双权重质量控制法在FY-3B/IRAS资料中的应用研究

变分同化卫星资料前需要采用严格的质量控制方法以剔除离群资料。文中进行了风云三号B星红外分光计资料的质量控制研究。选取2012年12月26日00时至2013年1月4日18时共10天IRAS全球L1c格式资料作为研究对象,基于通道亮温偏差利用双权重质量控制法,剔除受云、地表发射率影响和误差较大的离群资料。结果表明,通过双权重质量控制后,IRAS通道亮温偏差均值和标准差整体有所减少;偏差均值和标准差随时间变化很稳定。最后把此方法耦合到GRAPES同化系统进行IRAS资料的初步质量控制应用得到结果是可行的。     

FY-2D云导风在“鲶鱼”台风模拟中的同化试验

为了能给国内的云导风产品在通道的选择和使用方法上提供一些新的参考,以2010年的“鲶鱼”台风为个例,通过对FY-2D云导风产品在WRF模式中的同化对比试验,分析比较了同化了云导风资料之后的台风路径和位势高度场、风场的变化。结果表明,同化之后台风路径的偏差水汽通道要远大于红外通道,随着积分时间的延长,红外通道数据的加入对模拟台风路径的订正作用比水汽通道显著;模式使用不同同化方案的模拟结果也有明显的差别,其中以每24小时一次冷启动的同化循环方案对台风路径有较准确的模拟,而在分析不同通道导风质量优劣方面,则以热循环同化方案最佳。     

风云静止卫星双星立体观测云顶高度反演初步研究

推导出利用风云静止卫星双星视云坐标计算云下点坐标和云顶高度的理论算法,对静止双星865E/104.5E和86.5E/112E两种组合观测条件下视云位移分布特征以及视云位移与云高关系进行分析计算,在此基础上,提出一种可以实现全区域高精度立体云高反演的非线性视云位移云高反演模型。结果显示,观测数据空间分辨率0.01°条件下,两种双星组合云高分辨率平均值分别为1.28 km和0.93 km,表明86.5E/112E组合反演精度优于86.5E/104.5E组合。最后,利用FY2D和FY2F双星数据在西北太平洋进行立体云高反演实验,并将反演结果与Cloudsat卫星微波雷达云高测量数据进行对比分析。     

海岛(礁)、滩涂和水下地形矢量数据融合方法研究与实现

海岛(礁)、滩涂和水下地形DLG数据库是重要的测绘成果,为开展海洋综合调查工作提供了数据基础。然而,现有的三库测绘成果是分阶段采集的,数据精度和数据模型不一致,且存在大量重复采集的情况,最终成果也是分库存储的,这使其无法进行统一管理和更新。为此,本文对多源海洋基础空间要素数据的融合方法进行了研究,首先采用矢量数据匹配技术获取对应实体,然后通过本文提出的属性融合技术和基于中误差与对应点的几何信息融合技术对三库DLG数据进行融合,以实现三库数据的属性共享、几何精度的改进和数据冗余的减少。最后,我们还基于.NET和Arc GIS Engine组件开发了海洋基础空间要素数据融合系统,用于浙江省海岛(礁)、滩涂和水下地形基础空间要素数据的融合。     

一种用于DEM数据认证与篡改定位的感知哈希算法

DEM数据作为重要的基础地理信息数据,其数据完整性问题不容忽视。基于DEM数据完整性认证的要求,以及相关认证算法的欠缺,本文运用感知哈希技术设计了一种DEM数据认证算法,并可实现篡改定位。因DEM数据具有数据量大、细节丰富的特点,首先对其进行规则格网划分,将其划分为互不重叠的格网单元;然后对格网单元数据进行DCT分解,提取数据的特征信息以生成特征向量矩阵,并对特征向量矩阵进行摘要化处理;随后,使用Logistic混沌系统对简化后的特征向量矩阵进行置乱;对置乱矩阵进行量化、编码后,便可生成感知哈希序列。在数据认证时,首先计算原始数据与待验证数据的高程相对中误差,再将二者的感知哈希序列进行归一化汉明距离度量,结合判定阈值,即可对DEM数据进行数据认证与篡改定位。该算法对DEM数据的格式转换、水印嵌入等攻击有较强的鲁棒性,对各类改变内容的操作具有敏感性,并可实现DEM数据微小篡改的识别与定位。与已有的DEM完整性认证方法相比,将DEM数据的"内容"作为完整性度量的重要标准,在具体应用中更具有实用价值。     

