CN109975833A - 一种改进的成像卫星传感器观测能力度量方法 - Google Patents

一种改进的成像卫星传感器观测能力度量方法 Download PDF

Info

Publication number
CN109975833A
CN109975833A CN201910102461.2A CN201910102461A CN109975833A CN 109975833 A CN109975833 A CN 109975833A CN 201910102461 A CN201910102461 A CN 201910102461A CN 109975833 A CN109975833 A CN 109975833A
Authority
CN
China
Prior art keywords
imaging satellite
sensor
resolution
estimate
evaluation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910102461.2A
Other languages
English (en)
Other versions
CN109975833B (zh
Inventor
晁怡
许辉
胡楚丽
陈能成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Zhongdi University Smart City Research Institute Co.,Ltd.
Original Assignee
China University of Geosciences
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China University of Geosciences filed Critical China University of Geosciences
Priority to CN201910102461.2A priority Critical patent/CN109975833B/zh
Publication of CN109975833A publication Critical patent/CN109975833A/zh
Application granted granted Critical
Publication of CN109975833B publication Critical patent/CN109975833B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/03Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
    • G01S19/07Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing data for correcting measured positioning data, e.g. DGPS [differential GPS] or ionosphere corrections
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00Diagnosis, testing or measuring for television systems or their details

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Processing (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)

Abstract

本发明提供一种改进的成像卫星传感器观测能力度量方法,步骤如下:获取多个具有观测任务的成像卫星传感器,建立成像卫星传感器组合;获取成像卫星传感器组合中某一成像卫星传感器的属性参数,计算该成像卫星传感器的静态能力评价值;根据观测任务的属性参数、成像卫星传感器到达观测任务可视区域的时刻、在观测任务区域内的有效覆盖面积、获取影像时影像地区的预估云层覆盖率计算动态能力评价值;确定静态能力和动态能力的权值大小,结合静态能力评价值和动态能力评价值通过加权计算得到综合评价值;分别计算成像卫星传感器组合中的其他成像卫星传感器的综合评价值,根据计算得到的综合评价值的大小,对成像卫星传感器的观测能力进行排序。

