CN111967734B - 微纳遥感网对地观测需求筹划方法 - Google Patents

微纳遥感网对地观测需求筹划方法 Download PDF

Info

Publication number
CN111967734B
CN111967734B CN202010747678.1A CN202010747678A CN111967734B CN 111967734 B CN111967734 B CN 111967734B CN 202010747678 A CN202010747678 A CN 202010747678A CN 111967734 B CN111967734 B CN 111967734B
Authority
CN
China
Prior art keywords
target
observation
micro
planning
nano
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.)
Active
Application number
CN202010747678.1A
Other languages
English (en)
Other versions
CN111967734A (zh
Inventor
董浩
俞鸿波
李欢
陶孙杰
祝佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Electronic Technology Institute No 10 Institute of Cetc
Original Assignee
Southwest Electronic Technology Institute No 10 Institute of Cetc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Electronic Technology Institute No 10 Institute of Cetc filed Critical Southwest Electronic Technology Institute No 10 Institute of Cetc
Priority to CN202010747678.1A priority Critical patent/CN111967734B/zh
Publication of CN111967734A publication Critical patent/CN111967734A/zh
Application granted granted Critical
Publication of CN111967734B publication Critical patent/CN111967734B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Mathematical Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Educational Administration (AREA)
  • Algebra (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开的一种微纳遥感网对地观测需求筹划与分析方法，旨在提供一种解决微纳遥感网卫星数量多、冲突消解难度大、对地观测质量不佳难题。本发明通过下述技术方案实现：微纳遥感网对区域目标进行多次重复观测，根据获取区域目标信息，对区域目标进行分解，将不规则多边形的外接矩形等间距划分为相互连续的点目标集合，形成区域内点目标集合；生成区域内点目标集合后，依次遍历可见弧段，筛选出满足约束条件的可见弧段，统计各点目标覆盖重数，计算出达到各重覆盖所占比率和累积覆盖率，实现区域目标完全覆盖后进行下一轮观测的需求筹划；根据上述统计分析结果，生成面向区域目标进行周期需求筹划的需求筹划方案。

