明
图1为一种面向行业应用的星地一体化指标设计方法流程图
图2为单谱线数据模拟流程图
图3为本发明实施例典型地物模拟数据与实际影像中的光谱数据对比结果图
具体实施方式
一种面向行业应用的星地一体化指标设计方法,其特征是从应用需求出发,搭建链路,反推卫星平台及载荷设计指标。在系统梳理传统面向行业应用的指标设计方法基础上,将定性分析、定量推演与仿真模拟等方法相结合。下面结合具体实例对本发明进行详细说明,以下实例有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。下面将该方法主要步骤结合实例介绍如下,如图1所示:
步骤一、从主体业务出发,分析业务现状和未来发展规划:
主要是针对卫星设计时所面向的行业各主要用户开展需求调研和资料收集等工作,设计调研所用文件,可采用问卷调查、走访等形式,收集对设计的卫星及载荷的指标要求,如下表1,为卫星平台与载荷指标设置需求调查表。
表1
注:(1)指标优先性排序:______,①空间分辨率 ②波谱分辨率 ③幅宽 ④信噪比⑤辐射分辨率 ⑥重访周期;
(2)若有其他考虑的指标,请提出:___________________________________。需要根据行业内相关单位的业务对卫星产品需求进行相应调研和产品指标建议。
本发明实施例以区域地质调查与矿产调查为例,开展相应的业务需求梳理:
(1)区域基础地质调查是一切地质工作的基础。据不完全统计,目前1:5万基础地质调查覆盖率达到陆域面积的40%(384万平方千米)。未来五年,1:5万基础地质调查覆盖率要达到陆域面积的65%(624万平方千米),增加近240万平方千米。这就势必导致基础地质调查对遥感数据需求量的大大增加。
(2)根据国务院批准的《找矿突破战略行动总体方案(2011-2020年)》,力争用8-10年的时间新建一批矿产勘查基地,重塑全国矿产勘查开发格局,为我国经济社会可持续发展提供有力支撑。未来五年将全面开展19个重点成矿区带矿产远景调查,优先部署整装勘查区和重要找矿远景区;至2020年部署约100个整装勘查区和500个重点勘查区等工作。在这些勘查区需要开展1:1万-1:5万区域地质调查、1:1万-1:5万矿产调查等工作。
步骤二、厘清主体业务所对应的卫星产品需求;
根据步骤一所做的调研反馈进行不同卫星产品需求的梳理,结合各家业务工作的重要性,确定优先级,并根据卫星载荷研制方的技术能力,厘清卫星产品需求。根据步骤一所述区域地质调查与矿产调查的主体业务需求为例,梳理之后得到以下卫星产品需求:
(1)1:5万基础地质调查;1:1万-1:5万矿产调查;
(2)覆盖陆域面积的65%(624万平方千米);
(3)覆盖19个重点成矿区带矿产远景调查;
(4)覆盖约100个整装勘查区和500个重点勘查区;
(5)对应地质矿产类信息产品主要涵盖:构造信息、岩性信息、蚀变信息、第四系分布信息等。
步骤三、制定数据需求及观测需求;
数据需求指行业用户对影像的基本要求,如空间分辨率、波段设置等方面的基本需求,以及地面系统和应用系统产品生产的要求。观测需求涵盖卫星重访周期、重点覆盖范围等,另外需要协调已有在轨卫星的成像任务等,保障某些应急任务时的数据获取时效性,避免观测任务的重复。
步骤四、搭建前面步骤中所提需求与载荷及卫星平台之间的有效桥梁;
根据指标建议得出时所基于的方法不同,分为定性分析、定量推演和基于仿真模拟的三种方法。基于定性分析的方法,需要对用户需求与成像原理等基础理论分析,满足上述类似约束条件下提出建议指标,如谱段设置、覆盖范围、成像幅宽等指标;基于定量推演的指标设计方法,需要在采用推理分析基础上进行对应关系的计算、层次分析,并加以综合评判与平衡的方式得出,如空间分辨率等指标;基于仿真模拟的指标设计方法主要是针对部分指标无法直观感受其设置情况对影像及应用带来的影响,只能通过对模拟影像开展数据质量评价或应用效果评价来反馈指标设置的合理性,如信噪比、谱段带宽、辐射分辨率、几何定位精度等指标。
结合步骤二及步骤三所述的业务需求,对各指标进行梳理,得出可直接计算推演出的指标如下:
(1)谱段设置:满足主要产品生产所需谱段,覆盖岩石矿物的可诊断性光谱特征区。
(2)空间分辨率:满足相应制图比例尺的观测工作要求。可根据最大成图比例尺与数据的空间分辨率以及人眼的分辨率之间的关系,计算得出。
(3)覆盖范围:满足陆域面积的全覆盖,可实现重点成矿区带矿产远景调查;整装勘查区和重点勘查区的多次覆盖。
(4)成像幅宽:可接受拼接实现宽幅。
需要通过数据模拟与应用评价才可以得出的指标有以下几个:
(1)信噪比,
(2)辐射分辨率,
(3)几何定位精度,
(4)谱段设置。
步骤五、通过仿真方法按照反向推演得到卫星平台与载荷指标,生成模拟数据;