Description

一种改进的成像卫星传感器观测能力度量方法
技术领域
本发明涉及智慧地球对地观测技术领域,尤其涉及一种改进的成像卫星传感器观测能力度量方法。
背景技术
洪涝是全球发生最频繁且最严重的灾害之一,面对破坏性极大的洪涝灾害,传统的基于地面调查和航空监测的洪涝制图方法耗时长、价格昂贵,并且难以应用于恶劣的天气。相比之下,卫星传感器所具有的重访周期较短、覆盖范围广、时效性强,并且不会受地面监测环境影响等一系列优势使其在洪涝灾害发生时发挥的巨大作用逐渐体现出来。随着航天技术的发展,天上的在轨卫星逐渐增加。为了合理的利用卫星传感器资源对灾害进行监测,对卫星传感器针对具体任务要求具有的观测能力进行度量评估变得非常重要。
目前对传感器观测能力方面的研究主要从其固有参数或完成任务获得影像的效果进行评估,这些方法依赖于遥感影像或复杂的计算。专利CN103093098B中提出了一种卫星光学传感器动态观测能力的定量评价方法,该方法从任务适应性的角度对光学传感器的观测能力进行评价,但该方法忽略了传感器的静态能力和动态能力对于观测结果的综合影响以及其影响程度,此外该方法主要面向于光学传感器,缺乏雷达传感器的评估,很难适应洪涝灾害观测任务。因此,需要一种能针对具体的洪涝水体观测任务需求对传感器的观测能力进行综合度量的模型,在其执行任务前对其能力进行预先评估。这样,在面对大量的卫星传感器资源面前,就能实现对传感器观测能力评估的短时间计算,并对现有的传感器观测能力进行排序,以此辅助决策者选择更适合的传感器完成观测任务。
发明内容
有鉴于此,本发明提供了一种改进的成像卫星传感器观测能力度量方法,本发明提供的方法能够结合洪涝不同阶段的水体监测任务对传感器各方面能力的需求大小,对成像卫星传感器进行先验的度量评估。
本发明提供一种改进的成像卫星传感器观测能力度量方法,包括以下步骤:
步骤S101,获取多个具有观测任务的成像卫星传感器,建立成像卫星传感器组合;
步骤S102,获取成像卫星传感器组合中某一成像卫星传感器的属性参数,根据这些属性参数计算该成像卫星传感器的静态能力评价值;
步骤S103,获取观测任务的属性参数、步骤S102中的成像卫星传感器到达观测任务可视区域的时刻、在观测任务区域内的有效覆盖面积、获取影像时影像地区的预估云层覆盖率,根据观测任务的属性参数、成像卫星传感器到达观测任务可视区域的时刻、在观测任务区域内的有效覆盖面积、获取影像时影像地区的预估云层覆盖率计算成像卫星传感器的动态能力评价值;
步骤S104,确定成像卫星传感器的静态能力和动态能力的权值大小,结合静态能力评价值和动态能力评价值计算得到成像卫星传感器的综合评价值;
步骤S105,重复步骤S102-S104,分别计算成像卫星传感器组合中的其他成像卫星传感器的综合评价值,根据计算得到的综合评价值的大小,对成像卫星传感器的观测能力进行排序。
进一步地,步骤S102中,所述成像卫星传感器为成像卫星光学传感器时,获取的成像卫星光学传感器的属性参数包括空间分辨率、辐射分辨率和光谱分辨率;利用空间分辨率、辐射分辨率和光谱分辨率计算成像卫星光学传感器的静态能力评价值的过程为:
假设N个成像卫星光学传感器建立的成像卫星光学传感器组合为{B1、B2、...BN,N∈R},R表示自然数,则对于成像卫星光学传感器组合中的任一成像卫星光学传感器Bi,首先根据成像卫星光学传感器Bi的空间分辨率计算空间分辨率优异度,所述空间分辨率优异度的计算公式为:
式中,Sispatial为成像卫星光学传感器Bi的空间分辨率优异度;Stask为观测任务要求的空间分辨率;Si为成像卫星光学传感器Bi的空间分辨率。
然后根据成像卫星光学传感器Bi的辐射分辨率计算辐射分辨率优异度,所述辐射分辨率优异度的计算公式为:
式中,Siradiation为成像卫星光学传感器Bi的辐射分辨率优异度;Ti为成像卫星光学传感器Bi的辐射分辨率位数;Smax为成像卫星光学传感器组合{B1、B2、...BN,N∈R}中辐射分辨率最优的传感器的辐射分辨率位数;
再根据成像卫星光学传感器Bi的波段数目确定光谱分辨率优异度Sispectral:建立光谱分辨率优异度Sispectral与波段数目的评价标准,根据评价标准确定光谱分辨率优异度Sispectral的值;
再根据层次分析法确定空间分辨率相符度Sispatial、辐射分辨率优异度Siradiation、光谱分辨率优异度Sispectral的权重大小,然后进行加权计算即得到成像卫星光学传感器Bi的静态能力评价值Sti,层次分析法的具体过程为:
确定指标的权重标度:采用“1~9标度法”确定指标的权重标度;
