CN116192251A - 一种基于天空红外遥感图像确定星地激光链路通信可用度的方法 - Google Patents
一种基于天空红外遥感图像确定星地激光链路通信可用度的方法 Download PDFInfo
- Publication number
- CN116192251A CN116192251A CN202211664385.2A CN202211664385A CN116192251A CN 116192251 A CN116192251 A CN 116192251A CN 202211664385 A CN202211664385 A CN 202211664385A CN 116192251 A CN116192251 A CN 116192251A
- Authority
- CN
- China
- Prior art keywords
- satellite
- cloud
- ground
- link
- laser
- 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.)
- Pending
Links
- 238000004891 communication Methods 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims description 37
- 230000003287 optical effect Effects 0.000 claims abstract description 38
- 230000005540 biological transmission Effects 0.000 claims abstract description 16
- 230000008859 change Effects 0.000 claims abstract description 16
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000010801 machine learning Methods 0.000 claims abstract description 4
- 238000010606 normalization Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims abstract description 4
- 230000005855 radiation Effects 0.000 claims description 58
- 238000004364 calculation method Methods 0.000 claims description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 230000005457 Black-body radiation Effects 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims description 7
- 238000013178 mathematical model Methods 0.000 claims description 7
- 238000002474 experimental method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000013179 statistical model Methods 0.000 claims description 4
- 238000002834 transmittance Methods 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims 3
- 238000012546 transfer Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000005624 perturbation theories Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18513—Transmission in a satellite or space-based system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/07—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems
- H04B10/075—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal
- H04B10/079—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal using measurements of the data signal
