CN114324226B - 一种大气污染物立体分布无人机载超光谱遥测系统 - Google Patents
一种大气污染物立体分布无人机载超光谱遥测系统 Download PDFInfo
- Publication number
- CN114324226B CN114324226B CN202111441393.6A CN202111441393A CN114324226B CN 114324226 B CN114324226 B CN 114324226B CN 202111441393 A CN202111441393 A CN 202111441393A CN 114324226 B CN114324226 B CN 114324226B
- Authority
- CN
- China
- Prior art keywords
- hyperspectral
- atmospheric
- ground
- data
- aerial vehicle
- 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
Links
Images
Classifications
-
- 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
- Investigating Or Analysing Materials By Optical Means (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了一种大气污染物立体分布无人机载超光谱遥测系统,包括:无人机飞行平台受地面控制系统控制在目标区域飞行;GPS记录仪采集GPS数据;稳定对地扫描系统实时采集地表反射和天空太阳散射光信号、地表环境参数和高清图像数据;大气成分超光谱系统对光信号进行分光、探测、转换成超光谱数据后存储,存储GPS数据、地表环境参数和高清图像数据;地面控制系统控制无行人飞行高度和线路,控制光信号、地表环境参数和图像数据的采集范围和采集频率;数据回传与分析系统根据超光谱数据和地表环境参数反演解析以确定大气污染物立体分布信息,并将其结合高清图像数据进行显示,能够识别污染物高分辨率立体分布信息,精准追溯污染源位置。
Description
技术领域
本发明属于环境遥感监测领域,具体涉及一种大气污染物立体分布无人机载超光谱遥测系统。
背景技术
近年来,环境问题日益突出,大气污染呈现出区域性、复合性污染特征,及时掌握污染源位置及排放情况是大气污染防治的基础。卫星遥感覆盖范围广,每日观测,是较大区域大气环境监测的有力途径,但是存在着分辨率低、受云层影响大、每日仅过境时间有监测数据等问题,无法实时精准获取较小区域(工业园区等)污染物排放及分布信息。近年来国内外开展的大飞机平台遥感观测研究,由于其成本高,飞行速度快,探测分辨率不足等,也不能很好的应用于工业园区内部精细尺度污染物分布监测中。
专利文献CN103674853A公开了一种移动式区域大气污染气体分布遥测系统,包括了二维旋转台,俯仰、方位角传感器,GPS定位系统,导光系统,光谱仪,计算机。导光系统搭载在二维旋转台上,太阳散射光经光纤从导光系统导入光谱仪,光谱仪将收集到的光谱信息送入计算机,计算机对获取的光谱进行解析获取污染气体柱浓度,该方式采样地面车载移动观测的方式,仅得到观测线路上污染分布,无法实现区域覆盖观测。
专利文献CN109342350A公开了一种污染物分布红外光谱扫描成像遥测系统,主要包括红外辐射接收望远镜、傅里叶变换红外光谱仪、彩色变焦相机、重型变速云台和便携式计算机等。该基于傅里叶变换红外光谱被动测量技术,通过云台的二维扫描,利用背景与目标气体的等效辐射温差,测量目标气体的红外吸收信号,结合定量分析方法,最终得到目标区域内污染气体柱浓度二维分布。该方法采用地面定点观测的方式,仅获取观测视场内垂直平面上的污染物分布成像情况,无法实现区域污染物立体分布高分辨率探测。
发明内容
鉴于上述,本发明的目的是提供一种大气污染物立体分布无人机载超光谱遥测系统,具有轻量化、小型化、高集成的特点,能够识别小区域内的污染物高分辨率立体分布信息,精准追溯污染源位置,为大气污染防治提供有力的监测手段。
实施例提供的一种大气污染物立体分布无人机载超光谱遥测系统,包括无人机飞行平台,搭载于无人机飞行平台的GPS记录仪、稳定对地扫描系统、大气成分超光谱系统,设于地面的地面控制系统、数据回传与分析系统;