构造判断矩阵:根据空间分辨率、辐射分辨率、光谱分辨率的两两相对重要程度建立判断矩阵Ai;检验判断矩阵Ai的一致性,若判断矩阵Ai通过一致性检验,则计算判断矩阵Ai的最大特征值对应的特征向量P1、P2、P3并进行归一化处理;若判断矩阵Ai未通过一致性检验,则调整或重新构建判断矩阵;归一化后的特征向量P1、P2、P3即为空间分辨率相符度、辐射分辨率优异度和光谱分辨率优异度三个因子的权重,则静态能力评价值Sti的计算公式为:
Sti=P1*Sispatial+P2*Siradiation+P3*Sispectral
进一步地,步骤S102中,所述成像卫星传感器为成像卫星微波传感器时,获取的成像卫星微波传感器的属性参数包括空间分辨率、辐射分辨率和极化方式;利用空间分辨率、辐射分辨率和极化方式计算成像卫星微波传感器的静态能力评价值的过程为:
假设P个成像卫星微波传感器建立的成像卫星微波传感器组合为{M1、M2、...MP,P∈R},R表示自然数,则对于成像卫星微波传感器组合中的任一成像卫星微波传感器Mj,首先根据成像卫星微波传感器Mj的空间分辨率计算空间分辨率优异度,所述空间分辨率优异度的计算公式为:
式中,Qjspatial为成像卫星微波传感器Mj的空间分辨率优异度;Stask为观测任务要求的空间分辨率;Qj为成像卫星微波传感器Mj的空间分辨率。
然后根据成像卫星微波传感器Mj的辐射分辨率计算辐射分辨率优异度,所述辐射分辨率优异度的计算公式为:
式中,Qjradiation为成像卫星微波传感器Mj的辐射分辨率优异度;Qj为成像卫星微波传感器Mj的辐射分辨率位数;Qmax为成像卫星微波传感器组合{M1、M2、...MP,P∈R}中辐射分辨率最优的传感器的辐射分辨率位数;
再根据成像卫星微波传感器Mj的极化方式确定极化方式优异度Spolarization:建立极化方式优异度Spolarization与极化方式的评价标准,根据评价标准确定极化方式优异度Spolarization的值;
再根据层次分析法确定空间分辨率相符度Qjspatial、辐射分辨率优异度Qjradiation、极化方式优异度Spolarization的权重大小,然后进行加权计算即得到成像卫星微波传感器Mj的静态能力评价值Qtj,层次分析法的具体过程为:
确定指标的权重标度:采用“1~9标度法”确定指标的权重标度;
构造判断矩阵:根据空间分辨率、辐射分辨率、极化方式的两两相对重要程度建立判断矩阵Dj;检验判断矩阵Dj的一致性,若判断矩阵Dj通过一致性检验,则计算判断矩阵Dj的最大特征值对应的特征向量H1、H2、H3并进行归一化处理;若判断矩阵Dj未通过一致性检验,则调整或重新构造判断矩阵;归一化后的特征向量H1、H2、H3即为空间分辨率相符度、辐射分辨率优异度和极化方式优异度三个因子的权重,则静态能力评价值Qti的计算公式为:
Qtj=H1*Qjspatial+H2*Qjradiatio+H3*Spolarization
进一步地,步骤S103中,所述成像卫星传感器的动态能力评价值的计算过程为:
获取成像卫星传感器到达观测任务可视区域的时刻,计算成像卫星传感器的响应及时性因子Rei,响应及时性因子Rei的计算公式为:
式中,tend为观测任务的结束时间,tstart为观测任务的开始时间,ti为成像卫星传感器获得影像的时间;
获取成像卫星传感器在观测任务区域内的有效覆盖面积,计算成像卫星传感器的空间覆盖率Coi,空间覆盖率Coi的计算公式为:
式中,Sicover为成像卫星传感器在观测任务区域内的有效覆盖面积大小,Stotal为观测任务的总区域面积;
获取云层量的大小,计算云层穿透率Eni,云层穿透率Eni的计算公式为:
Eni=1-Cli
式中,Cli为成像卫星传感器获取影像时该地区的预估云层覆盖率;
计算成像卫星传感器的动态能力评价值Dyi,动态能力评价值Dyi的计算公式为:
Dyi=Rei*Coi*Eni
进一步地,步骤S104中,成像卫星传感器的综合评价值的计算过程为:
根据静态能力和动态能力的相对重要程度构成判断矩阵Fi,检验判断矩阵Fi的一致性,若判断矩阵Fi通过一致性检验,则计算判断矩阵Fi的最大特征值对应的特征向量G1、G2并进行归一化处理;若判断矩阵Fi未通过一致性检验,则调整或重新构建判断矩阵;归一化后的特征向量G1、G2即为动态能力评价值、静态能力评价值的权重,则根据线性加权计算,成像卫星光学传感器FS2OCRMi的综合评价值的计算公式为:
FS2OCRMi=G1*Dyi+G2*Sti
式中,G1为动态能力评价值的权重,G2为静态能力评价值的权重;
成像卫星微波传感器的综合评价值QS2OCRMi的计算公式为:
QS2OCRMi=G1*Dyi+G2*Qtj
本发明提供的技术方案带来的有益效果是:
(1)本发明提供的方法结合洪涝水体监测任务的特点,将传感器的观测能力根据特点划分为动态能力和静态能力,动态能力与卫星传感器的运行状态、环境影响相关,具体地,动态能力与传感器在实时的时间、空间、环境上的适应情况相关,静态能力主要面向传感器固有的属性参数,代表它能结合需求综合地评价传感器属性参数的优异度;本发明提供的方法能够结合洪涝不同阶段的水体监测任务对传感器各方面能力的需求大小,对成像卫星传感器进行先验的度量评估;