- H04B10/0795—Performance monitoring; Measurement of transmission parameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/11—Arrangements specific to free-space transmission, i.e. transmission through air or vacuum
- H04B10/118—Arrangements specific to free-space transmission, i.e. transmission through air or vacuum specially adapted for satellite communication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18519—Operations control, administration or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Environmental & Geological Engineering (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Optical Communication System (AREA)
Abstract
一种基于天空红外遥感图像确定星地激光链路通信可用度的检测方法,1)获取星地激光通信地面站上空的气象信息、天空红外遥感图像;2)计算各个时刻卫星与地面站之间对应的俯仰角和位置关系,基于气象信息和天空红外遥感图像,计算星地链路途径空间区域的云底高度和云层光学深度;3)根据各个时刻卫星与地面站之间对应的俯仰角和位置关系、云底高度和云层光学深度结果,使用蒙特卡罗激光矢量传输模型进行云层激光信道建模,将余量归一化处理作为链路通信可用度参考值;4)根据步骤1中获取的大气湍流判断卫星与地面站之间激光链路的通信可用度;5)通过机器学习技术预测指定星地激光地面站未来的天空红外遥感图像变化信息。
Description
技术领域
本发明涉及星地激光通信领域,尤其涉及一种基于天空红外遥感图像确定星地激光链路通信可用度的方法。
背景技术
天空地一体化信息网络是应对未来信息化社会发展的重要基础设施。而随着通信需求的日益增长,要求空间通信网络未来必须具备更大的数据容量、更高的传输速率。相较于传统的微波通信,激光通信在具有高速率、大带宽特点的同时具有抗干扰性强和保密性高等优势,可有效避免微波带宽瓶颈带来的限制,是未来星间星地通信实现天基资源和地面资源高速骨干连接的关键技术和主要手段。
然而星地激光通信会受到大气因素的影响,大气内的云覆盖、雾、霾会使激光传输信号严重衰减,其中云层中冰晶和水滴对激光信号的吸收和散射更会严重导致卫星接收信息误码或通信中断。无线传输业务量的增加,也使得市场对卫星通信地面站的功能、可用度也有着更高的需求,需要星地激光地面站不仅能够完成通信功能,同时需要具备在指定的时间段内能够正常工作能力,若将具备的这种正常工作能力用“通信可用度”来表征的话,则如果能判断星地激光链路当前通信可用度或提前获知未来的通信可用度,就能更好地提前进行自主网络拓扑规划,合理分配链路资源,为未来保证星地激光骨干网络24小时保持连通提供保障。
可用于通信可用度判决的指标参数主要包括:判断温度是否在星地激光通信地面站工作温度范围内,判断星地通信链路的大气湍流是否超过地面站的校正能力,判断云层衰减下卫星与地面站通信链路的余量是否大于零等。需要保证这些通信可用度判决的指标参数在昼夜均能被获取,其中全天候云层数据的获取是目前面临的主要困难。
目前云层数据主要可通过目测、毫米波雷达、地基辐射计等手段来获取。其中,目测是最常用的估计云层厚度、确定云高的方法,但缺点在于人为观测误差大,夜间光照条件差,云观测数据信息的准确性和昼夜一致性难以保证;毫米波雷达利用毫米波段电磁波脉冲来探测天空,接收后散射回波来判断云的位置,但器件造价昂贵损耗也较为严重,受天气影响很大,降雨时衰减严重;地基辐射计通过在地面上接收上空的大气微波辐射值,可以得到估计的云光学深度等数据,但依赖于太阳的直接辐射或者间接辐射,只能够在白天使用,无法满足昼夜连续工作需求。
综上所述,目前的云层数据获取技术要么存在探测设备造价高昂、维护使用成本高,同时伴随有不适用于降雨天气等问题,要么受限于夜间无太阳辐射和光照条件差,正常途径下无法获取晚间的准确云层数据,均存在日常获取到的链路通信可用度判决指标不全面的问题,无法便利可靠地提供用于星地激光链路通信可用度判决所需的指标参数。
发明内容
本发明目的是,旨在提供一种基于天空红外遥感图像确定星地激光链路通信可用度的检测方法,能够在各种气象条件下经济可行地昼夜获取包括云层数据、气象数据在内的各项判决指标,用于全天候星地激光链路通信可用度的判决,可基于提前预测的天空红外遥感图像未来变化信息以及气象信息来分析预判指定星地激光地面站未来某一时刻是否适合星地激光建链以及相应的激光链路质量,用于提前规划网络拓扑建链和合理分配链路资源。
