仙女座β的“幽灵”

在可见光波段看来,这个名为NGC404的星系似乎只是一个白色斑点（上面左图的中间）。它完全被仙女座β星（奎宿九）的光芒所掩盖了。仙女座β是一颗红巨星,它的辐射主要集中在可见光波段,NGC404被它的厉芒淹没,被爱好者们戏称为“仙女座β的幽灵”。     

ETM+全色波段及其多光谱波段图像的融合应用

Landsat-7ETM+的全色波段与多光谱波段有相同的太阳高度角和其他环境条件,影像获取时间一致,两种不同分辨率的数据可以不经配准而实现高精度融合。目前常用的图像融合方法很多,究竟哪种方法更适合于ETM+图像,本次试验采用HIS变换、Brovey变换、SFIM变换、加权融合4种方法,分别实现ETM+Pan与ETM+的多光谱波段的融合,并从空间纹理信息、光谱真实性2个方面进行定量和定性地评价。研究表明,从综合角度出发,基于SFIM变换的融合方法产生的光谱扭曲和失真较小,同时很大程度地保持了高分辨率的全色波段的空间纹理细节信息,是一种适合于ETM+图像融合的较佳方法。     

Sentinel-2数据的冬小麦地上干生物量估算及评价

作物生物量快速精确的监测对于农业资源的合理利用与农田的精准管理具有重要意义。近年来,遥感技术因其独特的优势已被广泛用于作物生物量的估算中。本文主要针对不同宽波段植被指数在冬小麦生物量(文中的生物量均是指地上干生物量)估算方面的表现进行探索。首先利用欧洲空间局最新的Sentinel-2A卫星数据提取出17种常见的植被指数,之后分别构建其与相应时期内采集的冬小麦地上生物量间的最优估算模型,通过分析两者间的相关性与敏感性,获取适宜进行生物量估算的指数。最后,绘制了研究区的生物量空间分布图。结果表明,所选的植被指数均与生物量显著相关。其中,红边叶绿素指数(CI_(re))与生物量的估算精度最高(决定性系数R~2为0.83;均方根误差RMSE为180.29 g·m~(–2))。虽然相关性较高,但部分指数,如归一化差值植被指数(NDVI)等在生物量较高时会出现饱和现象,从而导致生物量的低估。而加入红边波段的指数不仅能够延缓指数的饱和趋势,而且能够提高反演精度。此外,通过敏感性分析发现,归一化差值指数和比值指数分别在作物生长的早期和中后期对生物量的变化保持较高的敏感性。由于红边比值指数(SR_(re))和MERIS叶绿素敏感指数(MTCI)在冬小麦全生长季内一直对生物量的变化保持高灵敏性,二者是生物量估算中最为稳定的指数。     

森林资源监测中GF-2卫星影像波段配准误差分析

通过对GF-2卫星影像正射校正及波段模拟配准误差试验,分析GF-2卫星正射校正方法的选择以及不同配准误差下对GF-2卫星影像自动分类结果的影响;最后介绍GF-2遥感影像在森林资源监测应用中的初步测试。研究结果表明:正射校正时,当校正精度要求控制在RMS2时,控制点数量选择范围在85~95间较为合理,且控制点数在90个时,RMS值最小;经有理函数模型与卫片模型比较后,卫片模型校正精度较高;以目视判读为主时,实践中建议使用三次卷积重采样法输出结果最好;波段模拟配准误差试验中,配准误差与各地类面积变化间存在显著的线性关系;对于森林面积监测时,配准误差应小于0.3个像元。此研究可为新型国产卫星数据在森林资源监测中的应用提供参考。     

坐标排序的离散点凸包生成算法

针对传统的凸包生成方法在数据量较大情况下效率下降明显的问题,该文提出了一种基于平面离散点快速生成凸包算法。基于凸包边界单调性对平面点集分区域按X轴方向排序的方法,较好地减少了传统凸包生成算法的计算量,实现了凸包求取的高效性。实验结果表明:该算法不仅可以快速有效地生成凸包,还能够保证结果的准确性,且效率较高。     