(2)本发明提供的方法在具体的观测任务派发时,可以不依赖于过多的专家经验、复杂的算法与强大的计算机性能,就可以在短时间内对目前可以调用的成像卫星传感器的观测能力进行度量排序评价,从而辅助人们在众多的成像卫星传感器资源中进行选择,并规划出较为合理的观测方案;
(3)本发明提供的方法主要面向于洪涝灾害监测,也可适用于常规监测的场景,本发明综合考虑了洪涝灾害的特点,结合了灾害监测的不同阶段和时间、空间、环境的需求,可以为自然灾害监测提供科学的、合理的决策依据;
(4)本发明提出的方法从观测能力的研究机制出发,了解了不同的成像卫星传感器面向同一任务时在各个方面具有的能力大小,有助于观测规划中对传感器各方面能力融合与互补,为协同规划提供重要的依据。
附图说明
图1是本发明实施例1一种改进的成像卫星传感器观测能力度量方法的流程示意图。
图2是本发明实施例1成像卫星光学传感器的静态能力评价值的计算示意图。
图3是本发明实施例1成像卫星光学传感器的动态能力评价值的计算示意图。
图4是本发明实施例1层次分析法的流程示意图。
图5是本发明实施例2成像卫星微波传感器的静态能力评价值的计算示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地描述。
实施例1:
请参考图1,本发明的实施例1提供了一种改进的成像卫星传感器观测能力度量方法,包括以下步骤:
步骤S101,获取N个具有观测任务的成像卫星光学传感器,记为B1、B2、...BN,建立成像卫星光学传感器组合{B1、B2、...BN,N∈R},R表示自然数;
步骤S102,获取成像卫星光学传感器组合中的某一成像卫星光学传感器B1的空间分辨率、辐射分辨率和光谱分辨率,然后根据空间分辨率、辐射分辨率和光谱分辨率分别计算空间分辨率优异度、辐射分辨率优异度、光谱分辨率优异度,再根据空间分辨率优异度、辐射分辨率优异度、光谱分辨率优异度通过线性加权计算该成像卫星光学传感器B1的静态能力评价值;
参考图2,步骤S102的具体过程为:
步骤S2.1,计算成像卫星光学传感器B1的空间分辨率优异度S1spatial,计算公式为:
式中,S1为成像卫星光学传感器B1的空间分辨率,Stask为观测任务要求的空间分辨率。
步骤S2.2,计算成像卫星光学传感器B1的辐射分辨率优异度S1radiation,计算公式为:
式中,T1为成像卫星光学传感器B1的辐射分辨率位数,Smax为成像卫星光学传感器组合{B1、B2、...BN,N∈R}中辐射分辨率最优的传感器的辐射分辨率位数。
步骤S2.3,计算成像卫星光学传感器B1的光谱分辨率优异度S1spectral,计算过程为:首先定义光谱分辨率优异度S1spectral的得分标准,成像卫星光学传感器的波段数目对应的得分即为光谱分辨率优异度S1spectral,光谱分辨率优异度S1spectral的评价标准如表1所示:
表1:光谱分辨率优异度S1spectral的评价标准
步骤S2.4,计算成像卫星光学传感器B1的静态能力评价值S1t:根据层次分析法确定空间分辨率相符度S1spatial、辐射分辨率优异度S1radiation、光谱分辨率优异度S1spectral的权重大小,对三种指标线性加权计算静态能力评价值St1,参考图3,层次分析法的具体计算过程为:
步骤S2.4.1,确定指标的权重标度等级:
采用Saaty提出的“1~9标度法”确定指标的权重标度,“1~9标度法”见表2,标度值V越大,表示指标i比指标j更重要,相反的,若指标i的重要程度比指标j低,则值为1/V,V的值由评价专家打分确定。
表2:1~9标度法列表
步骤S2.4.2,构造判断矩阵:根据空间分辨率、辐射分辨率、光谱分辨率的两两相对重要程度确定各权重标度,根据权重标度得到评估尺度,将评估尺度构成权重判断矩阵表3为假设的洪涝灾害中因子的相对重要性。
表3:判断矩阵的评分表
步骤S2.4.3,检验判断矩阵A1的一致性,具体过程为:
计算一致性指标CI
式中,λ1mmax为判断矩阵A1的最大特征值,m1是判断矩阵A1的阶数;
查随机一致性指标列表得到判断矩阵A1的阶数对应的平均随机一致性指标RI,随机一致性指标列表见表4;
表4:随机一致性指标
计算一致性比率CR,计算公式为:
当CR≤0.1时,说明判断矩阵A1合理,否则修改判断矩阵A1
步骤S2.4.3,矩阵A1的最大特征值对应的特征向量为W=[2/5,1/5,2/5]T,进行一致性检验,得CR=0,则成像卫星光学传感器B1的空间分辨率相符度、辐射分辨率优异度和光谱分辨率优异度三个因子的权重分别为0.4、0.2、0.4,则成像卫星光学传感器B1的静态能力评价值St1的计算公式为:
St1=0.4*S1spatial+0.2*S1radiation+0.4*S1spectral (3)
步骤S103,获取观测任务的属性参数,如开始时间和结束时间、观测任务区域的面积大小和观测任务对成像卫星光学传感器B1的参数要求等;此外,还需要获取成像卫星光学传感器B1对观测任务的响应时间、成像卫星光学传感器B1在观测任务区域内的覆盖状况以及环境状况,用于计算成像卫星光学传感器B1的动态能力评价值,参考图4,成像卫星光学传感器B1的动态能力评价值的计算步骤如下:
步骤S3.1,获取成像卫星光学传感器B1到达观测任务可视区域的时刻,计算成像卫星光学传感器B1的响应及时性因子Re1,计算公式为:
式中,tend为观测任务的结束时间,tstart为观测任务的开始时间,t1为成像卫星光学传感器B1获得影像的时间。
响应及时性因子Re1代表传感器在观测任务时间范围内尽快获取观测任务区域有效信息的能力,在观测任务时间范围内能越快获得观测任务区域影像的成像卫星光学传感器的响应及时性因子越大,响应及时性因子的取值范围为[0,1]。
步骤S3.2,获取成像卫星光学传感器B1在观测任务区域内的有效覆盖面积,计算成像卫星光学传感器B1的空间覆盖率Co1,计算公式为:
式中,S1cover为成像卫星光学传感器B1在观测任务区域内的有效覆盖面积大小,有效覆盖面积S1cover指成像卫星光学传感器B1的覆盖条带落在观测任务区域内的面积,Stotal为观测任务的总区域面积。
步骤S3.3,由于成像卫星传感器对于云层量较为敏感,需要获取云层量的大小,计算云层穿透率En1,其计算公式为:
En1=1-Cl1 (6)
式中,Cl1为成像卫星光学传感器B1获取影像时该地区的预估云层覆盖率,由OpenWeatherMap网站提供。而微波由于波长较长,对云层有较好的穿透能力。因此,将微波传感器云层穿透率始终定为1,代表它们不受监测地区云层覆盖的影响。
步骤S3.4,计算成像卫星光学传感器B1的动态能力评价值Dy1,计算公式为:
Dy1=Re1*Co1*En1 (7)
步骤S104,计算静态能力和动态能力的权重大小,然后根据计算得出的静态能力评价值St1和动态能力评价值Dy1计算出综合评价值,具体过程为:
步骤S4.1,利用层次分析法计算出静态能力和动态能力的权重大小,假设场景为洪涝灾害的应急监测阶段,对成像卫星光学传感器的动态能力要求高于静态能力,则静态能力和动态能力的相对重要性见表5,构成判断矩阵
表5:动、静态能力相对重要性关系
如步骤S2.4介绍的层次分析法的步骤,根据判断矩阵F1求得代表传感器动、静态能力重要性的权重向量为:W=[5/6,1/6]T;然后进行一致性检验,计算得CR=0,通过检验。因此在此任务背景下,动态能力因子、静态能力因子的权重分别为0.83、0.17。则成像卫星光学传感器B1的综合评价值FS2OCRM1的计算公式为:
FS2OCRM1=0.83*Dy1+0.17*St1 (8)
步骤S105,重复步骤S102-S104,分别计算成像卫星光学传感器组合{B1、B2、...BN,N∈R}中其他成像卫星光学传感器的综合评价值,根据计算得到的综合评价值的大小,对成像卫星光学传感器进行排序,综合评价值越大,表明对应的成像卫星光学传感器的观测能力越强。
实施例2:
本发明实施例2与实施例1的区别仅在于:具有观测任务的传感器为成像卫星微波传感器,成像卫星微波传感器的静态能力评价值根据成像卫星微波传感器的空间分辨率相符度、辐射分辨率优异度、极化方式优异度计算得到,成像卫星微波传感器的静态能力评价值的计算过程参考图5,成像卫星微波传感器的空间分辨率相符度、辐射分辨率优异度的计算过程同实施例1中成像卫星光学传感器的空间分辨率相符度、辐射分辨率优异度的计算过程,成像卫星微波传感器的极化方式优异度的计算过程为:获取成像卫星微波传感器的极化方式,根据极化方式在水体监测中的特征,定义了极化方式的评分准则,表6给出了极化方式优异度Spolarization的评价标准。
表6极化方式优异度Spolarization的评价标准
表6中,H表示水平极化,V表示垂直极化,极化方式的得分即为极化方式优异度Spolarization
成像卫星微波传感器的动态能力评价值的计算过程、综合评价值的计算过程同成像卫星光学传感器。
综上所述,本发明提供的方法完成了对于一种成像卫星传感器观测能力的定量评价,本发明提供的评价方法结合了灾害监测的不同阶段和时间、空间、环境的需求,对传感器进行综合评定,实现传感器的观测能力的优劣排序,能够为观测任务规划提供预选择的可靠结果和决策依据。
在不冲突的情况下,本文中上述实施例及实施例中的特征可以相互结合。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (5)