本发明技术方案是:一种基于天空红外遥感图像确定星地激光链路通信可用度的检测方法,步骤如下:
步骤1:获取星地激光通信地面站上空的气象信息、天空红外遥感图像。
步骤2:计算各个时刻卫星与地面站之间对应的俯仰角和位置关系,基于气象信息和天空红外遥感图像,计算星地链路途径空间区域的云底高度和云层光学深度。
步骤3:根据各个时刻卫星与地面站之间对应的俯仰角和位置关系、云底高度和云层光学深度结果,使用蒙特卡罗激光矢量传输模型进行云层激光信道建模,计算卫星与地面站之间链路上的损耗和余量,将余量归一化处理作为链路通信可用度参考值。
步骤4:根据步骤1中获取的大气湍流等气象信息和步骤3计算得到的链路余量以及链路通信可用度参考值,判断卫星与地面站之间激光链路的通信可用度。
步骤5:通过机器学习预测指定星地激光地面站未来的天空红外遥感图像变化信息,并通过气象预报技术预测指定星地激光地面站未来的气象信息,结合提前预测的指定星地激光地面站未来的天空红外遥感图像变化信息以及未来的气象信息,结合上述通信可用度的检测方法,即可分析预测指定星地激光地面站未来某一时刻是否适合星地激光建链以及建链后相应的激光链路质量。用于提前规划网络拓扑建链和合理分配链路资源。
步骤2所述的各个时刻卫星与地面站之间对应的俯仰角和位置关系的获取,具体步骤如下:读取卫星的两行轨道根数(两行轨道根数是基于摄动理论产生的用于预报地球轨道飞行器位置和速度的一组轨道参数,通过求解大气阻力微分方程,可反演出热层大气密度。轨道根数是用来描述卫星在其轨道运行状态的一组参数。通常情况下指的是用经典万有引力定律描述天体按圆锥曲线运动时所必需的6个参数),使用地球同步轨道气象卫星等轨道计算模块计算卫星各个时刻在星地激光地面站视场角范围坐标系下的(x,y,z)坐标,进而计算卫星相对于星地激光地面站的距离、方位角和俯仰角,作为所述角度和位置关系。
步骤2所述的星地激光地面站上空云底高度和云层厚度的获取,具体步骤如下:
步骤2-1:基于全球气象数据库和天空红外遥感图像实验建立云底高度和云层光学深度计算模型。
步骤2-2:将各个时刻的气象信息参数和天空红外遥感图像信息代入上述云层光学深度和云底高度计算模型,计算得到对应云层光学深度和云底高度。
进一步,使用蒙特卡罗激光矢量传输模型对云层激光信道建模,计算卫星与地面站之间链路上的云层衰减损耗,计算公式如下:
其中表示云层单位长度衰减(dB/km),a、b值由云底高度h、卫星系统工作频率等确定,Le表示通过云区的有效长度(km),由云层光学深度τ、地球站相对于卫星的俯仰角等确定;若根据天空红外遥感图像判断出地面站上空无云,则Le为0,此时云层衰减损耗Lr亦为0。
进一步,计算卫星与地面站之间链路的余量ω,计算公式如下:
ω=EIRP-Lr#(2)
其中EIRP为有效全向辐射功率(dB),用来描述地面站或卫星系统发射能力,具体数值由地面站或卫星发射机输出功率、馈线损耗和天线辐射能力确定,区分于不同的地面站卫星选取和通信需求,Lr为式(1)计算得到的云层衰减损耗。
进一步,根据大气湍流等气象信息和链路损耗值,判断此刻卫星与地面站之间激光链路的通信可用度,依次判断是否满足下列条件:具体判断步骤如下:
①判断温度是否在星地激光通信地面站工作温度范围内;
②判断星地通信链路的大气湍流是否超过地面站的校正能力;
③判断卫星与地面站通信链路的余量ω是否大于零。
进一步,依次进行上述条件的判断,只要不满足上述任意一项条件,即可判定卫星与地面站之间激光通信链路不可用;只有当同时满足上述三项条件,方可判定卫星与地面站之间激光通信链路可用,卫星与地面站之间可以建链;
设定式(3)计算得到的为通信可用度参数指标,来表征星地建链后的激光链路质量/>对于同一地面站的同一时刻的多条链路而言,/>值越大,表示该星地激光链路建链后大气环境因素对其的影响越小,通信可用度越好,在链路选择时可以更倾向于该链路。
进一步,使用全球气象数据库和天空红外遥感图像实验建立云底高度和云层光学深度计算模型,即计算星地链路途径空间区域的云底高度和云层光学深度;具体步骤如下:
步骤2-3:实验条件下对红外遥感相机进行标定,利用红外遥感相机获取的原始天空红外遥感图像的灰度值计算出大气和云的总红外辐射值;
步骤2-4:利用大气传输模型MODTRAN按中高低纬度地域和春夏秋冬季节划分,分别建立大气水含量与大气净辐射值模型,得到相应的大气水含量PWV与大气净辐射值LA之间的对应统计数学模型。同时使用全球气候观测数据集,同样按照中高低纬度地域和春夏秋冬季节特点划分,对地面露点温度T、大气水汽含量PWV进行提取,分别建立相应的统计模型,具体模型对应的函数形式均为:
PWV=exp(k*T+b)#(4)
其中k,b均为拟合系数,具体数值区别于不同的地域和季节划分,最终得到地面露点温度T与大气净辐射值LA之间的统计数学模型;
步骤2-5:将步骤1得到的总辐射值与步骤2得到的大气辐射值相减,得到云的净辐射值LCld。假设此时云为黑体,由普朗克黑体辐射定律计算得到云底温度;利用大气温度廓线数据(地面站上空大气温度与相应高度的具体数值)得到温度垂直递减率(各个时刻温度随高度的变化率)。根据温度垂直递减率和云底温度,计算云底高度和云层光学深度。
