CN114325873B - 一种大气温湿廓线探测仪的亮温数据尺度精细化方法 - Google Patents

一种大气温湿廓线探测仪的亮温数据尺度精细化方法 Download PDF

Info

Publication number
CN114325873B
CN114325873B CN202210214237.4A CN202210214237A CN114325873B CN 114325873 B CN114325873 B CN 114325873B CN 202210214237 A CN202210214237 A CN 202210214237A CN 114325873 B CN114325873 B CN 114325873B
Authority
CN
China
Prior art keywords
temperature data
target grid
scale
brightness temperature
frequency band
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
CN202210214237.4A
Other languages
English (en)
Other versions
CN114325873A (zh
Inventor
殷晓斌
李炎
李鲲
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.)
Zhiyi Hangyu Beijing Technology Co ltd
Original Assignee
Zhiyi Hangyu Beijing Technology Co ltd
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 Zhiyi Hangyu Beijing Technology Co ltd filed Critical Zhiyi Hangyu Beijing Technology Co ltd
Priority to CN202210214237.4A priority Critical patent/CN114325873B/zh
Publication of CN114325873A publication Critical patent/CN114325873A/zh
Application granted granted Critical
Publication of CN114325873B publication Critical patent/CN114325873B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

  • Radiation Pyrometers (AREA)

Abstract

本发明公开了一种大气温湿廓线探测仪的亮温数据尺度精细化方法，该尺度精细化方法包括以下步骤:S1选择用于尺度精细化的目标网格；S2针对每个目标网格寻找邻近的亮温数据；S3针对每个目标网格计算邻近亮温数据集对应的权重因子；S4根据权重因子计算目标网格上的尺度精细化后的亮温值。该尺度精细化方法能够解决传统的实孔径大气温湿廓线探测仪观测尺度精细化程度不足的问题，从而达到不限制目标网格、不需要从载荷天线设计上做改进，从数据图像处理的角度并根据数据应用需求利用尺度精细化算法将亮温数据的尺度精细化程度提升至指定的目标网格的目的。利用尺度精细化后的数据实现对极端天气例如台风和强对流天气的观测需求。