1.一种改进的成像卫星传感器观测能力度量方法,其特征在于,包括以下步骤:
S101,获取多个具有观测任务的成像卫星传感器,建立成像卫星传感器组合;
S102,获取所述成像卫星传感器组合中某一成像卫星传感器的属性参数,根据这些属性参数计算该成像卫星传感器的静态能力评价值;
S103,根据观测任务的属性参数、步骤S102中的成像卫星传感器到达观测任务可视区域的时刻、在观测任务区域内的有效覆盖面积、获取影像时影像地区的预估云层覆盖率计算成像卫星传感器的动态能力评价值;
S104,确定成像卫星传感器的静态能力和动态能力的权值大小,结合静态能力评价值和动态能力评价值通过加权计算得到成像卫星传感器的综合评价值;
S105,重复步骤S102-S104,分别计算成像卫星传感器组合中的其他成像卫星传感器的综合评价值,根据计算得到的综合评价值的大小,对成像卫星传感器组合中的成像卫星传感器的观测能力进行排序。
2.根据权利要求1所述的改进的成像卫星传感器观测能力度量方法,其特征在于,步骤S102中,所述成像卫星传感器为成像卫星光学传感器时,获取的成像卫星光学传感器的属性参数包括空间分辨率、辐射分辨率和光谱分辨率;利用空间分辨率、辐射分辨率和光谱分辨率计算成像卫星光学传感器的静态能力评价值的过程为:
假设N个成像卫星光学传感器建立的成像卫星光学传感器组合为{B1、B2、…BN,N∈R},R表示自然数,则对于成像卫星光学传感器组合中的任一成像卫星光学传感器Bi,根据成像卫星光学传感器Bi的空间分辨率计算空间分辨率优异度,所述空间分辨率优异度的计算公式为:
式中,Sispatial为成像卫星光学传感器Bi的空间分辨率优异度;Stask为观测任务要求的空间分辨率;Si为成像卫星光学传感器Bi的空间分辨率;
根据成像卫星光学传感器Bi的辐射分辨率计算辐射分辨率优异度,所述辐射分辨率优异度的计算公式为:
式中,Siradiation为成像卫星光学传感器Bi的辐射分辨率优异度;Ti为成像卫星光学传感器Bi的辐射分辨率位数;Smax为成像卫星光学传感器组合{B1、B2、...BN,N∈R}中辐射分辨率最优的传感器的辐射分辨率位数;
根据成像卫星光学传感器Bi的波段数目确定光谱分辨率优异度Sispectral:建立光谱分辨率优异度Sispectral与波段数目的评价标准,根据评价标准确定光谱分辨率优异度Sispectral的值;
根据层次分析法确定空间分辨率相符度、辐射分辨率优异度、光谱分辨率优异度的权重大小,然后进行加权计算即得到成像卫星光学传感器Bi的静态能力评价值,成像卫星光学传感器Bi的静态能力评价值的计算公式为:
Sti=P1*Sispatial+P2*Siradiation+P3*Sispectra
式中,Sti为成像卫星光学传感器Bi的静态能力评价值;P1为成像卫星光学传感器Bi的空间分辨率相符度的权重;P2为成像卫星光学传感器Bi的辐射分辨率优异度的权重;P3为成像卫星光学传感器Bi的光谱分辨率优异度的权重。
3.根据权利要求1所述的改进的成像卫星传感器观测能力度量方法,其特征在于,步骤S102中,所述成像卫星传感器为成像卫星微波传感器时,获取的成像卫星微波传感器的属性参数包括空间分辨率、辐射分辨率和极化方式;利用空间分辨率、辐射分辨率和极化方式计算成像卫星微波传感器的静态能力评价值的过程为:
假设P个成像卫星微波传感器建立的成像卫星微波传感器组合为{M1、M2、...MP,P∈R},R表示自然数,则对于成像卫星微波传感器组合中的任一成像卫星微波传感器Mj,根据成像卫星微波传感器Mj的空间分辨率计算空间分辨率优异度,所述空间分辨率优异度的计算公式为:
式中,Qjspatial为成像卫星微波传感器Mj的空间分辨率优异度;Stask为观测任务要求的空间分辨率;Qj为成像卫星微波传感器Mj的空间分辨率;
根据成像卫星微波传感器Mj的辐射分辨率计算辐射分辨率优异度,所述辐射分辨率优异度的计算公式为:
式中,Qjradiation为成像卫星微波传感器Mj的辐射分辨率优异度;Qj为成像卫星微波传感器Mj的辐射分辨率位数;Qmax为成像卫星微波传感器组合{M1、M2、...MP,P∈R}中辐射分辨率最优的传感器的辐射分辨率位数;
根据成像卫星微波传感器Mj的极化方式确定极化方式优异度Spolarization:建立极化方式优异度Spolarization与极化方式的评价标准,根据评价标准确定极化方式优异度Spolarization的值;
根据层次分析法确定空间分辨率相符度、辐射分辨率优异度、极化方式优异度的权重大小,然后进行加权计算即得到成像卫星微波传感器Mj的静态能力评价值,成像卫星微波传感器Mj的静态能力评价值的计算公式为:
Qtj=H1*Qjspatial+H2*Qjradiation+H3*Spolarization
式中,Qtj为成像卫星微波传感器Mj的静态能力评价值;H1为成像卫星微波传感器Mj的空间分辨率相符度的权重;H2为成像卫星微波传感器Mj的辐射分辨率优异度的权重;H3为成像卫星微波传感器Mj的极化方式优异度的权重。
4.根据权利要求1所述的改进的成像卫星传感器观测能力度量方法,其特征在于,步骤S103中,所述成像卫星传感器的动态能力评价值的计算过程为:
获取成像卫星传感器到达观测任务可视区域的时刻,计算成像卫星传感器的响应及时性因子,响应及时性因子的计算公式为:
式中,Rei为成像卫星传感器的响应及时性因子;tend为观测任务的结束时间;tstart为观测任务的开始时间;ti为成像卫星传感器获得影像的时间;
获取成像卫星传感器在观测任务区域内的有效覆盖面积,计算成像卫星传感器的空间覆盖率,空间覆盖率的计算公式为:
式中,Coi为成像卫星传感器的空间覆盖率;Sicover为成像卫星传感器在观测任务区域内的有效覆盖面积大小;Stotal为观测任务的总区域面积;
获取云层量的大小,计算云层穿透率,云层穿透率Eni的计算公式为:
Eni=1-Cli
式中,Eni为云层穿透率;Cli为成像卫星传感器获取影像时该地区的预估云层覆盖率;
计算成像卫星传感器的动态能力评价值,动态能力评价值的计算公式为:
Dyi=Rei*Coi*Eni
式中,Dyi为成像卫星传感器的动态能力评价值。
5.根据权利要求1所述的改进的成像卫星传感器观测能力度量方法,其特征在于,步骤S104中,所述成像卫星传感器的静态能力和动态能力的权值大小的计算过程为:根据静态能力和动态能力的相对重要程度构成判断矩阵,然后对所述判断矩阵进行一致性检验,若判断矩阵通过一致性检验,则计算判断矩阵的最大特征值对应的特征向量,判断矩阵的最大特征值对应的特征向量即为静态能力评价值和动态能力评价值的权重。
CN201910102461.2A 2019-02-01 2019-02-01 一种改进的成像卫星传感器观测能力度量方法 Active CN109975833B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910102461.2A CN109975833B (zh) 2019-02-01 2019-02-01 一种改进的成像卫星传感器观测能力度量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910102461.2A CN109975833B (zh) 2019-02-01 2019-02-01 一种改进的成像卫星传感器观测能力度量方法