进一步,对云底高度进行计算,具体步骤如下:
步骤2-6:利用红外遥感相机获取的原始天空红外遥感图像的灰度值反演计算天空的总红外辐射值;
步骤2-7:获取各个时刻地面露点温度T,代入地面露点温度T与大气净辐射值LA之间的统计数学模型得到各个时刻大气净辐射值;
步骤2-8:将步骤1计算的总辐射值与计算的大气辐射值LA相减,得到云的净辐射值LCld,假设此时云为黑体,代入到普朗克黑体辐射定律,得到云底温度Tb;
步骤2-9:利用大气温度廓线数据(地面站上空大气温度与对应高度的数值),计算实际大气温度随着高度的垂直变化率,即温度垂直递减率K;
对云层光学深度进行计算,具体步骤如下:
步骤2-11:通过大气传输模型MODTRAN针对纬度和季节特点模拟计算出当前大气平均透过率τ;
步骤1中所述的星地激光通信地面站上空的气象信息包括:地面站地面气象信息和地面站上空空间气象信息,其中,地面气象信息包括星地激光通信地面站的环境温度、地面露点温度;空间气象信息包括地面站上空大气温度廓线数据(不同高度下大气的温度)和大气湍流信息。
本发明能够在各种气象条件下经济可行地昼夜获取包括云层数据、气象数据在内的各项判决指标,用于全天候星地激光链路通信可用度的判决,可基于提前预测的天空红外遥感图像未来变化信息以及气象信息来分析预判指定星地激光地面站未来某一时刻是否适合星地激光建链以及相应的激光链路质量,用于提前规划网络拓扑建链和合理分配链路资源。
有益效果:本发明面向星地激光通信领域,提供一种基于天空红外遥感图像确定星地激光链路通信可用度的方法,通过红外波段全天空遥感图像和采集地面站气象数据结合的方式,能够为星地激光通信地面站可用度的定量分析提供昼夜全天候数据的判决指标参数,解决了现有方法缺少完整的数据源,只能基于大范围、精度差的离散数据进行定性统计分析的问题,同时获取相关数据的成本低廉,具有很好的准确性与可靠性。将人工智能等预测的天空红外遥感图像信息与气象预报技术获取指定星地激光地面站的气象信息相结合,使用上述通信可用度的判决方法,可以提前预测指定地点是否适合激光建链以及预测链路质量,从而为提前规划网络拓扑建链、合理分配链路资源提供参考,将有助于缓解链路由于云层遮挡等造成的数据积压和链路拥塞的问题。
附图说明
图1为星地激光链路通信可用度检测方法的流程图。
图2为云底高度计算流程图。
图3为云层光学深度计算流程图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
图1示意性示出了本发明提供的星地激光链路通信可用度检测方法的流程图。
如图1所示,该星地激光通信链路通信可用度的检测方法需要获取星地激光通信地面站的地面气象信息和空间气象信息。
获取星地激光通信地面站的气象信息包括:地面气象信息和空间气象信息。其中,地面气象信息包括星地激光通信地面站的环境温度、地面露点温度。空间气象信息指地面站上空大气各个时刻不同高度下的温度和大气湍流信息。将地面气象信息和空间气象信息作为星地激光通信地面站最终的气象信息。
可以在室内外部署温度传感器、气压传感器等传感器,测量指定时间和空间分辨率的分层空间气象信息,例如,星地激光通信地面站的水平分辨率和垂直分辨率均为20km,时间分辨率为10s的温度、地面露点温度、气压等空间气象信息。使用各个温度气压等传感器采集到的气象数据通过数据汇总,得到地面站气象信息最终输出。天空红外遥感图像可使用红外遥感相机采集红外波段的天空红外图像来获取。
根据上述天空红外遥感图像信息和星地激光地面站的气象信息数据,代入下面给出的云底高度和云层光学深度计算模型,计算链路途径空间区域的云底高度和云层光学深度。
步骤1中所述的天空红外遥感图像可使用红外遥感相机采集红外波段的天空红外图像来获取。
步骤2中所述的计算卫星相对于地面站的俯仰角和位置关系,具体步骤为:首先计算各个时刻目标卫星在星地激光通信地面站视场角范围的坐标,根据上述坐标计算各个时刻卫星相对于星地激光通信地面站的距离、方位角和俯仰角,作为所述角度和位置关系。示例性的,通过读取目标卫星的两行根数,使用地球同步轨道气象卫星等轨道计算模块计算目标卫星在地面站视场角范围内各个时刻坐标系下的(x,y,z)坐标。
步骤2根据气象信息和天空红外遥感图像计算星地激光通信地面站上空云底高度和云层厚度,具体步骤如下:
步骤2-1:基于全球气象数据库和天空红外遥感图像实验建立云底高度和云层光学深度计算模型。
步骤2-2:将各个时刻的气象信息参数和天空红外遥感图像信息代入上述云层光学深度和云底高度计算模型,计算得到对应云层光学深度和云底高度。
步骤2-1具体步骤包括:基于ERA-Interim和ECWMF全球气象数据库和天空红外遥感图像实验建立云底高度和云层光学深度计算模型,方法如下:
步骤2-1.1:实验条件下对红外遥感相机进行标定,在原始红外遥感图像中有云条件下,利用红外遥感相机获取的原始红外遥感图像的灰度值计算出大气和云的总红外辐射值。