Description

微纳遥感网对地观测需求筹划方法
技术领域
本发明涉及航天遥感应用领域，具体涉及一种微纳遥感网对地观测需求筹划方法。
背景技术
卫星对地观测是人造卫星按照既定的运行轨道,利用携带的光电传感器或无线电设备,对用户感兴趣的地面目标进行成像的过程。利用星载传感器从太空对地球表面进行探测而获取信息，已广泛应用于社会、经济建设等各领域。用户越来越期望对地观测卫星能够完成更加复杂多样的观测需求。对地观测需求复杂性主要体现在空域覆盖要求广、时域覆盖要求多次和频域覆盖要求多维等方面。复杂多样的对地观测需求给卫星任务规划带来了诸如规划算法复杂度高、规划效能低、规划结果用户满意度低、稀缺的卫星资源利用不合理等问题。对地观测需求分析是卫星任务规划的前端，通过对原始观测需求的各项特征要素进行分析，合理融合关联冗余的对地观测需求，优化多星接力观测流程，能有效提升卫星任务规划调度效能，使得观测结果更加适应不同类型的用户要求。遥感卫星是按照预定的成像计划进行对地观测的.成像计划中需要指定卫星将要执行的观测任务,并确定观测任务对应的数据采集活动和数据下传活动的起止时间.成像计划的制订直接源于对用户遥感图像需求进行任务规划的结果.任务规划是指为了实现给定的目标,对所有与目标相关的资源和任务进行规划和调度的过程.卫星对地观测任务规划具体是指:在综合考虑遥感卫星能力和用户遥感图像需求的基础上,将资源分配给相互竞争的多个观测任务,并确定任务中各具体活动的起止时问,以排除不同任务之间的资源使用冲突,并最大化满足用户的需求.卫星对地观测任务规划是一个复杂的问题,其中包含了许多与特定问题相关的实际约束,如卫星与地面目标之间的可见时间窗口,卫星连续两次观测之间的调整时间,卫星的侧视调整次数,地面目标要求的特定遥感器类型,星载存储器的容量,气象条件等。针对用户提请的对地观测需求复杂性问题，引出了对地观测需求关联融合分析和多星接力对地观测需求流程分析。对地观测需求间的关联度，包括空域关联测度、时域关联测度和频域关联测度以及总的关联测度。遥感界通常将遥感对地观测技术系统分为星载系统、平流层系统、机载系统(高、低空)、地面系统、综合信息处理系统等。这主要是按观测高度(技术难易程度、投入强度等)或覆盖能力等因素来分的，也是一种学术上的分类。在一定程度上反映了遥感技术的能力现状，但并未完全反映遥感技术的能力。“能力”是相对而言的，气象卫星在监测大气变化方面具备相当的能力，但在监测城市化方面的能力则显得苍白无力。目前,不同类型的对地观测平台之间缺乏有效的协同交互机制。这种孤立的资源管控模式难以应对多样且大量的对地观测需求。特别是在一些紧急情况下,如地震、洪涝灾害和森林火灾等,这种模式的弊端尤为突出。
近年来，微纳卫星遥感系统正在飞速发展，呈现出小型化、星座化、编队飞行等的发展趋势。目前美国行星实验室公司的鸽群星座由200多颗微纳卫星组成，已经形成了每日对地成像的能力。利用微纳遥感网进行组网协同，能够实现高时间、高空间覆盖度的对地观测成像，具备大区域覆盖、连续成像观测、多星组网协同、高响应时效性等特点，可以为农业、地图导航、城市交通、资源分析、海洋监视等应用奠定遥感数据基础。对地观测卫星多为低轨卫星,由于卫星轨道的限制,单颗卫星难以完成复杂对地观测需求,需要多颗卫星构成组网卫星系统,协同接力完成周期性观测任务。这对卫星观测任务规划提出了更高的要求。现有卫星观测任务规划模型大多假设目标只需进行一次或次数固定的少数几次观测,观测任务即可完成,难以直接应用到组网卫星周期性观测任务规划问题。