利用稀疏自表达实现高光谱影像波段选择

提出一种稀疏自表达方法来研究高光谱影像分类中的波段选择问题。该方法利用字典矩阵等于测量矩阵的条件来改进多观测向量的稀疏表达模型,将波段子集看作高光谱影像波段集合中的代表子集。稀疏自表达方法将波段选择转换为寻求多观测向量中稀疏系数矩阵的非零行向量问题,通过引入混合范数来限定非零元素行向量的个数,利用快速交替方向乘子方法求解稀疏系数矩阵,并聚类非零行向量,实现波段的有效选择。基于两个公开高光谱影像数据集并对比其他4种波段选取方法来验稀疏自表达方法。实验结果证明,稀疏自表达方法能够在计算效率明显优于基于波段相关性的线性限制最小方差方法的同时,取得与该方法和非负稀疏矩阵分解方法相匹甚至略高的总体分类精度。     

地基主动式云自动观测设备外场比对试验

对2015年1—5月安装在中国气象局大气探测试验基地的Ka波段毫米波测云仪(HT101)和2种型号激光云高仪(CYY-2B、HY-CL51)进行比对试验。试验期间以L波段业务探空气球的入云和出云高度为云高标准,对测云仪从云体探测率、准确性、天气适应性等方面进行分析,结果表明:(1)毫米波测云仪的云体探测率最高;(2)以探空气球入云高度为标准,毫米波测云仪云底高度探测相对偏差最小;(3)毫米波测云仪有较强的云顶高探测能力;(4)毫米波测云仪天气适应性最强,在多层云、卷云、低能见度条件下HT101探测性能优于CYY-2B、HY-CL51。     

西安L波段雷达观测数据实时质量控制方法

在传统质量控制方法的基础上,依据台站多年预审工作经验和T639数值预报模式所提供的背景场数据,利用西安泾河气象站L波段雷达探空观测数据研究了高空观测数据台站实时质量控制方法及软件,并投入业务应用。结果表明:适用于台站实时质量控制的方法有极值检查、时间序列检查、同期历史资料对比检查和数值预报背景场资料检查等,其中极值、时间序列、同期历史资料对比等检查方法是基于本站历史资料数据库实施,质量控制软件采用自动和人机交互两种方式,自投入业务试运行以来,疑误提示21次,其中,高度15次、温度6次,大大提高了值班员对疑误数据的诊断时效。     

基于65-nm CMOS工艺的W波段两路电流合成型功率放大器的设计

采用三级差分共源结构设计了一种基于65-nm CMOS工艺的W波段功率放大器,并利用两路电流型功率合成结构进行功率合成以提升输出功率.为了同时实现单差分转换、阻抗匹配、直流供电,匹配网络采用变压器结构.仿真结果显示,在1 V的电源电压下,该功率放大器的小信号增益为12.7~15.7 dB,3-dB带宽为84~104 GHz,饱和输出功率为14.6 dBm,峰值功率附加效率为9.7%.该功率放大器具有良好的大信号性能,且芯片的核心面积仅为0.115 mm².     

多边形叠加Vatti算法的VCS优化方法与GPU并行化

Vatti算法是常用的矢量多边形裁剪算法之一,在其构建扫描束实现交点计算的过程中,二叉树的数据结构和递归计算方法导致其计算效率受矢量多边形边界顶点数量影响显著。本文针对Vatti算法执行过程中较为耗时的扫描束构建环节,提出了一种多边形边界顶点预排序的优化方法——VCS（Vertex Coordinate Pre-Sorting）方法,并基于该方法实现了对Vatti算法的GPU细粒度并行化。VCS方法使用双向链表对Vatti算法原有的二叉树数据结构进行了替换,以较小的额外存储空间取得了多边形边界顶点信息查找效率的明显提升。在GPU环境下采用双调排序算法对多边形边界顶点数组元素进行并行化排序并过滤出有效值,克服了原始算法使用二叉树存储导致效率低下的问题。实验结果表明,改进后的算法与原始算法相比,具有相同的计算精度;当多边形顶点数量为92万,CUDA每个线程块中的线程数量为32时,使用VCS优化方法,与采用CPU计算构建扫描束方法相比,GPU并行化方法获得了39.6倍的相对加速比,矢量多边形叠加分析算法效率总体上提升了4.9倍。