FPAR的Monte Carlo模拟研究

FPAR (fraction of photosynthetically active radiation absorbed by the canopy)是植被冠层阻截太阳光合有效辐射的比例,是遥感估算陆地生态系统植被净第一性生产力(NPP)的重要参数.利用Monte Carlo方法模拟光子在植被冠层中的辐射传输过程,以植被冠层二向反射分布函数的模拟来验证模拟的正确性;在此基础上对400-700nm光合作用波段范围内的植被叶片吸收光子辐射比例的FPAR进行模拟.FPAR的Monte Carlo模拟结果,揭示了FPAR与太阳天顶角及植被冠层参数之间的关系.     

高效异质结构四波长波分复用器的设计与优化

将两光子晶体单模波导平行、邻近放置构成一个光子晶体波导耦合结构.根据耦合和解耦合理论,设计了一种新型的高效异质结构四波长波分复用器.应用时域有限差分法模拟了该器件的效率,并通过改变一排介质柱的折射率,实现了较高的透射率.进一步发现在入射口处添加三对介质柱,可以有效地降低系统的反射,实现了四个波长的高效传输,四个波长的透射率均超过了90%.该器件不仅具有较高的透射率,而且其尺寸仅为36 μm×17 μm,在未来的光子集成回路中具有潜在的应用价值.     

中心外缺陷对带隙型光子晶体光纤色散特性的影响

利用时域有限差分法(FDTD)模拟仿真了在中心缺陷外出现点缺陷、空气柱位错和内层空气柱发生形变三种缺陷形态对光子带隙型光子晶体光纤(PBG-PCF)色散特性的影响.发现一方面缺陷的出现会使色散曲线趋于平坦,另一方面点缺陷和位错缺陷的出现会使零色散点向长波移动,内层空气柱的形变使零色散点向短波长移动.这对PBG-PCF的实际生产实践会有指导意义.     

一种胶体光子晶体修饰的光纤

设计了一种胶体光子晶体修饰的光纤. 采用恒温快速蒸发法直接在经切割刀处理后的光纤端面生长胶体晶体,再与另一根切割后的光纤在毛细玻璃管中完成对接,制备成胶体光子晶体修饰的光纤. 用扫描电子显微镜和光谱分析仪对样品的形貌、结构以及光学特性进行分析. 实验结果表明,粒径为640 nm、体积分数约为0.5%的SiO₂胶体微球溶液在60 ℃的情况下沉积,大约12 h后可得到质量较高的胶体光子晶体. 在SEM下,观察到端面的胶体晶体为面心立方(fcc)结构. 透射光谱证明,该结构在(111)面上     

基于随机森林的光子计数激光雷达点云滤波

新一代星载激光雷达卫星ICESat-2首次采用了微脉冲光子计数激光雷达技术,由于单光子探测的灵敏性导致数据在大气和地表下层产生了大量噪声,因此对光子计数激光雷达点云数据实现信号和噪声的分离是开展进一步应用研究的前提和基础。本文选择美国俄勒冈州和弗吉尼亚州2个研究区,采用MATLAS数据,根据光子点云数据的特点构造了12个光子点云特征,对所构造的特征利用随机森林进行变量筛选,用机器学习方法对光子点云进行分类,并将建立好的模型推广到整个研究区。研究结果表明,本文构建的分类器分类总精度达到了96.79%,Kappa系数为0.94,平均生产者精度和用户精度分别为97.1%和96.8%。在相对弱噪声、平坦地形区域和强噪声、复杂地形区域都取得较好的分类结果。本文结果显示了基于少量样本通过机器学习的方法构建模型,可以推广到较大范围区域的光子点云分类应用中。     

改进的光谱角制图沿照度方向分类法及其应用——以ETM数据为例

选取多光谱遥感数据（ETM）对新疆北山西段中坡山笔架山一带进行了遥感蚀变信息提取方法研究。根据光谱角制图信息增强方法的优缺点,通过对光谱照度的研究,提出了结合光谱角分类方法进行沿光谱照度方向距离分类的信息提取方法。实验表明,该方法应用于ETM数据,增强了目标信息,同时剔除掉因照度所产生的大量非目标信息,为优化信息提供了一种有效的方法。在地形比较平坦的研究区取得了很好的应用效果。     

低纬子午环的星径曲率改正研究

在献[1],[2]中,我们已经推得云南天台低纬子午环观测的星径曲率改正公式。本以定性方法论述和分析了昨径曲率改正,与以前的有关章相比,我们对星径曲率改正的部分计算作了校正,为便于进行定性分析,本给出了对应于云南天台地理位置的星径曲率计算公式的特性曲线图,最后,我们认为：中给出的星径曲率改正公式对观测天顶距大于25°的天体是比较有效的,在编制低纬子午环观测纲要时应当充分考虑这一点。     

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。