Publications (2)

Publication Number Publication Date
CN109975833A true CN109975833A (zh) 2019-07-05
CN109975833B CN109975833B (zh) 2020-04-10

Family

ID=67076852

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910102461.2A Active CN109975833B (zh) 2019-02-01 2019-02-01 一种改进的成像卫星传感器观测能力度量方法

Country Status (1)

Country Link
CN (1) CN109975833B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101478693A (zh) * 2008-12-31 2009-07-08 中国资源卫星应用中心 一种对星载光学遥感图像压缩质量进行评价的方法
CN101566692A (zh) * 2009-05-26 2009-10-28 吉林大学 利用卫星遥感数据中的云影信息检测云高的方法
CN103093098A (zh) * 2013-01-21 2013-05-08 武汉大学 一种卫星光学传感器动态观测能力的定量评价方法
CN103177431A (zh) * 2012-12-26 2013-06-26 中国科学院遥感与数字地球研究所 一种多源遥感数据时空融合方法
CN103198355A (zh) * 2013-03-06 2013-07-10 武汉大学 一种光学卫星传感器静态对地观测能力聚类方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101478693A (zh) * 2008-12-31 2009-07-08 中国资源卫星应用中心 一种对星载光学遥感图像压缩质量进行评价的方法
CN101566692A (zh) * 2009-05-26 2009-10-28 吉林大学 利用卫星遥感数据中的云影信息检测云高的方法
CN103177431A (zh) * 2012-12-26 2013-06-26 中国科学院遥感与数字地球研究所 一种多源遥感数据时空融合方法
CN103093098A (zh) * 2013-01-21 2013-05-08 武汉大学 一种卫星光学传感器动态观测能力的定量评价方法
CN103198355A (zh) * 2013-03-06 2013-07-10 武汉大学 一种光学卫星传感器静态对地观测能力聚类方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈能成 等: ""卫星传感器时空覆盖能力评估与优选组合***设计与实现"", 《测绘通报》 *

Also Published As

Publication number Publication date
CN109975833B (zh) 2020-04-10

Similar Documents

Publication Publication Date Title
Li et al. Evaluation of machine learning algorithms in spatial downscaling of MODIS land surface temperature
CN104517037B (zh) 一种生态承载力的遥感估算方法
Lyu et al. A new method for grassland degradation monitoring by vegetation species composition using hyperspectral remote sensing
Piles et al. Downscaling SMOS-derived soil moisture using MODIS visible/infrared data
Berhan et al. Using satellite images for drought monitoring: a knowledge discovery approach
Jiao et al. Analyzing the impacts of urban expansion on green fragmentation using constraint gradient analysis
CN109872060A (zh) 一种用于多卫星传感器联合观测方案选择的方法
Li et al. Detection of multidimensional poverty using Luojia 1-01 nighttime light imagery
Battersby et al. Spatial resolution imagery requirements for identifying structure damage in a hurricane disaster
Mutowo et al. Relationship between remotely sensed variables and tree species diversity in savanna woodlands of Southern Africa
Chen et al. Evaluation of Landsat TM vegetation indices for estimating vegetation cover on semi-arid rangelands: a case study from Australia
Chen et al. A dynamic observation capability index for quantitatively pre-evaluating diverse optical imaging satellite sensors
Maina et al. Estimation of above ground biomass in forests using Alos Palsar data in Kericho and Aberdare ranges
CN109975833A (zh) 一种改进的成像卫星传感器观测能力度量方法
Zhenhua et al. Generating high spatiotemporal resolution LAI based on MODIS/GF-1 data and combined Kriging-Cressman interpolation
CN117034544A (zh) 基于典型任务场景的测绘卫星体系效能贡献率确定方法
Zhou et al. Comparison of object-oriented and Maximum Likelihood Classification of land use in Karst area
Song et al. Comparison of an unmaned aerial vehicle based physical environment with thermal properties from in-situ measurements: Campus of Changwon National University, South Korea
Wu et al. Remote sensing recognition of residential areas based on GF-4 satellite image
Zhang et al. Synergistic retrieval model of forest biomass using the integration of optical and microwave remote sensing
Lu et al. Eco‐Economic Environment Coupling Based on Urban RSEI Theory
CN103196839A (zh) 快鸟卫星归一化植被指数预测苦草盖度的方法
Moussa et al. Monitoring of long term land degradation trends based of Landsat observations—The case of land productivity trends in Souss-Massa Region
Wang et al. Information extraction of building height and density based on quick bird image in Kunming, China
Liou et al. Landsat 8 operational land imager-derived variables for environmental risk assessment in Taoyuan

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230801

Address after: Baogu Innovation and Entrepreneurship Center, China University of Geosciences (Wuhan), No. 388, Lumo Road, Hongshan District, Wuhan, 430000, Hubei

Patentee after: Dida (Wuhan) Asset Management Co.,Ltd.

Address before: 430000 Lu Mill Road, Hongshan District, Wuhan, Hubei Province, No. 388

Patentee before: CHINA University OF GEOSCIENCES (WUHAN CITY)

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230822

Address after: No. 99, Baogu Innovation and Entrepreneurship Center, East District, China University of Geosciences, No. 388 Lumo Road, Hongshan District, Wuhan City, Hubei Province, 430000

Patentee after: Wuhan Zhongdi University Smart City Research Institute Co.,Ltd.

Address before: Baogu Innovation and Entrepreneurship Center, China University of Geosciences (Wuhan), No. 388, Lumo Road, Hongshan District, Wuhan, 430000, Hubei

Patentee before: Dida (Wuhan) Asset Management Co.,Ltd.