数据模拟由地面场景仿真、大气条件参数确定、大气辐射传输过程模拟、仪器成像过程(传感器性能)模拟、模拟方法验证与数据集生成几部分组成。以单谱线模拟某卫星设计预研究中的红外成像仪各指标设置为例:选取典型地物的反射率波谱,设计太阳高度角、地物温度等参数,之后在考虑大气条件的情况下,利用大气辐射传输模型进行大气辐射传输过程仿真得到入瞳辐亮度光谱曲线,最后参照仪器主要参数进行不同指标设置下的仪器响应特性的仿真,得到单谱线仿真数据集。如图2,单谱线数据模拟流程图。
地表场景仿真过程,通过选取不同地物种类,从USGS波谱库和JHU波谱库中获取其红外波段反射率波谱数据。设定地物温度和所处海拔高度。将地物的红外波段反射率数据、地物温度、成像条件输入到辐射传输模型,计算得到大气层顶的辐亮度。本次模拟设定的输入参数如表2,数据模拟所需参数表。仪器成像过程的模拟就是根据给定的波段设置、光谱响应函数、噪声参数等仪器指标对获取的辐亮度数据的影响。
表2
大气辐射传输过程的模拟采用公式实现。其中,L(uv)为传感器接收到的辐亮度,即入瞳辐亮度;L0(μv)为程辐射;Fd为太阳下行辐射;T(μv)为遥感器和地面目标之间的透过率;ρt为地面目标的反射率;S为大气的半球反射率。通过已知地物反射率可以推导得出入瞳辐亮度,实现大气辐射传输过程的模拟。
载荷性能的模拟,包括波段设置、信噪比、谱段带宽等性能指标的模拟。
波段入瞳辐亮度计算:假设卫星载荷的光谱响应函数为SRF(λ)。在忽略量化误差的假设下进行近似,辐射定标后得到实际上是入瞳辐亮度在各波段的等效值,以光谱响应函数为权重的加权平均:
信噪比计算:针对短波红外波段仪器得到的辐亮度主要来源于地面反射辐射这一特点,利用SNR获得噪声等效辐亮度NER。以0为均值,NER为标准差,按照高斯分布的形式模拟仪器噪声光谱。叠加到短波红外波段辐亮度曲线上,模拟信噪比对谱线的退化。
式中:S为在特定条件(半球反照率和太阳天顶角)下的信号值;σ为噪声的标准差。若传感器的NER已知,则可用NER替代σ。
中红外波段仪器得到的辐亮度来源要同时考虑反射和发射两部分能量,长波红外波段仪器得到的辐亮度主要来源为地面和大气的发射辐射。而仪器噪声指标由NEΔT给出。利用NEΔT获得等效噪声辐亮度NER,同样生成零均值的高斯噪声光谱。
根据设定的噪声条件(即目标温度T)有
其中,L(λ,T+1)-L(λ,T)为地面温度变化1K对应黑体辐亮度的变化值。
将高斯噪声光谱,叠加在中红外和长波红外波段辐亮度曲线上,模拟信噪比对谱线的退化。
谱段带宽计算:传感器通道光谱响应函数(spectrum response function,SRF)决定传感器系统所能获取到的辐亮度。对以λ0为中心波长的波段有效辐射可描述为:
式中:λ1和λ2分别为某波段覆盖的起止波长;SRF(λ)是系统的归一化光谱响应函数;Leff(λ0)为在中心波长为λ0时传感器系统获取到的有效辐射。
模拟方法验证:
验证实验的具体方法是从USGS和JHU光谱库中选择典型地物(植被和水泥)的反射率光谱曲线,根据美国路易斯安那NewOrlean1996年的MAS(MODIS Airborne Simulator)L1B影像数据的成像条件和仪器参数设置对典型地物(植被和水泥)进行模拟,得到经仪器响应后的辐亮度曲线。为了更直观的显示模拟结果与影像结果,如图3,典型地物模拟数据与实际影像中的光谱数据对比结果图。与MAS实测数据中的对应像元谱线进行对比,评价参数选择了线性相关系数R、均方根误差RMSE和归一化均方根误差NRMSE三种。分别计算模拟曲线和参考图像中对应地物的辐亮度光谱曲线的上述三种参数,以评价单谱线数据模拟结果的准确性和模拟方法的可行性。
线性相关系数可以表征模拟数据与真实测量的数据之间的线性相关程度。其计算公式如下:
其中,xc和xm表示模拟计算的光谱数据与实际影像中的光谱数据,n表示波段数。
均方根误差RMSE表示模拟数据与实际影像中的光谱数据之间均方根意义下的差距,它同测量结果具有相同的量纲。
归一化均方根误差NRMSE是对数据进行归一化之后计算的均方根误差,其归一化因子为实际测量数据的最大值和最小值之差。
模拟数据精度如下表3,为单谱线模拟精度评价表。
地物种类 | R | RMSE(W/(m<sup>2</sup>*sr*μm)) | NRMSE |
草地 | 99.07% | 3.8025 | 6.03% |
水泥 | 99.36% | 3.1318 | 4.62% |
表3
模拟数据集生成:模拟数据集尽量涵盖较为丰富的地物类型,比如水体、植被、土壤、人造材料、岩石、矿物等典型地物的辐亮度模拟曲线,并针对传感器波段设置、信噪比等仪器参数设置一定的偏移量(比如波段设置左右偏移20nm,40nm等),生成更全面的仿真数据集,为后续应用分析做好数据准备。
步骤六、在基于模拟数据基础上开展应用效果评价;