需求筹划的主要任务是根据对地观测需求、星地约束条件等生成需求筹划方案，生成各个微纳卫星载荷工作计划，有序调度微纳卫星进行对地观测成像。由于对地观测的应用目标不同,各业务部门对遥感数据的需求存在差异。传统大卫星受理各类对地观测需求后，根据各类星地约束条件，进行需求分析、任务规划、冲突消解、动作序列编排后，生成载荷工作计划，上注卫星执行；相对于传统大卫星，微纳遥感网卫星数量更多，能够获取更多地面动态信息，同时受体积、重量等限制，需要进行多次重复观测以提升图像质量。因此微纳遥感网在需求筹划和对地观测过程中，传统大卫星先受理再观测的工作模式难以适用并会造成观测资源浪费，同时面临观测需求数量众多、冲突消解难度急剧增加等难题，难以充分发挥微纳遥感网的优势和特点。Verfaillie和Damiani等人从决策科学的角度提出了卫星对地观测任务规划的序贯决策模型，模型中考虑了任务规划中不确定因素的局部赢得(1ocal gains),可以利用有效的动态规划算法进行求解,只是随着模型中一些实际约束的加入,模型的复杂性将急剧增加.。Chien,Frank.和Long等人从人工智能规划问题的角度提出了卫星观测任务规划问题描述模型，该模型借助标准人工智能规划建模语言,如PDDL,对卫星任务规划中涉及的活动,状态和条件等实体进行建模，该语言的描述范围不仅仅局限于卫星的观测任务,不足之处在于建模语言本身不提供优化功能,模型的求解还需借助其他搜索技术。
发明内容
本发明的目的是针对上述问题和现有技术存在的不足和面向微纳遥感网对地多次重复观测需求，旨在提供一种解决微纳遥感网卫星数量多、冲突消解难度大、对地观测质量不佳等难题的微纳遥感网对地观测需求筹划方法。
为实现上述目的，本发明提供如下技术方案：一种微纳遥感网对地观测需求筹划方法，包括如下步骤：
微纳卫星在一次观测活动中完成对点目标的观测成像和微纳遥感网进行对地观测需求筹划过程中，对区域目标进行多次重复观测，制定微纳遥感网对区域目标观测策略；根据获取区域目标信息，对区域目标进行分解，将表示区域目标的不规则多边形的外接矩形等间距划分为相互连续的点目标集合，去除不在区域目标的点目标，形成区域内点目标集合；生成区域内点目标集合后进行星地可见性计算，依次遍历可见弧段，筛选出点目标第一个满足约束条件的可见弧段，统计各点目标覆盖重数，计算出达到各重覆盖所占比率和累积覆盖率，当实现区域目标完全覆盖后进行下一轮观测的需求筹划；全部可见弧段集合遍历完成后，根据上述统计分析结果，绘制出各重覆盖点目标分布图及区域内各点目标覆盖重数热力图，生面向区域目标进行周期需求筹划生成需求筹划方案。
本发明具有如下技术效果：
本发明采用对区域目标进行分解形成区域内点目标集合，将微纳遥感网对区域目标的观测问题转化为周期重复观测问题，单个微纳卫星能在一次观测活动中完成对点目标的观测成像，极大简化了微纳遥感网需求筹划模型，在指定周期内进行需求筹划，不进行侧摆、调资等机动处理，可以实现区域目标多次重复观测，为微纳遥感网对地观测质量的提升处理奠定了数据基础。
本发明针对全球或大区域目标实现快速周期需求筹划，形成对区域目标的多次重复观测，充分利用微纳遥感网卫星数量多的优点，对区域目标进行多次重复观测，制定微纳遥感网对区域目标观测策略；微纳遥感网在日常工作模式下，不受理外部对地观测需求，在指定周期内，根据周期需求筹划结果自主对全球或大区域目标进行多次重复观测并对需求筹划结果进行分析，进而提升微纳遥感网资源利用效率。
本发明在进行需求筹划过程前，对区域目标进行分解，生成区域内点目标集合，生成区域内点目标集合后进行星地可见性计算，依次遍历可见弧段，筛选出点目标第一个满足约束条件的可见弧段，统计各点目标覆盖重数，计算出达到各重覆盖所占比率和累积覆盖率；极大简化了微纳遥感网需求筹划过程。
本发明对全部可见弧段集合遍历完成后，根据上述统计分析结果，绘制出各重覆盖点目标分布图及区域内各点目标覆盖重数热力图，生面向区域目标进行周期需求筹划生成需求筹划方案。解决了微纳遥感网卫星数量多、冲突消解难度大、对地观测质量不佳等难题。