Description

一种大气温湿廓线探测仪的亮温数据尺度精细化方法
技术领域
本发明涉及数据尺度精细化技术领域，具体来说，涉及一种大气温湿廓线探测仪的亮温数据尺度精细化方法。
背景技术
星载大气温湿廓线探测仪在大气遥感有着广泛的应用。由于天线尺寸和重量受到限制，星载大气温湿廓线探测仪的主要缺点是空间尺度大。大尺度的数据制约着大气温湿廓线探测仪的应用，特别是强对流和台风等极端天气的监测。
星载大气温湿廓线探测仪大气遥感图像的尺度精细化主要有三种措施：一方面是从载荷物理技术角度，提升载荷温湿廓线探测仪的天线的口径，从而获得主波束效率更高、主波束宽度更窄的载荷天线，该方法存在极限的口径大小，且受制于航天平台和火箭的空间容量，导致研发周期长且耗资高；二是利用综合孔径微波辐射测量技术，采用稀疏的小口径天线阵列合成一个等效的大口径天线，从而提高观测尺度精细化程度，虽然有效的降低了系统的体积与重量，但也大大增加了载荷的系统复杂度，导致测量精度下降，数据处理算法复杂；另一方面，则是从数据图像处理的角度，利用已有的数据和测得的天线方向图，通过各种尺度精细化的算法，将尺度精细化的图像通过反卷积计算恢复出来。该种方式的优点在于只需利用已有的数据及参数，配合尺度精细化算法，便可以对数据观测尺度精细化程度进行提升处理。
在大气观测领域，需要将大气温湿廓线探测仪的亮温产品进行尺度精细化处理，用以适应精细化大气参数产品的生成，特别是在极端天气下台风和强对流天气产品的生成，对大气灾害监测、预报以及气候变化研究都具有重要的意义。
发明内容
针对相关技术中的上述技术问题，本发明提出一种大气温湿廓线探测仪的亮温数据尺度精细化方法，能够克服现有技术的上述不足。
为实现上述技术目的，本发明的技术方案是这样实现的：
一种大气温湿廓线探测仪的亮温数据尺度精细化方法，包括以下步骤：
S1大气温湿廓线探测仪采用交轨扫描的方式进行对地观测，规定一个目标网格，目标网格为用于尺度精细化的网格，目标网格为高尺度精细化网格，目标网格的尺度精细化程度优于或等于大气温湿廓线探测仪最高频段的尺度精细化程度；
S2针对每个目标网格寻找邻近的亮温数据，针对大气温湿廓线探测仪的每个观测频段生成对应的邻近亮温数据集；
S3针对每个目标网格对应的邻近亮温数据集，计算邻近亮温数据集中每个亮温数据对应的权重因子；
S4根据权重因子计算尺度精细化后目标网格上的亮温值，即用邻近亮温数据恢复出目标网格上的尺度精细化后的亮温值。
进一步的，所述S2中针对每个目标网格g，分别收集每个观测频段在该目标网格g附近的观测亮温数据，可表示为：
Figure 444927DEST_PATH_IMAGE001
，其中，f为对应观测频段，
Figure 70991DEST_PATH_IMAGE002
为网格g上收集到的对应观测频段的亮温数据，
Figure 788411DEST_PATH_IMAGE003
为该观测频段的亮温数据的权重因子，k代表目标网格g上的亮温数据编号，k∈nearby表示这些亮温数据属于邻近亮温数据集。
进一步的，所述S2中邻近亮温数据集为大气温湿廓线探测仪每个观测频段的天线方向图主波束宽度的三倍范围内所包含的亮温数据，即足印中心点落在9dB波束宽度范围内的观测亮温数据。
进一步的，所述S3中，目标网格g上观测频段f对应的亮温数据集的权重因子满足
Figure 370571DEST_PATH_IMAGE004
，其中，m表示目标网格的邻近亮温数据个数，将其写为向量形式，
Figure 122627DEST_PATH_IMAGE005
的计算公式为：
Figure 633505DEST_PATH_IMAGE006
，
Figure 900538DEST_PATH_IMAGE007
，向量
Figure 464550DEST_PATH_IMAGE008
的长度为m，向量
Figure 133429DEST_PATH_IMAGE008
中的元素表示为：
Figure 752892DEST_PATH_IMAGE009
，A为天线方向图立体角覆盖的面积，i为采样点编号，u i 代表采样点i的天线方向图增益G i 在面积为A的区域上的积分值，向量