单谱线模拟数据主要用于信噪比、谱段带宽等指标的设置建议等。在地物识别方面可尝试应用波谱特征拟合(spectral feature fitting,SFF)、波谱角等方法。影像模拟数据主要用于MTF、波段设置等指标的建议。主要应用波谱角等方法进行典型地物识别,应用图像分类的方法进行分类精度评价,应用图像质量评价指标评价MTF设置对图像的影响。
以上文提及的红外成像仪的谱段带宽为参考,在此基础上对单条曲线进行了带宽变化的模拟,并应用SFF方法进行了表4中地物的识别。波谱特征拟合是基于波谱吸收特征的方法来匹配影像像元光谱与参考光谱,在匹配之前首先进行连续统去除处理,然后用最小二乘法拟合谱段带宽变化后的波谱与初始设计带宽波谱,对每一组波谱输出相关系数和均方根误差值,如前面所描述相关系数R和RMSE计算方法。在进行拟合时,得到拟合程度的数值,数值高低也就代表了拟合结果的好坏。
表4
注:①带宽变化中,正负分别表示相对于初始设置值增宽和缩窄相应的数值。带宽的变化是左右对称增宽,如20表示起始波长位置向短波方向移动10nm,终止位置向长波方向移动10nm,共计增宽20nm,谱段的中心波长位置保持不变。
②字体加下划线表示相应带宽时地物识别错误,斜体加粗表示该类地物在不同带宽变化时,应用波谱特征拟合法所能识别出来地物时的最高评分值。
步骤七、评价指标设置的合理性和应用情况的满足度,给出指标设置建议;
主要结合行业应用所要求的精度和精度计算方法给出指标设置的最优组合。在进行拟合时,得到拟合程度的数值,数值高低也就代表了拟合结果的好坏。
统计11组带宽变化条件下10中地物中准确识别的地物数量,对SFF方法得到的判别结果进行对比分析。波段带宽首先应该考虑在大气窗口位置,其次是传感器的波谱响应情况。
从表2中斜体加粗数据可以看出,在带宽变窄(-40nm)时候,没有辨识错误的情况,而且十种地物中有七种得分最高的情况发生在该种带宽设置。针对现有的数据分析结果,建议针对原谱段带宽进行缩减40nm来设置,左右各向中心波长位置缩进20nm。
根据波谱响应函数和大气窗口的波段叠加,在波段进行带宽左右增/减10nm,20nm,30nm,40nm,50nm时,其中波段3左右增宽50nm时,左侧短波边界恰好在大气窗口边界处,波段4增宽时,右侧长波超出大气窗口,波段5增宽时,短波方向超出大气窗口,其他各波段情况均在大气窗口的范围内。
综合考虑权衡多个指标设计的时候,如果涉及到卫星研制过程受技术能力及个别指标之间在优化上相互限制的情况,需结合步骤一里面卫星平台与载荷指标设置需求调研确定主要的载荷指标需求优先级,应用层次分析法等主要定性与定量相结合的多目标决策分析方法,综合各行业应用需求,得出最优的优先级排序及指标权重。
综上所述,本发明从面向行业应用的星地一体化指标设计方法需要从主体业务出发,分析业务现状与未来规划,圈定与主体业务相关的卫星产品需求,制定数据及观测需求,搭建与载荷及卫星平台之间的有效桥梁。在星地一体化指标设计方法研究中,根据指标建议得出时所基于的方法不同,可分为基于定性分析的指标设计方法、基于定量推演的指标设计方法、基于仿真模拟的指标设计方法。这三种方法综合应用,可科学有效实现星地一体化指标设计。
以上对本发明的系统指标设计思路和具体实施实例进行了描述,需要理解的是本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的在星地一体化指标设计的思路和实现过程的实质内容。
Claims (8)
1.一种面向行业应用的星地一体化指标设计方法,其特征在于:包括以下步骤:
步骤一、从主体业务出发,分析业务现状和未来发展规划;
步骤二、厘清主体业务所对应的卫星产品需求;
步骤三、制定数据需求及观测需求;包括空间分辨率、波段设置、信噪比的基本需求,以及地面系统和应用系统产品生产的要求;所述的观测需求涵盖卫星重访周期、重点成像范围,另外需要协调已有在轨卫星的成像任务;
步骤四、搭建前述步骤中所提需求与载荷及卫星平台指标之间的有效桥梁;具体是根据步骤二及步骤三所述的需求,对各指标进行梳理,划分构建用户需求与卫星及载荷不同指标设置所需要的方法,实现从行业应用到卫星设计的有效关联;
步骤五、通过仿真方法按照反向推演得到卫星平台与载荷指标,生成模拟数据;
步骤六、在基于模拟数据基础上开展应用效果评价;
步骤七、评价指标设置的合理性和应用情况的满足度,给出指标设置建议,具体为结合行业应用所要求的精度和精度计算方法给出指标设置的最优组合。