步骤2-1.2:基于ERA-Interim和ECMWF大气数据库对五年内地区地面露点温度,地面环境温度、大气水汽含量PWW、大气温度廓线等气象数据进行提取分析,数据拟合处理。同时使用MODTRAN大气辐射传输模型对上述数据依次根据地域经纬度特点、季节特点等进行具体分析,最终得到对应地区和季节条件下大气辐射值与上述气象数据的关系模型,达到利用上述四项气象数据计算大气辐射值的目的。
步骤2-1.3:将上述步骤1.1得到的总辐射值与步骤1.2得到的大气辐射值相减,得到云的净辐射值。假设此时云为黑体,由普朗克黑体辐射定律计算得到云底温度。利用大气温度廓线数据(地面站上空大气温度与相应高度的具体数值)得到温度垂直递减率(各个时刻温度随高度的变化率)。根据温度垂直递减率和云底温度,计算得到云底高度。
步骤2-2.1:将各个时刻气象信息参数和天空红外遥感图像信息代入上述云层光学深度和云底高度计算模型,计算得到对应云层光学深度和云底高度。
图2示意性给出了云底高度计算具体流程图,具体步骤为:
步骤1中具体对红外遥感相机进行标定,获取大气和云的总红外辐射值。具体包括:
步骤1.1:在实验环境下,将红外遥感相机对准面黑体源,使得黑体充满红外遥感相机的视野,控制黑体的温度分别从10℃到100℃,步长为1℃,对每个温度下的黑体拍摄100张图片,取每个像素点的平均灰度值。对数据进行分析拟合,建立面黑体源温度与灰度值之间的数学关系。
步骤1.2:根据普朗克黑体辐射定律建立温度与辐射值的关系,建立红外遥感图像的平均像元灰度值与场景源辐射值的关系,即确定红外遥感相机输出的图片像素点平均灰度值与接收到总的辐射值之间的关系,利用红外遥感相机获取的原始遥感图像的灰度值反演计算天空的总红外辐射值。
步骤2:大气路径下辐射值获取。
步骤2.1:利用大气传输模型MODTRAN按中高低纬度地域和春夏秋冬季节划分,分别建立大气水含量与大气净辐射值模型,得到相应的大气水含量PWW与大气净辐射值LA之间的对应统计数学模型。
步骤2.2:使用ERA-Interim和ECMWF全球气候观测数据集,同样按照中高低纬度地域和春夏秋冬季节特点划分,对地面露点温度T、大气水汽含量PWV进行提取,分别建立相应的统计模型,具体模型对应的函数形式均为:
PWV=exp(k*T+b)#(1)
其中k,b均为拟合系数,具体数值区别于不同的地域和季节划分。
步骤2.3:联合上述步骤2.1和步骤2.2,建立地面露点温度T与大气净辐射值LA之间的数学统计模型。
步骤3:计算云底高度。
步骤3.1:将计算的总辐射值与计算的大气辐射值LA相减,得到云的净辐射值LCld,假设此时云为黑体,代入到普朗克黑体辐射定律,得到云底温度Tb。
步骤3.2:利用大气温度廓线数据(地面站上空大气温度与对应高度的数值),计算实际大气温度随着高度的变化率,即温度垂直递减率K。
图3详细给出了云层光学深度的计算模型流程图,具体步骤为:
步骤1:通过大气传输模型MODTRAN针对纬度和季节特点模拟计算出当前大气平均透过率τ。
计算各个时刻卫星在星地激光通信地面站视场角范围的俯仰角和位置信息,可以使用Himawari-8地球同步轨道气象卫星等轨道计算模块计算卫星在地面站视场角范围内各个时刻坐标系下的(x,y,z)坐标,进而计算卫星相对于星地激光通信地面站的距离、方位角和俯仰角,作为所述角度和位置关系。
根据各个时刻卫星与地面站之间对应的角度和位置关系、云底高度和云层光学深度结果,使用蒙特卡罗激光矢量传输模型进行云层激光信道建模,计算卫星与地面站之间链路上的损耗,云层衰减损耗计算公式如下:
其中表示云层单位长度衰减(dB/km),a、b值由云底高度h、卫星系统工作频率等确定,Le表示通过云区的有效长度(km),由云层光学深度τ、地球站相对于卫星的俯仰角等确定。若根据天空红外遥感图像判断出地面站上空无云,则令Le为0。
根据各个时刻卫星与地面站之间链路上的损耗,计算卫星与地面站之间链路的余量ω,计算公式如下:
ω=EIRP-Lr#(3)
其中EIRP为有效全向辐射功率(dB),用来描述地面站或卫星系统发射能力,具体数值由地面站或卫星发射机输出功率、馈线损耗和天线辐射能力确定,区分于不同的地面站卫星选取和通信需求,Lr为式(2)计算得到的云层衰减损耗。
判决星地激光链路通信可用度的条件包括:
①判断温度是否在星地激光通信地面站工作温度范围内;
②判断星地通信链路的大气湍流是否超过地面站的校正能力;
③判断卫星与地面站通信链路的余量ω是否大于零。
依次进行上述条件的判断,只要不满足上述任意一项条件,即可判定卫星与地面站之间激光通信链路不可用;只有当同时满足上述三项条件,方可判定卫星与地面站之间激光通信链路可用,卫星与地面站之间可以建链。
若ω>0,表示通信信号到达地面站或卫星接收机时存在通信余量,说明该链路可以实现基本的通信功能,则继续对卫星与地面站之间链路的余量ω进行归一化处理,可按下式计算:
设定式(4)计算得到的为通信可用度参数指标,来表征星地建链后的激光链路质量/>对于同一地面站的同一时刻的多条链路而言,/>值越大,表示该星地激光链路建链后大气环境因素对其的影响越小,通信可用度越好,在链路选择时可以更倾向于该链路。
应当理解,不同的角度和位置关系对应的大气湍流信息、云层信息和损耗等可能不同,因此,需针对不同的角度和位置关系应获取对应的大气湍流信息、云量信息和损耗进行判断。