附图说明
为了使本发明实施例中的目的、技术方案和优点更加清楚，下面将结合附图，对本发明中的技术方案进行清楚、完整地描述。
图1是本发明微纳遥感网对地观测需求筹划流程图；
图2某省区域目标分解结果图；
图3各批次观测过程中各重覆盖点目标所占比率变化曲线；
图4各批次观测过程中区域内点目标覆盖重数热力图。
具体实施方式
参阅图1。根据本发明，微纳卫星在一次观测活动中完成对点目标的观测成像和微纳遥感网进行对地观测需求筹划过程中，对区域目标进行多次重复观测，制定微纳遥感网对区域目标观测策略；根据获取区域目标信息，对区域目标进行分解，将表示区域目标的不规则多边形的外接矩形等间距划分为相互连续的点目标集合，去除不在区域目标的点目标，形成区域内点目标集合；生成区域内点目标集合后进行星地可见性计算，依次遍历可见弧段，筛选出点目标第一个满足约束条件的可见弧段，统计各点目标覆盖重数，计算出达到各重覆盖所占比率和累积覆盖率，当实现区域目标完全覆盖后进行下一轮观测的需求筹划；全部可见弧段集合遍历完成后，根据上述统计分析结果，绘制出各重覆盖点目标分布图及区域内各点目标覆盖重数热力图，生面向区域目标进行周期需求筹划生成需求筹划方案。
微纳遥感网对全球、国家、地区的大面积区域目标进行长时间多次重复观测；微纳卫星对地观测过程中，对正下方区域成像，不进行侧摆、姿态调整的机动处理，进行区域目标分解后生成区域内点目标集合，区域目标信息由描述了目标区域的位置和分布的多个边缘顶点的经纬度序列构成，并且由标准矢量文件描述。
区域目标通常为一个不规则多边形，区域目标的顶点坐标范围为latmin～latmax和lonmin～lonmax，将顶点坐标范围定义的外接矩形区域等间距划分为相邻连续的点目标，构成点目标集合，使微纳卫星可以在一次观测活动中完成对点目标的观测成像，点目标间距可以根据星上载荷视场角确定，将不在区域目标中的点目标去除后，形成区域内点目标集合S＝{s1,s2,…,sN}，其中，N为区域内点目标数量。
进行星地可见性计算；假设微纳遥感网中共有M颗微纳卫星，星地可见性计算通过卫星工具包软件(Satellite Toolkit,STK)完成星地可见性计算，生成微纳遥感网与区域内所有点目标的可见弧段集合TW＝{(stw,etw)mnk}，每个可见弧段定义了微纳卫星对点目标观测时的开始时间和结束时间，其中，(stw,etw)mnk表示第m颗微纳卫星与第n个点目标之间的第k个可见弧段的开始时间和结束时间。
所述约束条件包括：微纳卫星与点目标可见时长不少于EXELEN秒，并在每天特定时间内进行对地观测；具体可以表示为：stwmnk-etwmnk≥EXELEN，Hour(stwmnk)≥cstwl&Hour(etwmnk)≤cetwl，其中Hour(·)表示获取当前可见弧段开始时间或结束时间的小时数，cstwl和cetwl分别表示可对地观测的每天特定时间的开始时间和结束时间，stwmnk和etwmnk分别表示第m颗微纳卫星与第n个点目标之间的第k个可见弧段的开始时间和结束时间。
在筹划周期内，微纳遥感网可对区域目标进行多次重复观测，每批次观测实现对目标区域的一重完全覆盖，具体包括：判断当前弧段是否满足约束条件，不满足约束条件则跳过，根据每个点目标与多个微纳卫星之间存在多个可见弧段，以点目标为主体，选择其中第一个满足约束条件的可见弧段，计算当前批次观测中已分配观测资源的点目标集合COVp＝{s1,s2,…,sx}，得到当前批次观测的累积覆盖率。依次遍历可见弧段集合，生成需求筹划方案；根据当前批次观测的累积覆盖率，判断累积覆盖率是否达到100％，若未达到，继续遍历可见弧段集合，若已达到，当前批次观测已完成对区域目标的完全覆盖，将累积覆盖率设置为0，进行下一轮完全覆盖可见弧段筛选和下一批次观测的需求筹划。
