天文卫星下传数据处理系统的规划

天文卫星获取的数据需要经过卫星下传数据处理系统的一系列加工,生成可以分析的数据产品,这些产品及相应软件要发布给国内外用户,同时数据处理系统还要监测载荷状态、数据质量及天体源爆发等。这样,下传数据处理系统的建设直接关系到物理成果的获取,规划该系统就变得非常有意义。从数据产品定义、子系统规划、数据流程等方面介绍卫星下传数据处理系统的规划,并提出以模块化开发方式从整体上协调各个子系统的开发,使各个系统及其软件相互配合,共同促进科学产出。     

地月系L_2点中继星激光测距成功率的估算

为了模拟位于地月系L2点的中继星"鹊桥"与月球的位置关系,进而估算中继星激光测距的成功率,按照轨道周期约为14天的要求对中继星所在的晕轨道进行计算,建立了一个综合考虑望远镜抖动、大气抖动和预报轨道横向偏离的模型。从数值上给出了一条轨道周期为14. 78天,X方向(地月连线方向)振幅为12 493 km,Y方向为34 596 km,Z方向(垂直于地月轨道平面方向)为11 916 km的周期轨道。由于晕轨道的最小振幅远大于月球遮挡的临界振幅4 000 km,因此月球对中继星不存在遮挡问题。基于建立的测距成功率模型,根据昆明站(国际编号:7820)的激光测距系统对运行在该轨道上的中继星进行测距成功率分析,结果表明:测距成功率随着中继星横向轨道标准差的增大呈快速降低的趋势。对于中继星到测站的平均距离而言,当中继星没有横向偏离时,探测器产生的光电子数为0. 151,成功率为14. 07%;横向偏离2 km时,光电子数降为0. 035,成功率降为3. 46%。对比最近距离与最远距离的情况,无横向偏离的情况下,探测器产生的光电子数从0. 174降为0. 139,成功率从16. 01%降为13. 02%。该计算结果可为云南天文台1. 2 m望远镜实现中继星激光测距提供参考。     

高分二号卫星影像自适应模糊阈值法小波去噪

高分二号卫星影像提供了丰富的图像信息,高分二号影像数据的发布打破了我国高分辨率对地观测数据长期依赖进口的局面。但是图像在传输和保存过程中会有噪声干扰,如果感兴趣区域受到污染,则会导致该区域内的影像信息不能被充分利用。为了解决高分二号遥感影像去噪这一难题,本文采用自适应模糊阈值法去噪方式,该方法根据各个尺度下噪声方差建立的自适应模糊阈值函数非线性处理后,重新构造作为新的小波系数,经小波逆变换后得到去噪图像。通过与均值滤波器滤波、高斯平滑滤波、中值滤波器滤波、小波全局阈值去噪和Birge-Massart策略阈值法去噪比较,结果表明,自适应模糊阈值去噪法充分结合软硬阈值处理方式的优点,既保留图像细节又使图像更加平滑,图像整体信息完好,去噪效果更为理想。     

模糊聚类定权法对SLR定轨精度的影响

针对卫星激光测距(satellite laser ranging,SLR)精密定轨过程中存在的测站观测数据合理定权问题,将一种改进的模糊聚类算法引入到SLR观测数据定权中。基于国际激光测距服务(International Laser Ranging Service,ILRS)提供的全球SLR测站性能报告,对测站进行近实时滑动分类定权,改变SLR数据处理中权重的经验或者随意性选取模式。经过LAGEOS1卫星2014年1月至2016年12月3年全球SLR实测数据处理的测试。结果表明,当考虑LAGEOS标准点总数、LAGEOS标准点RMS值以及LAGEOS标准点合格率这3项测站质量控制因素确定的测站权值能最大限度地提高卫星定轨精度和观测数据的使用效率,对参与计算的365个3d弧段数据,91.46%弧段精度得到提高,平均提高约3.7mm,且每个测站的定轨残差RMS也得到了降低。这对于正在迈向毫米级测量精度的SLR技术至关重要。     

北斗GEO卫星载波相位单差观测值的周期性分析

高精度的卫星定位测量中,由于卫星在测站上空的重复周期性运动,周期性误差是影响测量精度的重要误差源。恒星日滤波利用周期性误差的特点,提取前一天的周期性误差来改正后一天的定位结果,可滤波处理诸如多路径误差。本文从北斗GEO卫星载波相位观测值站间单差的角度来探讨其周期性特点,通过前后两天站间相位单差观测值进行对比,采用相关性分析方法,验证北斗GEO卫星载波相位单差观测值的周期性特征。     