所述无人机飞行平台受地面控制系统控制在目标区域飞行;
所述GPS记录仪采集飞行过程的GPS数据;
所述稳定对地扫描系统实时采集地表反射光和天空太阳散射光信号、地表环境参数、高清图像数据;
所述大气成分超光谱系统对接收的光信号进行分光、探测、转换成超光谱数据后存储,同时存储采集的GPS数据、地表环境参数和高清图像数据;
所述地面控制系统控制无人机飞行高度和线路,控制稳定对地扫描系统对光信号、地表环境参数和图像数据的采集范围,控制大气成分超光谱系统对光信号的采集频率;
所述数据回传与分析系统回传大气成分超光谱系统存储的超光谱数据、GPS数据、地表环境参数和高清图像数据;根据超光谱数据和地表环境参数反演解析以确定目标区域内大气污染物立体分布信息,并将其叠加在地表高清图像上进行显示。
优选地,所述无人机飞行平台为纯电动多旋翼无人机飞行平台,纯电动的无人机飞行平台,无污染排放不干扰观测结果,水平方向的飞行速度为0~10m/s,垂直方向的飞行速度为0~5m/s,这样能够零活调整飞行速度和范围,适应观测需求。
优选地,所述GPS记录仪采集的定位数据包括:飞行时间、飞行经纬度、飞行高度,而飞行姿态数据包括:横滚角、偏航角、俯仰角。
优选地,所述稳定对地扫描系统包括云台、仰角电机、望远镜信号接收组件以及地物相机;
所述云台为望远镜信号接收组件和地物相机提供稳定平台,保证望远镜信号接收组件和地物相机接收光信号和采集地表环境参数、图像数据不受飞行姿态影响;
所述望远镜信号接收组件载于云台上,受仰角电机控制摆扫观测获取地表反射光信号及天空太阳散射光信号;
所述地物相机载于云台上,受仰角电机控制摆扫采集地表植被、水体、土壤等地表环境参数以及实时高清图像数据;
所述仰角电机受地面控制系统控制,进而控制望远镜信号接收组件和地物相机摆扫观测地表反射光信号以及天空太阳散射光信号,并采集观测方向的地表环境参数及高清图像数据。
优选地,所述望远镜信号接收组件对地的摆扫观测范围为±90°,垂直对地为0°,同时还能够采集天空太阳散射光信号,包括180°天顶散射光谱,120°低仰角散射光谱。
优选地,所述大气成分超光谱系统包括光谱仪、控制电脑组件;
所述光谱仪受控制电脑组件控制对接收的光信号进行分光、探测、转换成超光谱数据;
所述控制电脑组件与地面控制系统通信,并控制光谱仪工作,存储超光谱数据、GPS数据、地表环境参数和高清图像数据。
优选地,所述光谱仪的光谱采集频率为10s-60s每条,具体数值根据采集需要调整。
优选地,反演解析确定目标区域内大气污染物立体分布信息的过程包括:
依据通过地物相机采集的地表环境参数进行地表类型与颜色的识别;
利用基于机器学习构建的地表反照率-地表类型与颜色的相关关系,确定识别的地表类型与颜色对应的地表反照率等参数;
获取通过实测或者模型模拟手段得到的环境信息,包括大气温度、湿度、压力廓线,气溶胶廓线,云覆盖信息;
获取通过实测得到的几何信息,包括飞行高度,太阳方位,稳定对地扫描系统摆扫观测的仰角和方位角;
结合地表反照率、环境信息以及几何信息,基于三维大气辐射传输模型,计算得到大气光子路径信息后,根据大气光子路径信息求出大气污染物垂直柱浓度信息,扣除无人机上部的吸收影响,得到无人机飞行高度到近地面的柱总量结果,结合飞行高度信息也可以进一步获得质量浓度结果;
通过在不同高度层开展无人机载超光谱摆扫观测获得不同高度以下的大气污染物柱总量信息,通过逐次使用上层观测获得的大气污染物浓度值扣除下层观测获得的大气污染物浓度值得到每层的浓度结果,从而实现一定区域大气污染物立体分布信息的探测。
实施例提供的一种大气污染物立体分布无人机载超光谱遥测系统,与现有技术相比,具有的有益效果至少包括:
构建的获取装置采用无人机平台集成的GPS记录仪、稳定对地扫描系统、大气成分超光谱系统,具有轻量化、小型化、高集成的特点,同时配合地面控制系统能够控制无人机载仪器在目标区域内进行有规律的巡航摆扫观测,基于设置的较快采样频率,实现空间全覆盖采样,获得目标区域高分辨率光谱数据;
数据回传与分析系统基于地表反射光的高分辨率光谱数据,基于不同大气污染物分子的特征“指纹”吸收结构,采用朗伯比尔定律,将原始光谱扣除接收光谱后得到大气污染物吸收光谱结构,通过特征吸收的最小二乘法拟合,反演获得无人机俯视角下的痕量气体斜柱总量;结合无人机载仪器飞行姿态、地表反照率情况、光子路径信息,计算获得大气污染物浓度结果及水平分布情况,设置无人机飞行平台的飞行高度,获得不同高度层的大气污染物水平分布情况,最终实现一定区域的立体分布探测,满足对目标区域大气污染物的精准溯源的需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动前提下,还可以根据这些附图获得其他附图。