地动噪声RMS值计算方法的适用性及误差概率分析

对比两种计算RMS值的方法,结合误差概率统计给出结果的误差概率分布。在使用有限脉冲响应（FIR）带通滤波器进行滤波并计算RMS值的过程中,滤波器窗口函数和阶数是影响计算结果误差的主要因素,其中阶数的作用更大。通过计算功率谱密度（PSD）反算RMS值的误差主要受pwelch函数的窗口函数类型、窗口长度及重叠率等参数影响,其中窗口长度作用更大。从同等误差水平的概率分布看,在合理设置参数的前提下,使用PSD反算RMS值的方法更优。     

基于卷积神经网络的ICESat-2光子点云去噪分类

ICESat-2（Ice, Cloud, and land Elevation Satellite-2）是美国NASA（National Aeronautics and Space Administration）在2018年发射的激光测高卫星,其上搭载的激光测高系统ATLAS（Advanced Topographic Laser Altimeter System）采用微脉冲多波束光子计数激光雷达系统,因其低能耗、高探测灵敏度、高重复频率的特性极大改善了沿轨采样密度,但也使获取的数据中包含大量的噪声,如何有效实现光子点云去噪分类成为后续应用的关键,也是当前研究的热点和难点,为此本文提出一种基于卷积神经网络的光子点云去噪和分类算法。首先将光子点云按照沿轨和高程方向划分格网,去除明显的噪声光子,并将每个粗信号光子点栅格化为影像;然后基于少量样本构建的卷积神经网络分类模型实现光子点云精去噪和分类;最后利用机载激光雷达数据进行验证,并与ATL08产品的去噪分类结果进行对比。结果表明,对于裸地和森林区域,卷积神经网络算法均能有效去除噪声光子,特别对于森林区域,可同时实现去噪和分类;其中,裸地区域地表计算的R²和RMSE分别为1.0和0.72 m,森林区域地表和树冠计算的R²分别为1.0和0.70, RMSE分别为1.11 m和4.99 m。本文利用深度学习算法实现光子点云去噪分类,在裸地和森林区域均取得了较好的结果,为后续光子点云数据处理提供了参考。     

老挝北部Sentinel-2 A/B云覆盖适宜阈值界定及其影像获取概率时空差异

光学卫星影像云覆盖时空特征评估是衡量其作为重要遥感监测数据源的前提。Sentinel-2 A/B影像因其免费获取、多光谱（红边）、更高时空分辨率等优势,已在全球不同尺度陆面植被与生态监测中受到重视。相较于Landsat等同类影像产品,有关Sentinel-2 A/B的云覆盖分析还未见报道。本文利用2016—2018年老挝北部所有5288景Sentinel-2 A/B影像（Granule/Tile）的云覆盖元数据,基于不同云覆盖阈值（0~100%）水平下的影像获取概率差异确定了影像获取概率分析的云覆盖适宜阈值,并揭示了云量特征阈值水平下的影像获取概率时空差异。主要结论如下:① Sentinel-2 A/B影像获取概率分析云覆盖适宜特征阈值为20%（即云覆盖≤20%）,该阈值水平下老挝北部Sentinel-2 A/B影像的逐月累积平均获取概率最高（约27.41%）;② 在20%云覆盖阈值水平下,老挝北部Sentinel-2 A/B影像逐月累积平均获取概率差异在时间上与旱季（11月—次年4月）雨季（5月—10月）的时间分布较为吻合。旱季获取概率约为42.91%,3月概率（50.27%）最大,4月与2月次之,时间上与刀耕火种焚烧与橡胶林落叶特征吻合;雨季相应概率约为11.81%,6月最低（约1.26%）;③ 老挝北部Sentinel-2 A/B影像逐月累积平均获取概率在空间上存在东西差异,旱季西部省域单元（如琅南塔）影像获取概率远高于东部,雨季西部地区影像获取概率则略低于东部地区。本研究既可为后续开展大区及全球Sentinel-2 A/B影像云量分析提供借鉴,也对开展联合国减少森林砍伐和退化排放（UN-REDD）计划引发的土地利用变化如刀耕火种农业演变、橡胶林扩张等遥感监测有指导意义。