基于上述星地激光链路通信可用度判决方法用于未来预测指定地点是否适合激光建链以及预测链路质量,步骤5具体如下:
步骤5-1:可以将指定激光地面站上空长期观测得到的天空红外遥感图像作为训练数据集,按照一定时间间隔处理成自定义时间间隔的天空红外遥感图像时序数据集,根据不同类型云的变化特性不同,预测前先对天空红外遥感图像进行大致分类,根据分类结果训练不同种类云团的变化预测模型,利用神经网络、随机森林和K近邻值等算法建立天空红外遥感图像预测模型,将上述时序数据集作为输入,近期实况天空红外遥感图像作为输出,使用平均绝对误差和均方误差来评估模型的好坏,选用准确率最高的模型作为最终天空红外遥感图像预测模型来预测下一时刻天空红外遥感图像中云团的变化情况,实现根据指定激光地面站当前的天空红外遥感图像来提前预测未来一段时间内的天空红外遥感图像变化信息。
步骤5-2:借助气象预报技术提前预测指定区域的准确气象信息。
步骤5-3:根据上述步骤5-1和5-2得到的信息,计算得到云底高度和云层厚度,进而计算得到链路的余量值和通信可用度参数指标结合上述星地激光链路通信可用度的判决条件,如果同时满足通信可用度判决的三个条件,则预测未来一段时间内该链路可以用来建链通信,否则预测未来一段时间内该链路不可以用来建链通信,实现提前预测指定地点是否适合激光建链;若未来一段时间内该卫星与地面站之间有多条链路均能同时满足上述通信可用度判决的三个条件,则根据该时间内多条星地链路对应的/>值大小比较链路质量,/>值越大,表示未来一段时间内该星地激光链路建链后大气环境因素对其的影响越小,通信可用度越好,则越倾向于选择其中/>值最大的通信链路,从而实现为提前规划星地网络拓扑建链、合理分配链路资源提供参考,或直接规划网络拓扑建链、合理分配链路资源。/>
Claims (9)
1.一种基于天空红外遥感图像确定星地激光链路通信可用度的检测方法,其特征在于,包括以下步骤:
步骤1:获取星地激光通信地面站上空的气象信息、天空红外遥感图像;
步骤2:计算各个时刻卫星与地面站之间对应的俯仰角和位置关系,基于气象信息和天空红外遥感图像,计算星地链路途径空间区域的云底高度和云层光学深度;
步骤3:根据各个时刻卫星与地面站之间对应的俯仰角和位置关系、云底高度和云层光学深度结果,使用蒙特卡罗激光矢量传输模型进行云层激光信道建模,计算卫星与地面站之间链路上的损耗和余量,将余量归一化处理作为链路通信可用度参考值;
步骤4:根据步骤1中获取的大气湍流等气象信息和步骤3计算得到的链路余量和链路通信可用度参考值判断卫星与地面站之间激光链路的通信可用度;
步骤5:通过机器学习等技术预测指定星地激光地面站未来的天空红外遥感图像变化信息,并通过气象预报技术预测指定星地激光地面站未来的气象信息,结合上述通信可用度的检测方法,即可分析预判指定星地激光通信地面站未来某一时刻是否适合星地激光建链以及建链后的激光链路质量,用于提前规划网络拓扑建链和合理分配链路资源;
具体步骤如下:读取卫星的两行轨道根数,使用地球同步轨道气象卫星轨道计算模块计算卫星各个时刻在星地激光地面站视场角范围坐标系下的(x,y,z)坐标,进而计算卫星相对于星地激光地面站的距离、方位角和俯仰角,作为所述角度和位置关系;
步骤1中所述的星地激光地面站上空云底高度和云层厚度的获取,具体步骤如下:
步骤2-1:基于全球气象数据库和天空红外遥感图像实验建立云底高度和云层光学深度计算模型;
步骤2-2:将各个时刻的气象信息参数和天空红外遥感图像信息代入上述云层光学深度和云底高度计算模型,计算得到对应云层光学深度和云底高度。
4.根据权利要求1所述的方法,其特征是,根据大气湍流气象信息和链路损耗值,判断此刻卫星与地面站之间激光链路的通信可用度,依次判断是否满足下列条件:具体判断步骤如下:
①判断温度是否在星地激光通信地面站工作温度范围内;
②判断星地通信链路的大气湍流是否超过地面站的校正能力;
③判断卫星与地面站通信链路的余量ω是否大于零。
6.根据权利要求2所述的方法,其特征是,使用全球气象数据库和天空红外遥感图像实验建立云底高度和云层光学深度计算模型,即计算星地链路途径空间区域的云底高度和云层光学深度;具体步骤如下:
步骤2-3:实验条件下对红外遥感相机进行标定,利用红外遥感相机获取的原始天空红外遥感图像的灰度值计算出大气和云的总红外辐射值;
步骤2-4:利用大气传输模型MODTRAN按中高低纬度地域和春夏秋冬季节划分,分别建立大气水含量与大气净辐射值模型,得到相应的大气水含量PWV与大气净辐射值LA之间的对应统计数学模型。同时使用全球气候观测数据集,同样按照中高低纬度地域和春夏秋冬季节特点划分,对地面露点温度T、大气水汽含量PWV进行提取,分别建立相应的统计模型,具体模型对应的函数形式均为:
PWV=exp(k*T+b)#(4)
其中k,b均为拟合系数,具体数值区别于不同的地域和季节划分,最终得到地面露点温度T与大气净辐射值LA之间的统计数学模型;