在指定周期完成需求筹划后，微纳遥感网对目标区域共进行了P次重复观测，每批次观测均对区域目标的覆盖率均达到100％，统计每次观测的开始时间、结束时间和持续时间，以及Qp个可见弧段对应点目标编号出现的次数，可得到第p次观测各点目标覆盖重数COV_NUMp＝{sn1,sn2,…,snN}，其中，sni表示第i个点目标的覆盖重数。
对于第p次观测过程，根据各点目标覆盖重数为COV_NUMp＝{sn1,sn2,…,snN}，根据统计结果，可计算出达到各重覆盖所占比率：
multi_cov_ratiov＝sum({sn1,sn2,…,snN}≥v)×100％，且1≤v≤COV_NUMmax，其中，v为覆盖重数。根据上述统计分析结果，进而可以绘制出各批次观测累积覆盖率变化曲线、各重覆盖所占比率变化曲线及区域内各点目标覆盖重数热力图等。
每批次观测至少对区域内点目标实现1重覆盖，由于微纳遥感网中卫星众多，对点目标可实现多重覆盖。
在第p批次观测的需求筹划中，最大覆盖重数为
COV_NUMmax＝max(COV_NUMp＝{sn1,sn2,…,snN})，若每次观测均实现对区域目标完全覆盖，则最小观测重数为1，若未实现完全覆盖，则最小观测重数为0。全部可见弧段集合遍历完成后，生成需求筹划方案，需求筹划方案可以由多条载荷工作计划构成，具体信息包括卫星编号、点目标编号、开始时间、结束时间等。对需求筹划结果进行评估分析；具体包括：在指定周期完成需求筹划后，微纳遥感网对目标区域共进行了P次重复观测，每批次观测均对区域目标的覆盖率均达到100％，进而可统计每次观测的开始时间、结束时间和持续时间。
参阅图2。步骤S01：获取区域目标信息。
本实施例中，以某省区域作为被观测的区域目标，区域目标的经纬度矢量信息通过矢量文件描述，可直接读入获取。
步骤S02：制定对地观测策略。本实施例中，对某省区域目标进行周期需求筹划，周期设置为5天；微纳卫星对地观测过程中，对正下方区域成像，不进行侧摆、姿态调整等机动处理。
步骤S03：进行区域目标分解，形成点目标集合。某省区域目标一个不规则多边形，将顶点坐标范围定义的矩形区域等间距划分为连续的点目标，构成点目标集合，其中卫星载荷的视场角设置为7°，点目标之间间距为0.5度，共形成N＝185个点目标集合Sr＝{s1,s2,…,sN}，具体如附图2所示。
步骤S04：进行星地可见性计算；
本实施例中，采用行星实验室公司鸽群卫星的真实轨道数据，全部微纳卫星数量共M＝197颗，具体轨道参数如下表所示。
需求筹划时间为2019年12月16号00：00：00至2019年12月21号00：00：00，共5天，通过卫星工具包软件(Satellite Toolkit,STK)完成星地可见性计算，生成所有微纳卫星与区域内所有点目标的可见弧段集合，记为TW＝{(stw,etw)mnk}，在无约束条件下，共有21637个可见弧段。
步骤S05：依次遍历可见弧段结合，判断是否满足约束条件；本实施例中，设置的约束条件为：微纳卫星与点目标可见时长不少于5秒，并在每天对地观测成像时间限制在早上8点到下午6点之间；如不满足条件，则直接忽略。
步骤S06：选择点目标第一个满足约束的可见弧段；若满足前述约束条件，将该可见弧段对应的点目标编号加入到当前批次观测中已分配观测资源的点目标集合COVp＝{s1,s2,…,sx}中，若该点目标编号已存在，则直接忽略，即选择点目标与多个微纳卫星之间第一个满足约束条件可见弧段。
步骤S07：计算当前批次观测的累积覆盖率：每次遍历到一个符合条件的可见弧段，即按公式cov_ratiop＝length(COVp)/N×100％计算一次当前批次观测的累积覆盖率。
