基于不同空间尺度测站网的BDS-3 GEO卫星轨道机动实时监测

地球静止轨道(GEO)卫星为保持地球同步特性,需要频繁进行轨道机动,及时准确的对卫星轨道机动的状态进行动态监测,有助于对卫星真实轨道进行修复,使其在机动过程中仍能提供基本可用的轨道参数. 利用基于历元差分测速原理的卫星轨道监测模型,对北斗三号卫星导航系统(BDS-3)的2颗GEO卫星各12次历史机动进行了分析. 结果表明:所选不同空间尺度测站网均可以对C59卫星的机动时间与轨道动态变化进行实时监测,且监测结果基本一致. 另外,本文所选的不同空间尺度测站网均可对C60卫星机动时间进行精准探测,但在对其轨道状态进行实时监测时,空间尺度较大的测站网监测结果更优.      

BDS-2/BDS-3/GPS/Galileo双频精密单点定位精度分析与评价

由于北斗卫星导航系统(BDS)已完成正式组网,有必要对BDS的定位性能进行精度评估与分析. 本文主要通过在MGEX (Multi-GNSS Experiment)选取8个测站5天的观测数据,以北斗二号/北斗三号(BDS-2/BDS-3)为主分析BDS-2/BDS-3、BDS-2/BDS-3/Galileo、BDS-2/BDS-3/GPS、BDS-2/BDS-3/GPS/Galileo四种不同组合卫星系统静态精密单点定位(PPP)性能,试验结果表明:BDS-2/BDS-3静态PPP在东(E)、北(N)、天顶(U)方向上的定位精度和收敛速度分别优于2.49 cm、2.27 cm、4.04 cm和34.6 min、19.3 min、28.1 min;BDS-2/BDS-3/Galileo静态PPP在E、N、U方向上的定位精度和收敛速度分别优于1.81 cm、1.65 cm、2.94 cm和20.4 min、13.0 min、18.6 min;BDS-2/BDS-3/GPS静态PPP在E、N、U方向上的定位精度和收敛速度分别优于1.67 cm、1.62 cm、2.82 cm和18.3 min、10.2 min、16.1 min;BDS-2/BDS-3/GPS/Galileo静态PPP在E、N、U方向上的定位精度和收敛速度分别优于1.46 cm、1.40 cm、2.45 cm和14.5 min、9.3 min、14.5 min.      

领域知识优化深度置信网络的遥感变化检测

为提高高分辨率遥感影像变化检测精度,提出一种以领域知识为优化策略的深度学习变化检测方法。利用改进的变化矢量分析和灰度共生矩阵算法获取影像的光谱和纹理变化,设定合理阈值获得变化区域待选样本;引入领域知识中图斑形状特征指数与光谱知识,筛选得到高质量的训练样本;构建并训练了深度置信网络模型,使用优化策略对深度学习变化检测结果进行优化,以减少“椒盐”噪声和伪变化区对检测精度的影响。通过高分二号与IKONOS影像的变化检测实验表明,该方法较优化前准确率与召回率最大增幅分别为7.58%和14.69%（高分二号）、17.08%和23.87%（IKONOS）,虚警率和漏检率最大降幅为30.22%和23.30%（高分二号）、17.08%和23.87%（IKONOS）,能够有效提高变化检测精度。     

耦合GF-2遥感影像与街景影像的广州市城中村识别

及时准确地获取城中村的空间分布及其环境质量信息对于优化城市空间、改善人居环境具有重要意义。本文以广州市越秀区为例,提出了耦合GF-2高分遥感影像和百度街景影像的城中村识别方法。首先,从街景影像中提取越秀区的街道空间品质特征;其次,在对高分遥感影像预处理并进行多尺度分割的基础上计算光谱、形状、纹理、场景特征和建筑结构5类共计23个特征;最后,融合两种影像的特征用于构建随机森林分类器进行城中村识别。结果表明,基于高分影像和基于街景影像的城中村识别整体精度分别为94.5%和85.7%,Kappa系数分别为0.58和0.31,而两者融合后的分类精度和Kappa系数为96.1%和0.67;其中基于街景影像获取的度量街道空间品质的5个指标贡献了31.6%的特征重要性。鸟瞰视野高分影像和人本视角街景影像提供的信息综合互补,构建了更有区分度的特征空间,减少了城中村的错分现象。本文证实了高分影像和街景影像在特征尺度的融合提升了城中村识别精度。街景影像中的信息可以融入到高分遥感影像等数据源中,辅助进行城中村等非正规居住空间的识别。     