步骤2-5:将步骤1得到的总辐射值与步骤2得到的大气辐射值相减,得到云的净辐射值LCld。假设此时云为黑体,由普朗克黑体辐射定律计算得到云底温度;利用大气温度廓线数据(地面站上空大气温度与相应高度的具体数值)得到温度垂直递减率(各个时刻温度随高度的变化率)。根据温度垂直递减率和云底温度,计算云底高度和云层光学深度。
7.根据权利要求2所述的方法,其特征是,对云底高度进行计算,具体步骤如下:
步骤2-6:利用天空红外遥感相机获取的原始天空红外遥感图像的灰度值反演计算天空的总红外辐射值;
步骤2-7:获取各个时刻地面露点温度T,代入地面露点温度T与大气净辐射值LA之间的统计数学模型得到各个时刻大气净辐射值;
步骤2-8:将步骤1计算的总辐射值与步骤2计算的大气辐射值\A相减,得到云的净辐射值LCld,假设此时云为黑体,代入到普朗克黑体辐射定律,得到云底温度Tb;
步骤2-9:利用大气温度廓线数据(地面站上空大气温度与对应高度的数值),计算实际大气温度随着高度的垂直变化率,即温度垂直递减率K;
9.根据权利要求1所述的方法,其特征是,步骤5所述的基于上述判断星地激光链路通信可用度的方法用于未来预测指定地点是否适合激光建链以及预测链路质量,步骤如下:
步骤5-1:将指定激光地面站上空长期观测得到的天空红外遥感图像作为训练数据集,借助机器学习等人工智能技术进行预测建模,根据指定激光地面站当前的云图来提前预测未来一段时间内的天空红外遥感图像变化信息;
步骤5-2:借助气象预报技术提前预测指定区域的准确气象信息;
步骤5-3:结合上述通信可用度的判决方法,提前预测指定地点是否适合激光建链以及预测链路质量,从而为提前规划网络拓扑建链、合理分配链路资源提供参考。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211664385.2A CN116192251A (zh) | 2022-12-23 | 2022-12-23 | 一种基于天空红外遥感图像确定星地激光链路通信可用度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211664385.2A CN116192251A (zh) | 2022-12-23 | 2022-12-23 | 一种基于天空红外遥感图像确定星地激光链路通信可用度的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116192251A true CN116192251A (zh) | 2023-05-30 |
Family
ID=86433493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211664385.2A Pending CN116192251A (zh) | 2022-12-23 | 2022-12-23 | 一种基于天空红外遥感图像确定星地激光链路通信可用度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116192251A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116527135A (zh) * | 2023-06-30 | 2023-08-01 | 中国科学院空天信息创新研究院 | 站址可用度确定方法、系统、装置、电子设备及存储介质 |
CN117473878A (zh) * | 2023-12-27 | 2024-01-30 | 青岛市生态与农业气象中心(青岛市气候变化中心) | 一种基于静止卫星数据的地闪强度反演方法 |
CN117792491A (zh) * | 2024-02-26 | 2024-03-29 | 南京大学 | 一种面向星地激光通信的红外云层探测系统 |
CN118018112A (zh) * | 2024-04-09 | 2024-05-10 | 中国科学院空天信息创新研究院 | 星地激光通信任务能力分析方法、装置、系统及介质 |
-
2022
- 2022-12-23 CN CN202211664385.2A patent/CN116192251A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116527135A (zh) * | 2023-06-30 | 2023-08-01 | 中国科学院空天信息创新研究院 | 站址可用度确定方法、系统、装置、电子设备及存储介质 |
CN116527135B (zh) * | 2023-06-30 | 2023-09-12 | 中国科学院空天信息创新研究院 | 站址可用度确定方法、系统、装置、电子设备及存储介质 |
CN117473878A (zh) * | 2023-12-27 | 2024-01-30 | 青岛市生态与农业气象中心(青岛市气候变化中心) | 一种基于静止卫星数据的地闪强度反演方法 |
CN117473878B (zh) * | 2023-12-27 | 2024-03-15 | 青岛市生态与农业气象中心(青岛市气候变化中心) | 一种基于静止卫星数据的地闪强度反演方法 |