步骤S08：判断当前批次观测的累积覆盖率是否达到100％。若未达到，继续遍历可见弧段集合；若已达到，说明当前批次观测已完成对区域目标的完全覆盖，进入下一批次观测的需求筹划过程。全部可见弧段集合遍历完成后，生成需求筹划方案，由多条载荷工作计划构成，具体信息包括卫星编号、点目标编号、开始时间、结束时间等。
步骤S09：对需求筹划结果进行评估分析。本实施例中，指定周期(5天)内需求筹划完成后，微纳遥感网对区域目标共进行了7个批次重复观测，各批次观测的开始时间、结束时间、持续时间及间隔时间如下表所示。其中前6次观测实现了对某省区域目标的完全覆盖，平均每天约1次，对于某省区域目标而言，共包含185个点目标，持续时间最短为0.87小时，平均约19.342小时，两次完全覆盖基本无间隔。
每批次观测至少对区域内点目标实现1重覆盖，由于微纳遥感网中卫星众多，对点目标可实现多重覆盖，每批次观测时最大、平均覆盖重数如下表所示，，最大覆盖重数可达到19重，由于第1～6次均实现了完全覆盖，各个目标区域至少实现1重覆盖，平均覆盖重数在5-12重之间，由于第7次观测时，未实现完全覆盖，存在0重覆盖的目标区域。
对于每批次观测，可根据各点目标覆盖重数计算出达到各重覆盖的点目标所占比率，具体数值如下表所示，各批次观测各重覆盖点目标所占比率变化曲线如附图3所示。由图表中可知，各重覆盖点目标占区域目标的比率，随着覆盖重数的增加从100％逐步降低。
根据上述评估分析结果，得到各批次观测时区域内点目标覆盖重数热力图，如附图4所示，点目标重数越少，对应点目标数量越多，但未呈现出明显的分布规律。
以上所述为本发明较佳实施例，应该注意的是上述实施例对本发明进行说明，然而本发明并不局限于此，并且本领域技术人员在脱离所附权利要求的范围情况下可设计出替换实施例。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种微纳遥感网对地观测需求筹划方法，其特征在于包括如下步骤：
微纳卫星在一次观测活动中完成对点目标的观测成像和微纳遥感网进行对地观测需求筹划过程中，对区域目标进行多次重复观测，制定微纳遥感网对区域目标观测策略；根据获取区域目标信息，对区域目标进行分解，将表示区域目标的不规则多边形的外接矩形等间距划分为相互连续的点目标集合，去除不在区域目标的点目标，形成区域内点目标集合；生成区域内点目标集合后进行星地可见性计算，依次遍历可见弧段，筛选出点目标第一个满足约束条件的可见弧段，统计各点目标覆盖重数，计算出达到各重覆盖所占比率和累积覆盖率，当实现区域目标完全覆盖后进行下一轮观测的需求筹划；全部可见弧段集合遍历完成后，根据上述统计分析结果，绘制出各重覆盖点目标分布图及区域内各点目标覆盖重数热力图，生面向区域目标进行周期需求筹划生成需求筹划方案。
2.如权利要求1所述的微纳遥感网对地观测需求筹划方法，其特征在于：在获取区域目标信息中，微纳遥感网对全球、国家、地区的大面积区域目标进行长时间多次重复观测；微纳卫星对地观测过程中，对正下方区域成像，不进行侧摆、姿态调整的机动处理，进行区域目标分解后生成区域内点目标集合，观测区域目标信息由描述了目标区域的位置和分布的多个边缘顶点的经纬度序列构成，并且由标准矢量文件描述。
3.如权利要求1所述的微纳遥感网对地观测需求筹划方法，其特征在于：微纳遥感网对区域目标的观测策略，包括：微纳遥感网不受理外部需求，对区域目标进行多次重复观测；进行周期需求筹划生成微纳卫星载荷工作计划，筹划周期可配置。
4.如权利要求1所述的微纳遥感网对地观测需求筹划方法，其特征在于：将顶点坐标范围定义的外接矩形区域等间距划分为相邻连续的点目标，构成点目标集合，并将不在区域目标中的点目标去除后，形成区域内点目标集合S＝{s1,s2,…,sN}，其中，N为区域内点目标数量。