图1是本发明实施例提供的一种大气污染物立体分布无人机载超光谱遥测系统的结构示意图;
图2是本发明实施例提供的计算目标区域内大气污染物立体分布信息的流程图;
图3是本发明实施例提供的结合图像数据显示的大气污染物高分辨率立体分布效果图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
基于现有技术对于区域污染物分布探测分辨率不足的问题,实施例提供了一种大气污染物立体分布无人机载超光谱遥测系统,通过设计集成轻量化、小型化、高集成的超光谱仪器,能够识别小区域内的污染物高分辨率立体分布信息,精准追溯污染源位置,为大气污染防治提供有力的监测手段。
图1是本发明实施例提供的一种大气污染物立体分布无人机载超光谱遥测系统的结构示意图。如图1所示,实施例提供的一种大气污染物立体分布无人机载超光谱遥测系统,包括无人机飞行平台,搭载到无人机飞行平台的GPS记录仪、稳定对地扫描系统、大气成分超光谱系统,设于地面的地面控制系统、数据回传与分析系统。
实施例中,无人机飞行平台为纯电动、大载重、长航时无人机,续航时间超过30分钟,满足工业园区、重点排放源等目标区域的观测采样需求,载重大于10公斤,可以满足小型遥感仪器及采样仪器的搭载需求;纯电动无人机能够避免自身燃油排放对观测结果造成干扰,能够在近地面至几公里的高度空域内作业。电池组内置在无人机机身内部,通过地面控制系统进行无人机的起降、飞行线路的调整以及观测模式的切换等动作。实施例中,无人机飞行平台采用多旋翼无人机平台,以实现低速飞行,包括水平方向0~10m/s的速度飞行,垂直方向0~5m/s的速度飞行,以满足采样作业需求。
GPS记录仪固定在无人机飞行平台上,可以记录飞行时间、经纬度,高度数据,横滚角、偏航角、俯仰角等飞行定位及姿态数据,依据这些数据可以计算出飞行对地速度、绝对高度等信息,用于后续的大气污染物分布信息的计算。
稳定对地扫描系统包括云台、仰角电机、望远镜信号接收组件以及地物相机。其中,云台作为一个高精度稳定云台,固定在无人机飞行平台的底部脚架附近,为望远镜信号接收组件和地物相机提供稳定,保证望远镜信号接收组件和地物相机接收光信号和采集地表环境参数、图像数据不受飞行姿态影响。望远镜信号接收组件载于云台上,受仰角电机控制以绝对对地角度进行摆扫观测光信号,地物相机载于云台上,受仰角电机控制摆扫采集地表环境参数以及图像数据;仰角电机受地面控制系统控制,进而控制望远镜信号接收组件和地物相机摆扫观测光信号并采集地表环境参数及高清图像数据。
稳定对地扫描系统能够实现对地扫描范围在±90°,垂直对地为0°,且同时能够采集天空太阳散射光谱(180°天顶散射光谱,120°低仰角散射光谱),满足对地及天空多仰角观测光路不受机身遮挡,根据需要按照不同的步进和摆扫范围进行对地摆扫观测,其中,步进可以设为1°,2°,5°等,且步进精度优于0.1°,摆扫范围在±90°内,可以是±45°等,对地扫描系统的视场角优于0.2°×0.8°,这样,在无人机飞行的同时运行稳定对地扫描系统,实现目标区域的全覆盖观测;此外,对地扫描系统上搭载的地物相机,受仰角电机控制摆扫采集实时地表植被、水体、土壤等地表环境参数以及高清图像数据。
大气成分超光谱系统采用小型化、轻量化、高集成的设计,以便能够在无人机平台上挂载,具体地,大气成分超光谱系统包括光谱仪、控制电脑组件,其中,光谱仪受控制电脑组件控制对接收的光信号进行分光、探测、转换成超光谱数据。控制电脑组件包括树莓派电脑、固态硬盘和MCU板,在12V直流供电下即可稳定工作,自带局域网可以确保地面控制系统通信,该控制电脑组件在地面控制系统的控制下,控制光谱仪工作,存储超光谱数据、GPS数据、地表环境参数和图像数据。
实施例中,稳定对地扫描系统采集的光信号经过光纤传导被光谱仪接收后,控制光谱仪的采样频率为10-60s每条,然后采样的光信号经过分光、探测、转换成超光谱数据存储在控制电脑组件中。
地面控制系统设置在地面,与无人机飞行平台、稳定对地扫描系统以及大气成分超光谱系统通信,通过地面控制系统实时调整设备飞行高度、线路,设备观测仰角范围,光谱采集频率等基本操作,确保系统的正常运行。