北斗三号MEO卫星非保守力建模

非保守力模型精度不高是制约BDS-3卫星定轨精度的主要因素之一。本文针对BDS-3 MEO卫星构建了地球辐射、天线辐射和箱体-两翼（BW）太阳光压模型,对典型的经验光压模型（ECOM1和ECOM2）进行补偿得到多个非保守力模型,收集全球观测网的数据进行定轨试验,通过轨道重叠互差和激光测距残差分析比较不同轨道模型的优劣。试验结果表明,经验光压模型是影响轨道精度的主要因素,在名义偏航模式下,ECOM2具有更好的表现,但ECOM1对卫星的姿态模式更不敏感。地球辐射和天线辐射会引起北斗卫星轨道径向约3 cm的系统性偏差,对二者建模后,几乎可以完全消除卫星C29和C30的激光残差系统偏差,但卫星C20和C21的系统偏差反而增大。此外,增加box-wing模型对于提高轨道精度也是有益的。     

基于偏最小二乘算法的ＢＤＳ－２／ＢＤＳ－３卫星钟差短期预报

针对机器学习算法在卫星钟差短期预报应用中训练数据量最佳确定、算法有效性评估研究较少的问题,以 武汉大学ＩＧＳ数据中心连续１５ｄ３３颗事后ＢＤＳ－２／ＢＤＳ－３精密卫星钟差产品为例,基于钟差相位数据的偏最小二乘 （ＰＬＳ）、基于钟差相位数据一次差分的偏最小二乘（ＤＰＬＳ）、长短期记忆网络（ＬＳＴＭ）模型进行了ＢＤＳ－２／ＢＤＳ－３卫星 钟差短期预报。实验结果表明：首先,选择第１５天数据为测试样本,前１４天距第１５天最近的连续ｎ　ｄ数据为训练 样本时,ｎ 为８时,ＰＬＳ模型预报性能达到最优;ｎ 为１、３、８时ＤＰＬＳ预报性能达到相对最优;ｎ 为１１时ＬＳＴＭ 预报 性能最优;ＰＬＳ、ＤＰＬＳ模型的预报效率较优,而ＬＳＴＭ 预报效率较差,最大预报耗时分别为０．２５ｓ、０．９０ｓ、 １９８．６５ｍｉｎ;随着测试样本的增加,ＬＳＴＭ 模型的预报耗时显著增加,而其他两个模型预报耗时基本没有变化;其次, 连续１４ｄ的短期预报（当前１天为训练样本,后１天为测试样本）结果表明,ＤＰＬＳ较ＰＬＳ与ＬＳＴＭ 模型,６ｈ预报时 长下,均方根误差（ＲＭＳ）分别提升了３１．２６％、３９．６６％,极差（Ｒａｎｇｅ）分别改善了２６．３４％、４０．３０％,２４ｈ预报时长 下,ＲＭＳ分别提升了３３．４８％、４２．６８％,Ｒａｎｇｅ分别改善了２９．７７％、４２．９５％。     

高分五号高光谱数据融合方法比较

数据融合是解决高光谱卫星在时空分辨率等指标上受限的有效途径,探讨不同方法在GF-5高光谱数据上的融合效果,对GF-5高光谱数据的信息挖掘与推广应用有着重要意义。本文本着算法简单易用、适于推广的原则,采用GS（Gram-Schmidt）葛兰—施密特正交变换融合算法、GSA（GS Adaptive）自适应GS融合算法、CNMF（Coupled Non-negative Matrix Factorization）耦合非负矩阵分解融合算法、CRISP-W（Color Resolution Improvement Software Package with Wavelet transform）基于小波变换和CRISP-B（Color Resolution Improvement Software Package with Butterworth）基于巴特沃斯滤波器的分辨率提升融合算法、GLP（Generalized Laplacian Pyramid）广义拉普拉斯金字塔融合算法共6种融合方法,分别对BJ-2、GF-2、GF-1、GF-1C、GF-1D国产卫星多光谱数据与GF-5高光谱数据进行融合实验。通过目视分析、指标评价（相关系数、通用图像质量指标、峰值信噪比、光谱角、全局综合误差）、分类应用、时间成本4种方式对融合结果进行综合比较分析。结果表明,相融合的一组图像系列相同、空间分辨率相差越小,融合结果越好。CRISP-B、CRISP-W、GLP在提升空间分辨率、光谱保真度方面能达到较好的平衡,空间重建方面,GLP稍优且更稳定,CRISP-B、CRISP-W则在光谱信息保持方面稳定性更强且效果更好。数据源会对融合方法产生一定的影响,在光谱特征信息提取、分析等对光谱保真度要求高的工作中,GLP更适合同源数据（如GF-5与GF-1/1C/1D/2）融合,而在多源数据间（如GF-5与BJ-2）进行融合时,则优先选择CRISP-W。CNMF存在一定程度的色彩畸变,且运行时间较长。GSA、GS融合效果最差,其中,GSA不论是光谱保持能力还是空间分辨率提升能力均较GS更稳定。在小样本高光谱图像分类应用中,CRISP-B融合结果分类效果稳定,分类精度较高。GSA融合结果空间细节丰富,虽光谱失真较为严重,但同时增大了地物光谱分离度,仍适用于准确勾勒建筑物、道路等地物。本研究为GF-5高光谱数据与其他国产卫星多光谱数据融合方法的选择提供参考,有助于高分五号高光谱数据的应用与推广。