Figure 507221DEST_PATH_IMAGE010
的长度为m，向量
Figure 181916DEST_PATH_IMAGE010
中的元素表示为：
Figure 705301DEST_PATH_IMAGE011
，
Figure 322096DEST_PATH_IMAGE012
，i为采样点编号，v i 代表采样点i的天线方向图增益G i 和调整因子F i 的乘积在面积为A的区域上的积分值，矩阵P的大小为m×m，矩阵P中的元素表示为：
Figure 563722DEST_PATH_IMAGE013
，i和j为采样点编号，P ij 代表采样点i的天线方向图增益G i 和采样点j的天线方向图增益G j 的重叠部分在面积为A的区域上的积分值，矩阵
Figure 776528DEST_PATH_IMAGE014
的大小为m×m，矩阵
Figure 105485DEST_PATH_IMAGE014
为对角矩阵，对角线上的元素为大气温湿廓线探测仪对应观测频段的测量误差
Figure 378335DEST_PATH_IMAGE015
；
Figure 294207DEST_PATH_IMAGE016
和
Figure 999120DEST_PATH_IMAGE017
两个参数用来调节噪声和观测尺度精细化程度之间的平衡。
进一步的，所述S4中目标网格g上，对应观测频段的尺度精细化后的亮温值表示为：
Figure 497097DEST_PATH_IMAGE018
，其中，
Figure 206427DEST_PATH_IMAGE019
为目标网格g上对应观测频段的尺度精细化后的亮温值，
Figure 157066DEST_PATH_IMAGE020
为邻近亮温数据集组成的行向量，
Figure 226522DEST_PATH_IMAGE021
为亮温数据集对应的权重因子组成的列向量，向量长度均为m。
本发明的有益效果：本发明的大气温湿廓线探测仪的亮温数据尺度精细化方法能够解决传统的实孔径大气温湿廓线探测仪观测尺度精细化不足的问题，从而达到不限制目标网格、不需要从载荷天线设计上做改进，从数据图像处理的角度并根据数据应用需求利用尺度精细化算法将亮温数据的观测尺度精细化程度提升至指定的目标网格的目的。利用尺度精细化后的数据实现对极端天气例如台风和强对流天气的观测需求。
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，下面将对实施例中所需要使用的附图作简单地介绍，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的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例所述的大气温湿廓线探测仪的亮温数据尺度精细化方法的流程示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，根据本发明实施例所述的大气温湿廓线探测仪的亮温数据尺度精细化方法，包括以下步骤：
S1大气温湿廓线探测仪采用交轨扫描的方式进行对地观测，规定一个目标网格，目标网格为用于尺度精细化的网格，目标网格为高尺度精细化网格，目标网格的尺度精细化程度优于或等于大气温湿廓线探测仪最高频段的尺度精细化程度；
S2针对每个目标网格寻找邻近的亮温数据，针对大气温湿廓线探测仪的每个观测频段生成对应的邻近亮温数据集；
S3针对每个目标网格对应的邻近亮温数据集，计算邻近亮温数据集中每个亮温数据对应的权重因子；
S4根据权重因子计算尺度精细化后目标网格上的亮温值，即用邻近亮温数据恢复出目标网格上的尺度精细化后的亮温值。
以上所述S2中针对每个目标网格g，分别收集每个观测频段在该目标网格g附近的观测亮温数据，可表示为：
Figure 516689DEST_PATH_IMAGE001
，其中，f为对应观测频段，
Figure 459237DEST_PATH_IMAGE002
为网格g上收集到的对应观测频段的亮温数据，