基于卫星测高数据的萨德湿地水位变化研究

以萨德湿地为例,使用ENVISAT和Jason2卫星测高数据利用改进的阈值法进行回波重定,反演萨德湿地水位。结果显示:萨德湿地的恒定水域水位变化规律。通过对比萨德湿地和维多利亚湖的水位变化可以发现,维多利亚湖对萨德湿地南部水域水位有巨大的影响,且影响与人类活动(尤其是欧文瀑布大坝的水能发电)有很大的关系,而位于大坝下游的阿尔伯特湖水位变化和萨德湿地南部水域水位变化有很强的相关性。     

BDS3新试验卫星测距信号质量分析

中国的北斗卫星导航系统按照“三步走”的发展战略稳步推进,目前正处于第二代区域卫星导航系统向第三代全球卫星导航系统发展的关键时期。在郑州设置实验测站,实地采集BDS3新试验卫星的数据,分别从卫星可见数、信号频点、载噪比、伪距观测噪声值、多路径效应等方面分析BDS3试验卫星测距信号的质量。结果表明:对于相同频点,不同卫星的载噪比、伪距噪声、多路径效应变化略有不同,一般而言,倾斜同步轨道卫星(IGSO)的性能优于中轨道卫星(MEO)的性能;相同轨道类型的卫星,载噪比、伪距噪声、多路径效应水平相似,并且载噪比、伪距噪声、多路径效应在各个频点的相对大小关系基本一致。     

Hydrodynamic Tidal Model of the Persian Gulf Based on Spatially Variable Bed Friction Coefficient

The aim of this study is to develop a two-dimensional hydrodynamic tidal model for the Persian Gulf (PG2017) using 2D-MIKE21 software. The advantages of present study is accounting for the spatial variation of bed friction coefficient besides a precise bathymetry together with a 23-year of combined records of satellite altimetry data. We found that the bed friction coefficient has a significant effect on sea level changes in the region under our modeling consideration. Since the tidal behavior in the northern part of the Qeshm Island is significantly different from the other parts of the Persian Gulf, to present a more accurate hydrodynamic tidal model, the Gulf is divided into two regions where the bed friction coefficient is modeled separately for each region. The root mean square value of the differences between the amplitude of dominant constituents; M2, S2, K1, and O1 derived from the PG2017 model and that of 98 altimetry and coastal tide gauge stations are respectively equal to 1.6, 1.9, 2.8, and 1.3?cm. Moreover, comparing the PG2017 model efficiency with the FES2014, OSU12, EOT11a, DTU10, and Admiralty models shows that the PG2017 model has an improvement of 22.1%, 47.2%, 43.2%, 44.2%, and 57.6% in terms of relative error, respectively.     

Sea Level Prediction in the Yellow Sea From Satellite Altimetry With a Combined Least Squares-Neural Network Approach

Accessible high-quality observation datasets and proper modeling process are critically required to accurately predict sea level rise in coastal areas. This study focuses on developing and validating a combined least squares-neural network approach applicable to the short-term prediction of sea level variations in the Yellow Sea, where the periodic terms and linear trend of sea level change are fitted and extrapolated using the least squares model, while the prediction of the residual terms is performed by several different types of artificial neural networks. The input and output data used are the sea level anomalies (SLA) time series in the Yellow Sea from 1993 to 2016 derived from ERS-1/2, Topex/Poseidon, Jason-1/2, and Envisat satellite altimetry missions. Tests of different neural network architectures and learning algorithms are performed to assess their applicability for predicting the residuals of SLA time series. Different neural networks satisfactorily provide reliable results and the root mean square errors of the predictions from the proposed combined approach are less than 2?cm and correlation coefficients between the observed and predicted SLA are up to 0.87. Results prove the reliability of the combined least squares-neural network approach on the short-term prediction of sea level variability close to the coast.     

基于散射计风场数据的台风强度诊断方法——以海洋二号卫星数据为例

本文提出了一种基于散射计风场数据的台风定强方法。该方法定义了台风所在海区的一个圆形区域上的风速平均值来对台风进行定强,并使用海洋二号卫星散射计历史数据对该方法进行了验证。验证结果表明,该台风定强方法可以克服散射计反演台风风速过低的问题。与台风强度监测的历史记录比较的结果显示,在台风强度低于"强台风"这一强度等级时,该方法能够有效估算台风强度。