数据回传与分析系统通过设计通讯协议能够实时将观测数据回传到地面PC端,便于实时了解空中仪器的采集情况,并实时处理解析回传的多角度摆扫观测的超光谱数据、反演出大气污染物浓度信息。设置无人机平台的飞行高度序列,获得不同高度层的大气污染物水平分布情况,最终实现一定区域的立体分布探测。进一步匹配高清图像数据,呈现无人机超光谱遥感的高分辨率污染物立体分布结果。
如图2所示,在数据回传与分析系统中,基于探测的超光谱数据,首先根据各种大气成分的特征吸收结构,通过原始光谱中扣除吸收后的接收光谱结构,得到吸收光谱数据,通过特征吸收的最小二乘法拟合,反演获得无人机俯仰角下的痕量气体差分斜柱总量。
拟合反演过程可参见文献“Platt,U.and Stutz,J.:Differential OpticalAbsorption Spectroscopy,Springer,Heidelberg,Berlin,2008”,具体根据朗伯比尔定律一束光I(λ)经大气各种成分吸收后剩余的部分I0(λ)被仪器接收到:
考虑到瑞利散射、米反射等过程造成的消光影响,将分子吸收过程造成的光谱变化进行拟合反演:
其中,j代表了痕量气体的种类,σ′j(λ)代表第j种成分的差分光学吸收截面,Cj是第j种成分的浓度。
大气辐射传输模型计算是数据反演解析中重要的一环。采用合适的大气辐射传输模型计算大气光子路径,研究光子路径对波段、姿态、地面反照率、气溶胶等的灵敏性,通过光子路径将斜柱总量转换为大气成分的垂直柱总量。本实施例中使用三维大气辐射传输模型来计算大气光子路径,并结合实际大气廓线与地表发射率,同时考虑大气光子路径随波长变化,云和或者气溶胶引起的多次散射等因素。
具体而言,基于地物相机,对光路中的地表颜色、类型予以记录,充分考虑建筑物、绿地、河道等地表反照率的差异,并基于查表法和观测几何信息,获得对应的地表反照率相关参数;通过机器学习构建地表反照率相关查找表,将地表反照率与地表类型、地表颜色建立相关的输入输出关系,通过地物相机判断采集光谱对应的地表类型与地表颜色,可以获得对应的地表反照率结果。利用实测或者是气象化学模式模拟的大气温度、湿度、压力廓线,气溶胶云层廓线,以及实际观测飞行高度,太阳方位,超光谱设备观测仰角、方位角等几何信息参数,基于三维大气辐射传输模型,计算出大气光子路径结果。根据计算的实际大气光子路径信息,求出大气污染物垂直柱总量结果。
通过扣除无人机上部的吸收影响,得到无人机高度到近地面的垂直柱总量结果,设置无人机在不同高度层飞行,例如:在100m,200m,300m,400m,500m等不同高度层开展无人机载超光谱推扫观测获得不同高度以下的大气污染物柱总量信息,依次使用上层的观测结果扣除下层观测的大气污染物浓度值能够得到每层的柱总量结果,进一步结合每层高度,可以获得每层的质量浓度数据,从而实现一定区域大气污染物立体分布的探测。
最后匹配高清图像数据,呈现出高分辨率的大气成分浓度空间立体分布结果,图3所示。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明,应理解的是以上所述仅为本发明的最优选实施例,并不用于限制本发明,凡在本发明的原则范围内所做的任何修改、补充和等同替换等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种大气污染物立体分布无人机载超光谱遥测系统,其特征在于,包括无人机飞行平台,搭载于无人机飞行平台上的GPS记录仪、稳定对地扫描系统、大气成分超光谱系统,设于地面的地面控制系统、数据回传与分析系统;
所述无人机飞行平台受地面控制系统控制在目标区域飞行;
所述GPS记录仪采集飞行过程的GPS数据;
所述稳定对地扫描系统实时采集地表反射光和天空太阳散射光信号、地表环境参数、高清图像数据;
所述大气成分超光谱系统对接收的光信号进行分光、探测、转换成超光谱数据后存储,同时存储采集的GPS数据、地表环境参数和高清图像数据;
所述地面控制系统控制无人机飞行高度和线路,控制稳定对地扫描系统对光信号、地表环境参数和图像数据的采集范围,控制大气成分超光谱系统对光信号的采集频率;
所述数据回传与分析系统回传大气成分超光谱系统存储的超光谱数据、GPS数据、地表环境参数和高清图像数据;根据超光谱数据和地表环境参数反演解析以确定目标区域内大气污染物立体分布信息,并将其叠加在地表高清图像上进行显示;
其中,反演解析确定目标区域内大气污染物立体分布信息的过程包括:
依据通过地物相机采集的地表环境参数进行地表类型与颜色的识别;
利用基于机器学习构建的地表反照率-地表类型与颜色的相关关系,确定识别的地表类型与颜色对应的地表反照率参数;
获取通过实测或者模型模拟手段得到的环境信息,包括大气温度、湿度、压力廓线,气溶胶廓线,云覆盖信息;
获取通过实测得到的几何信息,包括飞行高度,太阳方位,稳定对地扫描系统摆扫观测的仰角和方位角;
结合地表反照率、环境信息以及几何信息,基于三维大气辐射传输模型,计算得到大气光子路径信息后,根据大气光子路径信息求出大气污染物垂直柱浓度信息;
通过在不同高度层开展无人机载超光谱摆扫观测获得不同高度以下的大气污染物柱浓度信息,通过逐次使用上层观测获得的大气污染物浓度值扣除下层观测获得的大气污染物浓度值得到每层的浓度结果,从而实现一定区域大气污染物立体分布信息的探测。
2.根据权利要求1所述的大气污染物立体分布无人机载超光谱遥测系统,其特征在于,所述无人机飞行平台为纯电动多旋翼无人机飞行平台,水平方向的飞行速度为0~10m/s,垂直方向的飞行速度为0~5m/s。
3.根据权利要求1所述的大气污染物立体分布无人机载超光谱遥测系统,其特征在于,所述GPS记录仪采集的定位数据包括:飞行时间、飞行经纬度、飞行高度,而飞行姿态数据包括:横滚角、偏航角、俯仰角。
4.根据权利要求1所述的大气污染物立体分布无人机载超光谱遥测系统,其特征在于,所述稳定对地扫描系统包括云台、仰角电机、望远镜信号接收组件以及地物相机;
所述云台为望远镜信号接收组件和地物相机提供稳定平台,保证望远镜信号接收组件和地物相机接收光信号和采集地表环境参数、图像数据不受飞行姿态影响;
所述望远镜信号接收组件载于云台上,受仰角电机控制摆扫观测获取地表反射光信号以及天空太阳散射光信号;
所述地物相机载于云台上,受仰角电机控制摆扫采集实时地表环境参数以及高清图像数据,其中,地表环境参数包括地表植被参数、水体参数、土壤参数等;
所述仰角电机受地面控制系统控制,进而控制望远镜信号接收组件和地物相机摆扫观测地表反射光信号和天空太阳散射光信号,并采集地表环境参数、高清图像数据。
5.根据权利要求4所述的大气污染物立体分布无人机载超光谱遥测系统,其特征在于,所述望远镜信号接收组件对地的摆扫观测范围为±90°,垂直对地为0°,同时还能够采集天空太阳散射光信号。
6.根据权利要求1所述的大气污染物立体分布无人机载超光谱遥测系统,其特征在于,所述大气成分超光谱系统包括光谱仪、控制电脑组件;
所述光谱仪受控制电脑组件控制对接收的光信号进行分光、探测、转换成超光谱数据;
所述控制电脑组件与地面控制系统通信,并控制光谱仪工作,存储超光谱数据、GPS数据、地表环境参数和高清图像数据。
7.根据权利要求1或6所述的大气污染物立体分布无人机载超光谱遥测系统,其特征在于,所述光谱仪的光谱采集频率为10s-60s每条。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111441393.6A CN114324226B (zh) | 2021-11-30 | 2021-11-30 | 一种大气污染物立体分布无人机载超光谱遥测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111441393.6A CN114324226B (zh) | 2021-11-30 | 2021-11-30 | 一种大气污染物立体分布无人机载超光谱遥测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114324226A CN114324226A (zh) | 2022-04-12 |
CN114324226B true CN114324226B (zh) | 2023-06-23 |
Family
ID=81048480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111441393.6A Active CN114324226B (zh) | 2021-11-30 | 2021-11-30 | 一种大气污染物立体分布无人机载超光谱遥测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114324226B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114910430B (zh) * | 2022-04-29 | 2024-06-04 | 中国科学技术大学 | 基于超光谱遥感的痕量气体水平分布探测交通污染源方法 |