2.根据权利要求1所述的一种面向行业应用的星地一体化指标设计方法,其特征在于:步骤四所述的划分构建用户需求与卫星及载荷不同指标设置所需要的方法,根据指标建议得出时所基于的方法不同,包括定性分析、定量推演和基于仿真模拟的三种方法;其中基于定性分析的方法,对用户观测需求与成像原理等基础理论分析,在满足约束条件下提出建议指标,包括谱段覆盖范围、成像区域、重访周期;基于定量推演的指标设计方法,在采用推理分析基础上进行对应关系的计算、层次分析,并加以综合评判与平衡的方式得出,包括空间分辨率、成像幅宽;基于仿真模拟的指标设计方法,通过对模拟数据开展数据质量评价或应用效果评价来反馈指标设置的合理性,包括最优中心波长位置、信噪比、谱段带宽。
3.根据权利要求1所述的一种面向行业应用的星地一体化指标设计方法,其特征在于:步骤五中所述的生成模拟数据,由地面场景仿真、大气条件参数确定、大气辐射传输过程模拟、载荷性能模拟、模拟方法验证与数据集生成组成;
地面场景仿真,选择指标设计优于预研究的卫星载荷的遥感影像数据;通过分类、波谱匹配方法与地物波谱库内真实波谱匹配获得地表场景的地物类型,结合地物波谱库数据,进行数据模拟;
大气条件参数是大气辐射传输过程模拟的重要输入,包括大气模式、地表温度、CO2和水汽含量、太阳和观测天顶角、能见度、海拔高度、传感器高度、成像日期、地面目标海拔;
大气辐射传输过程的模拟,采用公式实现;其中,L(μv)为传感器接收到的辐亮度,即入瞳辐亮度;L0(μv)为程辐射;Fd为太阳下行辐射;T(μv)为遥感器和地面目标之间的透过率;ρt为地面目标的反射率;S为大气的半球反射率;通过已知地物反射率可以推导得出入瞳辐亮度,实现大气辐射传输过程的模拟;
载荷性能的模拟,包括信噪比、谱段带宽、波段设置和中心波长位置性能指标的模拟;
模拟方法的验证:选择从现有的光谱库中选择典型地物的反射率光谱曲线,根据收集到的高光谱影像数据的成像条件和仪器参数设置对典型地物进行模拟,得到经仪器响应后的辐亮度曲线,之后再与高光谱影像中的对应像元谱线进行对比;评价参数选择线性相关系数R、均方根误差RMSE和归一化均方根误差NRMSE三种;分别计算模拟曲线和参考图像中对应地物的辐亮度光谱曲线的上述三种参数,以评价模拟结果的准确性和模拟方法的可行性;
模拟数据集生成:模拟数据集涵盖包括水体、植被、土壤、人造材料、岩石、矿物典型地物的辐亮度模拟曲线,并针对传感器波段设置、信噪比仪器参数设置偏移量,生成仿真数据集。
7.根据权利要求3所述的一种面向行业应用的星地一体化指标设计方法,其特征在于:所述信噪比的模拟,首先需要进行波段入瞳辐亮度的计算;波段入瞳辐亮度计算方法为:假设卫星载荷的光谱响应函数为SRF(λ);在忽略量化误差的假设下进行近似,辐射定标后得到实际上是入瞳辐亮度在各波段的等效值,以光谱响应函数为权重的加权平均:
信噪比计算:针对短波红外波段仪器得到的辐亮度主要来源于地面反射辐射这一特点,利用SNR获得噪声等效辐亮度NER;以0为均值,NER为标准差,按照高斯分布的形式模拟仪器噪声光谱;叠加到短波红外波段辐亮度曲线上,模拟信噪比对谱线的退化;
式中:S为在特定条件即半球反照率和太阳天顶角下的信号值;σ为噪声的标准差;若传感器的NER已知,则可用NER替代σ;
中红外波段仪器得到的辐亮度来源要同时考虑反射和发射两部分能量,长波红外波段仪器得到的辐亮度主要来源为地面和大气的发射辐射;仪器噪声指标由NEΔT给出;利用NEΔT获得等效噪声辐亮度NER,同样生成零均值的高斯噪声光谱;
根据设定的噪声条件即目标温度T有
其中,L(λ,T+1)-L(λ,T)为地面温度变化1K对应黑体辐亮度的变化值;
将高斯噪声光谱,叠加在中红外和长波红外波段辐亮度曲线上,模拟信噪比对谱线的退化;
谱段带宽与中心波长位置模拟都需要用到光谱响应函数,传感器通道光谱响应函数SRF决定传感器系统所能获取到的辐亮度;对以λ0为中心波长的波段有效辐射可描述为:
式中:λ1和λ2分别为某波段覆盖的起止波长;SRF(λ)是系统的归一化光谱响应函数;Leff(λ0)为在中心波长为λ0时传感器系统获取到的有效辐射。
8.根据权利要求1所述的一种面向行业应用的星地一体化指标设计方法,其特征在于:所述步骤六中基于模拟数据开展应用效果评价:单谱线模拟数据用于信噪比、谱段带宽、最优中心波长位置指标的设置,在地物识别方面应用波谱特征拟合SFF、波谱角方法;影像模拟数据用于MTF、波段设置指标的设计建议,包括有应用波谱角方法进行典型地物识别,应用图像分类的方法进行分类精度评价,应用图像质量评价指标评价MTF设置对图像的影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911239832.8A CN111091279B (zh) | 2019-12-06 | 2019-12-06 | 一种面向行业应用的星地一体化指标设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911239832.8A CN111091279B (zh) | 2019-12-06 | 2019-12-06 | 一种面向行业应用的星地一体化指标设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111091279A true CN111091279A (zh) | 2020-05-01 |