Figure 606095DEST_PATH_IMAGE003
为该观测频段的亮温数据的权重因子，k代表目标网格g上的亮温数据编号，k∈nearby表示这些亮温数据属于邻近亮温数据集。
以上所述S2中邻近亮温数据集为大气温湿廓线探测仪每个观测频段的天线方向图主波束宽度的三倍范围内所包含的亮温数据，即足印中心点落在9dB波束宽度范围内的观测亮温数据。
以上所述S3中，目标网格g上观测频段f对应的亮温数据集的权重因子满足
Figure 715128DEST_PATH_IMAGE004
，其中，m表示目标网格的邻近亮温数据个数，将其写为向量形式，
Figure 374648DEST_PATH_IMAGE005
的计算公式为：
Figure 488098DEST_PATH_IMAGE006
，
Figure 36497DEST_PATH_IMAGE007
，向量
Figure 198488DEST_PATH_IMAGE008
的长度为m，向量
Figure 259985DEST_PATH_IMAGE008
中的元素表示为：
Figure 731287DEST_PATH_IMAGE009
，A为天线方向图立体角覆盖的面积，i为采样点编号，u i 代表采样点i的天线方向图增益G i 在面积为A的区域上的积分值，向量
Figure 143813DEST_PATH_IMAGE010
的长度为m，向量
Figure 109495DEST_PATH_IMAGE010
中的元素表示为：
Figure 291078DEST_PATH_IMAGE011
，
Figure 169166DEST_PATH_IMAGE012
，i为采样点编号，v i 代表采样点i的天线方向图增益G i 和调整因子F i 的乘积在面积为A的区域上的积分值，矩阵P的大小为m×m，矩阵P中的元素表示为：
Figure 68989DEST_PATH_IMAGE013
，i和j为采样点编号，P ij 代表采样点i的天线方向图增益G i 和采样点j的天线方向图增益G j 的重叠部分在面积为A的区域上的积分值，矩阵
Figure 572783DEST_PATH_IMAGE014
的大小为m×m，矩阵
Figure 874451DEST_PATH_IMAGE014
为对角矩阵，对角线上的元素为大气温湿廓线探测仪对应观测频段的测量误差
Figure 421976DEST_PATH_IMAGE015
；
Figure 809095DEST_PATH_IMAGE016
和
Figure 116580DEST_PATH_IMAGE017
两个参数用来调节噪声和观测尺度精细化程度之间的平衡。
以上所述S4中目标网格g上，对应观测频段的尺度精细化后的亮温值表示为：
Figure 7175DEST_PATH_IMAGE018
，其中，
Figure 804230DEST_PATH_IMAGE019
为目标网格g上对应观测频段的尺度精细化后的亮温值，
Figure 98552DEST_PATH_IMAGE020
为邻近亮温数据集组成的行向量，
Figure 272044DEST_PATH_IMAGE021
为亮温数据集对应的权重因子组成的列向量，向量长度均为m。
为了方便理解本发明的上述技术方案，以下通过具体使用方式上对本发明的上述技术方案进行详细说明。
在具体使用时，选择用于尺度精细化的目标网格，针对每个目标网格寻找邻近的亮温数据，针对每个目标网格计算邻近亮温数据集对应的权重因子，根据权重因子计算目标网格上的尺度精细化后的亮温值。
综上所述，借助于本发明的上述技术方案，能够解决传统的实孔径大气温湿廓线探测仪观测尺度精细化程度不足的问题，从而达到不限制目标网格、不需要从载荷天线设计上做改进，从数据图像处理的角度并根据数据应用需求利用尺度精细化算法将亮温数据的观测尺度精细化程度提升至指定的目标网格的目的。利用尺度精细化后的数据实现对极端天气例如台风和强对流天气的观测需求。
以上所述仅为本发明的较佳实施例而已，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。