5.如权利要求1所述的微纳遥感网对地观测需求筹划方法，其特征在于：在进行星地可见性计算中，星地可见性计算通过卫星工具包软件STK完成星地可见性计算，生成微纳遥感网与区域内所有点目标的可见弧段集合TW＝{(stw,etw)mnk}，并且每个可见弧段定义了微纳卫星对点目标观测时的开始时间和结束时间，其中，(stw,etw)mnk表示第m颗微纳卫星与第n个点目标之间的第k个可见弧段的开始时间和结束时间。
6.如权利要求1所述的微纳遥感网对地观测需求筹划方法，其特征在于：所述约束条件包括：微纳卫星与点目标可见时长不少于EXELEN秒，并在每天特定时间内进行对地观测；具体表示为：stwmnk-etwmnk≥EXELEN，Hour(stwmnk)≥cstwl&Hour(etwmnk)≤cetwl，其中，Hour(·)表示获取当前可见弧段开始时间或结束时间的小时数，cstwl和cetwl分别表示可对地观测的每天特定时间的开始时间和结束时间，stwmnk和etwmnk分别表示第m颗微纳卫星与第n个点目标之间的第k个可见弧段的开始时间和结束时间。
7.如权利要求1所述的微纳遥感网对地观测需求筹划方法，其特征在于：在筹划周期内，微纳遥感网对区域目标进行多次重复观测，每批次观测实现对目标区域的一重完全覆盖，具体包括：判断当前弧段是否满足约束条件，不满足约束条件则跳过，根据每个点目标与多个微纳卫星之间存在多个可见弧段，以点目标为主体，选择其中第一个满足约束条件的可见弧段，计算当前批次观测中已分配观测资源的点目标集合COVp＝{s1,s2,…,sx}，得到当前批次观测的累积覆盖率。
8.如权利要求1所述的微纳遥感网对地观测需求筹划方法，其特征在于：在指定周期完成需求筹划后，微纳遥感网对目标区域共进行了P次重复观测，每批次观测均对区域目标的覆盖率均达到100％，然后统计每次观测的开始时间、结束时间和持续时间，以及Qp个可见弧段对应点目标编号出现的次数，得到第p次观测各点目标覆盖重数COV_NUMp＝{sn1,sn2,…,snN}，其中，sni表示第i个点目标的覆盖重数。
9.如权利要求1所述的微纳遥感网对地观测需求筹划方法，其特征在于：对于第p次观测过程，根据各点目标覆盖重数为COV_NUMp＝{sn1,sn2,…,snN}和统计结果，计算出达到各重覆盖所占比率：multi_cov_ratiov＝sum({sn1,sn2,…,snN}≥v)×100％，且1≤v≤COV_NUMmax，其中，sni表示第i个点目标的覆盖重数，v为覆盖重数。
10.如权利要求1所述的微纳遥感网对地观测需求筹划方法，其特征在于：在第p次观测的需求筹划中，最大覆盖重数为COV_NUMmax＝max(COV_NUMp＝{sn1,sn2,…,snN})，其中，sni表示第i个点目标的覆盖重数，若每次观测均实现对区域目标完全覆盖，则最小观测重数为1，若未实现完全覆盖，则最小观测重数为0。
CN202010747678.1A 2020-07-30 2020-07-30 微纳遥感网对地观测需求筹划方法 Active CN111967734B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010747678.1A CN111967734B (zh) 2020-07-30 2020-07-30 微纳遥感网对地观测需求筹划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010747678.1A CN111967734B (zh) 2020-07-30 2020-07-30 微纳遥感网对地观测需求筹划方法