CN111091279B CN111091279B (zh) | 2021-04-30 |
Family
ID=70394833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911239832.8A Active CN111091279B (zh) | 2019-12-06 | 2019-12-06 | 一种面向行业应用的星地一体化指标设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111091279B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113239779A (zh) * | 2021-05-10 | 2021-08-10 | 中国人民武装警察部队黄金第五支队 | 一种基于孔雀石多波段逻辑运算模型的找矿方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130129147A1 (en) * | 2006-07-28 | 2013-05-23 | Telespazio S.P.A. | Automatic detection of fires on earth's surface and of atmospheric phenomena such as clouds, veils, fog or the like, by means of a satellite system |
CN103942349A (zh) * | 2013-01-17 | 2014-07-23 | 中国空间技术研究院神舟学院 | 一种基于dsm的卫星耦合设计流程结构化分析及反演方法 |
CN103942348A (zh) * | 2013-01-17 | 2014-07-23 | 中国空间技术研究院神舟学院 | 一种基于电子表格的卫星设计系统快捷定制及集成方法 |
CN107733515A (zh) * | 2017-08-31 | 2018-02-23 | 北京空间飞行器总体设计部 | 一种在轨复杂环境下卫星通信链路分析方法 |
-
2019
- 2019-12-06 CN CN201911239832.8A patent/CN111091279B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130129147A1 (en) * | 2006-07-28 | 2013-05-23 | Telespazio S.P.A. | Automatic detection of fires on earth's surface and of atmospheric phenomena such as clouds, veils, fog or the like, by means of a satellite system |
CN103942349A (zh) * | 2013-01-17 | 2014-07-23 | 中国空间技术研究院神舟学院 | 一种基于dsm的卫星耦合设计流程结构化分析及反演方法 |
CN103942348A (zh) * | 2013-01-17 | 2014-07-23 | 中国空间技术研究院神舟学院 | 一种基于电子表格的卫星设计系统快捷定制及集成方法 |
CN107733515A (zh) * | 2017-08-31 | 2018-02-23 | 北京空间飞行器总体设计部 | 一种在轨复杂环境下卫星通信链路分析方法 |
Non-Patent Citations (2)
Title |
---|
金光 等: "卫星地面站资源配置仿真研究", 《系统仿真学报》 * |
魏丹丹 等: "基于波谱模拟的红外成像仪信噪比指标设置研究", 《国土资源遥感》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113239779A (zh) * | 2021-05-10 | 2021-08-10 | 中国人民武装警察部队黄金第五支队 | 一种基于孔雀石多波段逻辑运算模型的找矿方法及系统 |