Claims (4)

1.一种大气温湿廓线探测仪的亮温数据尺度精细化方法，其特征在于，包括以下步骤：
S1大气温湿廓线探测仪采用交轨扫描的方式进行对地观测，规定一个目标网格，目标网格为用于尺度精细化的网格，目标网格为高尺度精细化网格，目标网格的尺度精细化程度优于或等于大气温湿廓线探测仪最高频段的尺度精细化程度；
S2针对每个目标网格寻找邻近的亮温数据，针对大气温湿廓线探测仪的每个观测频段生成对应的邻近亮温数据集；
S3针对每个目标网格对应的邻近亮温数据集，计算邻近亮温数据集中每个亮温数据对应的权重因子；
S4根据权重因子计算尺度精细化后目标网格上的亮温值，即用邻近亮温数据恢复出目标网格上的尺度精细化后的亮温值；
其中，所述S3中，目标网格g上观测频段f对应的亮温数据集的权重因子满足
Figure 215479DEST_PATH_IMAGE001
，其中，m表示目标网格的邻近亮温数据个数，将其写为向量形式，
Figure 602598DEST_PATH_IMAGE002
的计算公式为：
Figure 159350DEST_PATH_IMAGE003
，
Figure 49946DEST_PATH_IMAGE004
，向量
Figure 847000DEST_PATH_IMAGE005
的长度为m，向量
Figure 455836DEST_PATH_IMAGE005
中的元素表示为：
Figure 567012DEST_PATH_IMAGE006
，A为天线方向图立体角覆盖的面积，i为采样点编号，u i 代表采样点i的天线方向图增益G i 在面积为A的区域上的积分值，向量
Figure 577693DEST_PATH_IMAGE007
的长度为m，向量
Figure 545649DEST_PATH_IMAGE007
中的元素表示为：
Figure 641781DEST_PATH_IMAGE009
，
Figure 540336DEST_PATH_IMAGE010
，i为采样点编号，v i 代表采样点i的天线方向图增益G i 和调整因子F i 的乘积在面积为A的区域上的积分值，矩阵
Figure 405524DEST_PATH_IMAGE011
的大小为m×m，矩阵
Figure 544381DEST_PATH_IMAGE011
中的元素表示为：
Figure 65492DEST_PATH_IMAGE012
，i和j为采样点编号，
Figure 315208DEST_PATH_IMAGE013
代表采样点i的天线方向图增益G i 和采样点j的天线方向图增益G j 的重叠部分在面积为A的区域上的积分值；矩阵
Figure 300481DEST_PATH_IMAGE014
的大小为m×m，矩阵
Figure 610240DEST_PATH_IMAGE014
为对角矩阵，对角线上的元素为大气温湿廓线探测仪对应观测频段的测量误差
Figure 884227DEST_PATH_IMAGE015
；
Figure 937633DEST_PATH_IMAGE016
和
Figure 777413DEST_PATH_IMAGE017
两个参数用来调节噪声和观测尺度精细化程度之间的平衡。
2.根据权利要求1所述的尺度精细化方法，其特征在于，所述S2中针对每个目标网格g，分别收集每个观测频段在该目标网格g附近的观测亮温数据，可表示为：
Figure 258073DEST_PATH_IMAGE018
，其中，f为对应观测频段，
Figure 304894DEST_PATH_IMAGE019
为网格g上收集到的对应观测频段的亮温数据，
Figure 161991DEST_PATH_IMAGE020
为该观测频段的亮温数据的权重因子,k代表目标网格g上的亮温数据编号，k∈nearby表示这些亮温数据属于邻近亮温数据集。
3.根据权利要求1所述的尺度精细化方法，其特征在于，所述S2中邻近亮温数据集为大气温湿廓线探测仪每个观测频段的天线方向图主波束宽度的三倍范围内所包含的亮温数据，即足印中心点落在9dB波束宽度范围内的观测亮温数据。
4.根据权利要求1所述的尺度精细化方法，其特征在于，所述S4中目标网格g上，对应观测频段的尺度精细化后的亮温值表示为：
Figure 856278DEST_PATH_IMAGE021
，其中，
Figure 694790DEST_PATH_IMAGE022
为目标网格g上对应观测频段的尺度精细化后的亮温值，
Figure 740106DEST_PATH_IMAGE023
为邻近亮温数据集组成的行向量，
Figure 135315DEST_PATH_IMAGE024
为亮温数据集对应的权重因子组成的列向量，向量长度均为m。
CN202210214237.4A 2022-03-07 2022-03-07 一种大气温湿廓线探测仪的亮温数据尺度精细化方法 Active CN114325873B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210214237.4A CN114325873B (zh) 2022-03-07 2022-03-07 一种大气温湿廓线探测仪的亮温数据尺度精细化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210214237.4A CN114325873B (zh) 2022-03-07 2022-03-07 一种大气温湿廓线探测仪的亮温数据尺度精细化方法