CN115855761B (zh) * | 2022-11-03 | 2023-09-26 | 生态环境部卫星环境应用中心 | 五基协同天空地一体化大气环境立体遥感监测系统及方法 |
CN117470787B (zh) * | 2023-09-28 | 2024-05-03 | 中国科学技术大学 | 一种多组分大气痕量成分的夜间超光谱遥感成像系统 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101419160B (zh) * | 2008-11-25 | 2011-07-27 | 吉林大学 | 中低空大气成分临边探测方法 |
WO2012001686A1 (en) * | 2010-06-28 | 2012-01-05 | Green Vision Systems Ltd. | Real-time monitoring, parametric profiling, and regulating contaminated outdoor air particulate matter throughout a region, via hyper-spectral imaging and analysis |
CN103217936A (zh) * | 2012-11-30 | 2013-07-24 | 环境保护部卫星环境应用中心 | 环保应急无人机集成系统 |
CN107192645A (zh) * | 2016-03-14 | 2017-09-22 | 曹芃 | 一种多旋翼无人机大气污染探测系统及方法 |
CN205691495U (zh) * | 2016-06-15 | 2016-11-16 | 襄阳航生石化环保设备有限公司 | 一种无人机巡检系统 |
CN107340547A (zh) * | 2017-07-24 | 2017-11-10 | 山东省职业卫生与职业病防治研究院 | 一种无人机载光谱侦检系统及其用于危险物侦检作业的控制方法 |
CN107422747B (zh) * | 2017-08-14 | 2023-06-20 | 上海交通大学 | 用于大气环境在线监测及大气受控采样的无人机系统 |
CN108830846B (zh) * | 2018-06-12 | 2022-02-08 | 南京航空航天大学 | 一种高分辨率全波段超光谱遥感图像仿真方法 |
CN110031412A (zh) * | 2019-04-25 | 2019-07-19 | 中国科学技术大学 | 基于移动ahsa观测的大气污染物排放通量获取方法 |
US20210247297A1 (en) * | 2019-07-01 | 2021-08-12 | David P. Groeneveld | Systems and Methods for Converting Satellite Images to Surface Reflectance Using Scene Statistics |
CN111579504B (zh) * | 2020-06-29 | 2021-10-01 | 中国科学技术大学 | 基于光学遥感的大气污染成分垂直分布反演方法 |
-
2021
- 2021-11-30 CN CN202111441393.6A patent/CN114324226B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114324226A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114324226B (zh) | 一种大气污染物立体分布无人机载超光谱遥测系统 | |
CN109780452B (zh) | 基于激光遥测技术的气体泄漏无人机巡检浓度反演方法 | |
Altstädter et al. | ALADINA–an unmanned research aircraft for observing vertical and horizontal distributions of ultrafine particles within the atmospheric boundary layer | |