CN113239779B (zh) * | 2021-05-10 | 2023-04-21 | 中国地质调查局西安矿产资源调查中心 | 一种基于孔雀石多波段逻辑运算模型的找矿方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111091279B (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vermote et al. | Atmospheric correction algorithm: spectral reflectances (MOD09) | |
CN105608293A (zh) | 融合光谱与纹理特征的森林地上生物量反演方法及系统 | |
Zarco‐Tejada et al. | Land cover mapping at BOREAS using red edge spectral parameters from CASI imagery | |
Shapley et al. | Ultraviolet to mid-infrared observations of star-forming galaxies at z~ 2: stellar masses and stellar populations | |
Lyu et al. | A new method for grassland degradation monitoring by vegetation species composition using hyperspectral remote sensing | |
Pozzetti et al. | The VIMOS VLT Deep Survey-The assembly history of the stellar mass in galaxies: from the young to the old universe | |
CN109212505B (zh) | 一种基于无人机多光谱高重叠度影像的森林林分特征反演方法 | |
CN110376138B (zh) | 基于航空高光谱的土地质量监测方法 | |
CN109492563A (zh) | 一种基于无人机高光谱影像和LiDAR点云的树种分类方法 | |
Borbas et al. | The RTTOV UWiremis IR land surface emissivity module | |
CN104089647B (zh) | 一种作物病害发生范围监测方法及系统 | |
CN106547840A (zh) | 一种全球三维大气数据的解析及管理方法 | |
CN101101338A (zh) | 一种油气勘探方法及系统 | |
CN102163264B (zh) | 一种高光谱数据质量与应用能力的评价方法 | |
CN111368817A (zh) | 一种基于地表类型进行热效应定量评价方法及系统 | |
CN107688818A (zh) | 一种基于卫星遥感影像特征分析的路径智能选择方法及系统 | |
MacDonald et al. | The use of Landsat data in a large area crop inventory experiment (LACIE) | |
CN114460013B (zh) | 滨海湿地植被地上生物量gan模型自学习遥感反演方法 | |
Maddy et al. | MIIDAPS-AI: An explainable machine-learning algorithm for infrared and microwave remote sensing and data assimilation preprocessing-Application to LEO and GEO sensors | |
CN102298150A (zh) | 全球陆表宽波段发射率反演方法及系统 | |
Narine et al. | Mapping forest aboveground biomass with a simulated ICESat-2 vegetation canopy product and Landsat data. | |
Ahmad et al. | Satellite remote sensing and GIS-based crops forecasting & estimation system in Pakistan | |
CN114881620B (zh) | 一种基于卫星遥感的国土空间监测方法与系统 | |
CN111091279B (zh) | 一种面向行业应用的星地一体化指标设计方法 | |
CN106500841A (zh) | 一种遥感监测大面积茶园植株多酚含量的方法及系统 |
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 |