Publications (2)

Publication Number Publication Date
CN114325873A CN114325873A (zh) 2022-04-12
CN114325873B true CN114325873B (zh) 2022-05-31

Family

ID=81030328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210214237.4A Active CN114325873B (zh) 2022-03-07 2022-03-07 一种大气温湿廓线探测仪的亮温数据尺度精细化方法

Country Status (1)

Country Link
CN (1) CN114325873B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114563834B (zh) * 2022-04-27 2022-07-26 知一航宇(北京)科技有限公司 一种数值预报产品解释应用方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104539384A (zh) * 2014-11-19 2015-04-22 华中科技大学 一种基于卫星被动微波遥感数据的射频干扰检测方法
CN105988146A (zh) * 2015-01-29 2016-10-05 中国科学院空间科学与应用研究中心 一种星载微波辐射计的应用数据处理方法
CN107703554A (zh) * 2017-08-24 2018-02-16 安徽四创电子股份有限公司 多通道毫米波辐射计温湿廓线反演系统及其反演方法
CN108508442A (zh) * 2018-03-16 2018-09-07 哈尔滨工程大学 一种基于地基多通道微波辐射计的大气温湿廓线反演方法
CN112733394A (zh) * 2020-12-21 2021-04-30 国家卫星气象中心(国家空间天气监测预警中心) 一种大气参数反演方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108761484A (zh) * 2018-04-26 2018-11-06 江苏省气象台 一种基于多源卫星遥感数据的海雾监测方法
CN110632599A (zh) * 2019-09-03 2019-12-31 华中科技大学 一种大气温度廓线直接反演方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104539384A (zh) * 2014-11-19 2015-04-22 华中科技大学 一种基于卫星被动微波遥感数据的射频干扰检测方法
CN105988146A (zh) * 2015-01-29 2016-10-05 中国科学院空间科学与应用研究中心 一种星载微波辐射计的应用数据处理方法
CN107703554A (zh) * 2017-08-24 2018-02-16 安徽四创电子股份有限公司 多通道毫米波辐射计温湿廓线反演系统及其反演方法
CN108508442A (zh) * 2018-03-16 2018-09-07 哈尔滨工程大学 一种基于地基多通道微波辐射计的大气温湿廓线反演方法
CN112733394A (zh) * 2020-12-21 2021-04-30 国家卫星气象中心(国家空间天气监测预警中心) 一种大气参数反演方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A method to improve the accuracy of continuous measuring of vertical profiles of temperature and water vapor density by means of a ground-based microwave radiometer;J.L.Sánchez 等;《Atmospheric Research》;20130331;第122卷;第43-54页 *
FY-3C/MWHTS资料反演陆地晴空大气温湿廓线;贺秋瑞 等;《遥感学报》;20170125;第21卷(第1期);第27-38段 *

Also Published As

Publication number Publication date
CN114325873A (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN111815038B (zh) 一种光伏超短期预测方法及系统
CN115356249B (zh) 基于机器学习融合模型的卫星偏振pm2.5估算方法和系统
CN114325873B (zh) 一种大气温湿廓线探测仪的亮温数据尺度精细化方法
CN103927551B (zh) 基于超像素相关矩阵的极化sar图像半监督分类方法
Zeng et al. The influence of the landscape pattern on the urban land surface temperature varies with the ratio of land components: Insights from 2D/3D building/vegetation metrics
CN108009989A (zh) 一种基于srcnn的微波遥感图像超分辨率重建方法
CN103926548B (zh) 一种快速测量射电望远镜反射面精度的方法
CN111815021A (zh) 一种基于太阳辐射气候特征识别的光伏功率预测方法
Oon et al. Optimization study of solar farm layout for concentrator photovoltaic system on azimuth-elevation sun-tracker
Xiao et al. High-throughput calculation of organ-scale traits with reconstructed accurate 3D canopy structures using a UAV RGB camera with an advanced cross-circling oblique route
CN113133022B (zh) 一种基于构建mimo多径的下载速率提升方法和系统
CN105024166A (zh) 基于子阵的平面阵列天线方向图综合方法
CN114004158A (zh) 基于遗传算法优化支持向量机的海面电磁散射预测方法
Mathur A pseudodynamic programming technique for the design of correlator supersynthesis arrays
Liao et al. Fast and accurate estimation of solar irradiation on building rooftops in Hong Kong: A machine learning-based parameterization approach
CN109408958B (zh) 考虑面片拼合误差的伞状天线平均功率方向图建模方法
CN114019445B (zh) 一种基于位置聚类动态稀疏重构的二维到达角度测量方法
CN114239380B (zh) 基于自调整映射法则的矩形稀布阵列优化方法
CN109541587A (zh) 一种天基预警雷达功率孔径积优化设计方法
Edgar et al. Optimising direct normal insolation of rectangular PV platforms
CN109408956B (zh) 基于单元节点位移的反射面天线平均功率方向图建模方法
US11228699B2 (en) Systems and methods for determining a minimum resolvable distance of an imaging system
CN115037352A (zh) 一种面向卫星波束对准增强的降噪方法
CN109408957B (zh) 一种考虑确定性误差的伞状天线随机误差分析方法
CN112068157A (zh) 静止轨道多频太赫兹探测仪对地观测模式实现方法及装置

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