Publications (2)

Publication Number Publication Date
CN111967734A CN111967734A (zh) 2020-11-20
CN111967734B true CN111967734B (zh) 2023-08-25

Family

ID=73362539

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010747678.1A Active CN111967734B (zh) 2020-07-30 2020-07-30 微纳遥感网对地观测需求筹划方法

Country Status (1)

Country Link
CN (1) CN111967734B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3213349A1 (en) * 2021-07-12 2023-01-19 Longfei TIAN Autonomous mission planning method for carbon satellite
CN114022170B (zh) * 2021-08-31 2024-08-02 中国资源卫星应用中心 一种基于订单统筹的卫星需求筹划系统及方法
CN114254262B (zh) * 2021-11-22 2023-04-18 浙江大学 异面质比卫星星座的自主构型维持方法及装置、电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0017597A1 (fr) * 1979-04-10 1980-10-15 Aerospatiale Societe Nationale Industrielle Système d'observation terrestre par satellites
CN106469249A (zh) * 2015-08-24 2017-03-01 中国科学院遥感与数字地球研究所 一种卫星对地覆盖分析方法及系统
CN108664994A (zh) * 2018-04-17 2018-10-16 哈尔滨工业大学深圳研究生院 一种遥感图像处理模型构建系统和方法
CN110795214A (zh) * 2019-10-15 2020-02-14 航天恒星科技有限公司 一种遥感卫星自主任务筹划方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0017597A1 (fr) * 1979-04-10 1980-10-15 Aerospatiale Societe Nationale Industrielle Système d'observation terrestre par satellites
CN106469249A (zh) * 2015-08-24 2017-03-01 中国科学院遥感与数字地球研究所 一种卫星对地覆盖分析方法及系统
CN108664994A (zh) * 2018-04-17 2018-10-16 哈尔滨工业大学深圳研究生院 一种遥感图像处理模型构建系统和方法
CN110795214A (zh) * 2019-10-15 2020-02-14 航天恒星科技有限公司 一种遥感卫星自主任务筹划方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
祝佳 等.敏捷成像卫星需求筹划系统应用探析.《电讯技术》.2016,第56卷(第5期),第508-516页. *

Also Published As

Publication number Publication date
CN111967734A (zh) 2020-11-20

Similar Documents

Publication Publication Date Title
CN111967734B (zh) 微纳遥感网对地观测需求筹划方法
Wang et al. Agile earth observation satellite scheduling over 20 years: Formulations, methods, and future directions
CN107864007B (zh) 面向区域目标的多星多地面站资源协同分配管理方法
Wang et al. A model, a heuristic and a decision support system to solve the scheduling problem of an earth observing satellite constellation
CN104063748B (zh) 一种用于解决面向成像卫星的时间依赖型调度问题的算法
CN105095643B (zh) 面向动态环境的成像卫星自主任务规划方法
Xu et al. Multi-satellite scheduling framework and algorithm for very large area observation
Maryon et al. The UK nuclear accident model
CN109933842A (zh) 一种基于约束满足遗传算法的移动目标单星任务规划方法
CN112183929B (zh) 一种遥感卫星的成像系统
CN113343777B (zh) 一种面向自然灾害应急响应的卫星快速规划方法及系统
CN109684055A (zh) 一种基于主动观测任务的卫星调度方法
CN114021768B (zh) 一种基于灾害类型动态匹配卫星成像载荷的方法
CN109102195A (zh) 一种卫星自主在线滚动任务配置方法及系统
Frank et al. Scheduling ocean color observations for a GEO-stationary satellite
Xu et al. Multi-objective satellite scheduling approach for very large areal observation
Massaro et al. Assessing long-term tephra fallout hazard in southern Italy from Neapolitan volcanoes
Smith et al. Demonstrating a New Flood Observing Strategy on the NOS Testbed
Walton Models for the management of satellite-based sensors
CN117630983A (zh) 一种基于层次化任务分解的多载荷组网卫星目标跟踪方法
CN116205428A (zh) 全球性多区域卫星成像任务智能规划方法及装置
Niu et al. Multi-satellite observation scheduling for large area disaster emergency response
CN115293624A (zh) 一种采样点管控调度方法、装置、设备及存储介质
CN112954269B (zh) 一种用于大规模视觉计算系统的节点协同选择方法
Skobelev et al. Multi-agent Planning System for Target Application of Earth Remote Sensing Space Systems for Solving Precision Farming Tasks.

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