CN117792491A (zh) * | 2024-02-26 | 2024-03-29 | 南京大学 | 一种面向星地激光通信的红外云层探测系统 |
CN118018112A (zh) * | 2024-04-09 | 2024-05-10 | 中国科学院空天信息创新研究院 | 星地激光通信任务能力分析方法、装置、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116192251A (zh) | 一种基于天空红外遥感图像确定星地激光链路通信可用度的方法 | |
Tapakis et al. | Equipment and methodologies for cloud detection and classification: A review | |
CN103293084B (zh) | 基于多光谱气象卫星信息的海雾全天时全天候反演方法 | |
KR101926544B1 (ko) | 기상 예측 모델을 이용한 기상 관측 방법, 시스템 및 컴퓨터 프로그램 | |
CN109946235B (zh) | 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法 | |
CN112632311B (zh) | 一种基于深度学习的云层变化趋势预测方法 | |
CN111026150A (zh) | 一种利用无人机进行输电线路地质灾害预警系统及方法 | |
CN111273378B (zh) | 一种基于风应力扰动的台风中心定位方法 | |
CN111474529B (zh) | 卫星反演雷达回波的方法、反演雷达回波系统及导航雷达 | |
CN114112906B (zh) | 一种基于无人机低空遥感和局部地形的水体特征提取系统 | |
CN114912707A (zh) | 一种基于多模态融合的空气质量预测系统及预测方法 | |
Hu et al. | Forecasting of solar radiation in photovoltaic power station based on ground‐based cloud images and BP neural network | |
CN112862150A (zh) | 一种基于图像与视频多模型的森林火情预警方法 | |
CN114880933A (zh) | 一种基于再分析资料的无探空站点地基微波辐射计大气温湿廓线反演方法及系统 | |
Qin et al. | Development and initial assessment of a new land index for microwave humidity sounder cloud detection | |
Alonso et al. | Prediction of cloudiness in short time periods using techniques of remote sensing and image processing | |
CN117710508A (zh) | 基于改进条件生成对抗网络的近地表温度反演方法和装置 | |
CN114707396A (zh) | 一种全天时pm2.5浓度无缝格点数据的近实时生产方法 | |
Dekoutsidis et al. | Contrail detection on SEVIRI images and 1-year study of their physical properties and the atmospheric conditions favoring their formation over Europe | |
Varentsov et al. | Citizen weather stations data for monitoring applications and urban climate research: an example of Moscow megacity | |
CN112820109A (zh) | 一种道路巡检安全预警方法及系统 | |
CN115546658B (zh) | 一种数据集质量提升与改进cnn相结合的夜间云检测方法 | |
Savelyev et al. | Formalizing and securing relationships on multi-task metric learning for IoT-based smart cities | |
Spinetti et al. | Aerosol optical thickness of Mt. Etna volcanic plume retrieved by means of the Airborne Multispectral Imaging Spectrometer (MIVIS) | |
CN114089444A (zh) | 一种星载探测数据全球陆地降雨类型判别装置及方法 |
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 |