CA2655279C (en) | Fugitive emission flux measurement | |
Liang et al. | Close-Range Remote Sensing of Forests: The state of the art, challenges, and opportunities for systems and data acquisitions | |
US10955294B2 (en) | Optical sensor for trace-gas measurement | |
CN113219496A (zh) | 一种星载海洋大气参数激光雷达探测系统 | |
CN102607592A (zh) | 遥感定标综合方法及定标设备车 | |
CN101419160B (zh) | 中低空大气成分临边探测方法 | |
Merlaud et al. | The Small Whiskbroom Imager for atmospheric compositioN monitorinG (SWING) and its operations from an unmanned aerial vehicle (UAV) during the AROMAT campaign | |
CN109406361B (zh) | 一种基于遥感技术的干旱区灰霾污染预警方法 | |
Kahn et al. | Environmental snapshots from ACE‐Asia | |
CN116227990A (zh) | 无人机生态环境碳收支评估方法、系统及监测数据采集设备 | |
Post et al. | The Combined Sensor Program: an air–sea science mission in the central and western Pacific Ocean | |
Koch et al. | Side-scan Doppler lidar for offshore wind energy applications | |
Kahn et al. | Aerosol data sources and their roles within PARAGON | |
Yu et al. | Design and implementation of atmospheric multi-parameter sensor for UAV-based aerosol distribution detection | |
CN115797807A (zh) | 基于无人机载光谱仪数据的海洋垃圾监测方法、系统及介质 | |
CN110389393B (zh) | 一种综合观测逆温层扰动的方法 | |
Nelsson et al. | ScanSpec: an imaging FTIR spectrometer | |
CN219065411U (zh) | 一种立体化远程大气污染监测系统 | |
Mense et al. | First measurements of 3-dimensional winds up to 25 km based on aerosol backscatter using a compact Doppler lidar with multiple fields of view | |
Baidar et al. | The CU Airborne MAX-DOAS instrument: ground based validation, and vertical profiling of aerosol extinction and trace gases. | |
Mei et al. | Atmospheric Radiation Measurement (ARM) airborne field campaign data products between 2013 and 2018 | |
Dikic et al. | Lidar-based snow monitoring: cable car deployment in the Austrian Alps |
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 |