环境卫星范文

环境卫星范文（精选10篇）

环境卫星 第1篇

近几年用于森林火灾监测的卫星主要是我国的风云系列(FY1C、FY1D)和美国(国家海洋大气局)NOAA系列(NOAA-12、NOAA-14、NOAA-15、NOAA-16、NO AA-17)气象卫星,目前用于卫星林火监测的还有美国EOS/MODIS地球观测卫星,其中2007年NOAA-12已退役。

卫星接收系统面临着逐渐老化的问题。DVBS林火监测系统自2005年建成后,暂时解决了西南分中心的数据源问题,在森林防火工作中发挥了重要作用。但随着西南分中心卫星林火监测工作的发展,该系统的不足之处越来越突显出来。首先,由于该系统采用“地面站接收卫星数据地面线路传输到北京北京站上传通信卫星通信卫星广播分中心地面接收处理”这样复杂的数据传输链路,使得系统故障率较高。在高火险时段或较大火灾发生时,一旦系统发生故障,就会造成无数据可用的尴尬局面;其次,数据时效性差是该系统的最大缺陷,该系统接收数据比国家林业局监测中心自主接收系统晚30分钟以上,有时甚至晚1个小时以上,极大地影响了监测系统“火情早发现”作用的充分发挥。因此,需要在西南分中心建设一套气象卫星数据自主接收系统。

根据现有和即将发射的卫星特点,结合林火监测系统的建设经验和林火监测工作实际需要,将现有的监测系统通过升级、改造,建设成稳定可靠、使用科学、兼容性强的卫星数据接收系统,既满足接收当前卫星资源的需要,也充分考虑到未来即将发射卫星的兼容,通过卫星林火监测系统升级改造工程的实施,使卫星林火监测工作在监测南方十省区森林火灾的工作中继续发挥不可替代的重要作用。升级改造需要投入大量资金,为了避免资金浪费,我们在西南分中心卫星林火监测分中心转接站,进行了基础测评,确定原站址是否符合改造条件,重点对中心现有“亚洲4号”卫星拟建地球站进行电磁环境测试。

对于电磁环境测试方法已经有文章进行过探讨[1,2,3],但是目前还缺少对具体测试案例的报告,此文以西南卫星林火监测分中心转接站电磁环境测试为例,展示了电磁环境测试的具体方法和步骤,以供今后的研究使用。

2、卫星通信地球站电磁环境的测试

2.1 测试目的

本次测试的目的:全面测试预选站址的电磁环境,确定各类干扰源的干扰信号强度。根据国标GB13615-92《地球站电磁环境保护要求》,和《建立卫星通信网和设置使用地球站管理规定》(中华人民共和国工业和信息化部令第7号)的要求,分析地球站与各类无线电干扰源辐射的兼容性,选址是否符合技术要求,预选站址是否可行。作为建设单位上报站址和无委审批台站的技术依据。测试中计算、分析及其电磁环境的保护限值引用国家标准GB13615-1992《地球站电磁环境保护要求》、GB13620-1992《卫星通信地球站与地面微波站之间协调区的确定和干扰计算方法》;

2.2 预定工作参数

此次我们选择亚洲4号做为测试卫星,其卫星标称规定经度:122.2(东经),下行工作载波中心频率:4037.75 MHz,下行工作载波带宽:9000 kHz,下行极化方式:水平,下行EIRP:40.8 dBW/该载波。

地球站设在云南省昆明市盘龙区,国家林业局西南航空护林总站站内;其地理坐标:东经102度42分51.8秒,北纬25度02分47.1秒;地面海拔高度1906米,天线距地面高度1米。地球站天线口径为2.4米;对天线工作指向特征为方位角140.5度,仰角53.6度;天线接收增益为GR 37dBi,接收载波中心频率:4.037 GHz,该频率在昆明市无其他单位使用;接收信号带宽为9000 kHz,水平极化,接收信号调制方式为QPSK,传输速率为6666 kbit/s,纠错方式FEC:3/4(1/2,7/8,3/4等),接收系统等效噪声温度为21 K。

天际角的测试一般使用经纬仪配合罗盘进行测试,图1为测试点的天际线。

2.3 干扰电平标准

依据国标GB13615-1992《地球站电磁环境保护要求》和“地球站电磁环境测试的基本要求”,确定允许干扰电平:

(1)允许C/I比计算:

取C/N=10dB,C/I=C/N+10=20d B。

(2)使用下行工作单载波EIRP值计算,地球站接收机输入端有用信号(RBW带宽内)C(dBm):C=EIRP(下行工作单载波)-Lf+GR-10Log(BW/RBW)=EIRP(下行工作单载波)-[32.4+20*l og(d)+20*log(f)]+GR-10Log(BW/RBW)上式中,除d外,其他为已知参数,先计算

λ=|地球站经度-卫星经度|=19.4856oΦ=地球站纬度=25.0464 o

经计算d=36866.1(m),代入计算后得出

(3)地球站接收机输入端允许干扰信号电平I:

2.4 测试系统的组成

根据电磁环境测试的原理,测试系统主要包括接收天线、低噪声放大器、频谱分析仪、计算机等,其系统原理图见图2所示。

我们选择了符合GB13615-92要求的设备进行测试。测试天线选用了标准增益喇叭天线,天线接收增益Gr=21 dBi,天线噪声温度Ta=150 K,馈线损耗:LP=2 dB;放大器的LNA增益GLNA=33dB,LNA噪声温度TL=100K;频谱分析仪选择使用了固有噪声低,灵敏度较好的Agilent N9020A M XA,其频率范围为20Hz～26.5GHz,分辨带宽为lHz～8MHz(-3.01dB),视频带宽范围为1Hz～8MHz,频谱仪灵敏度:-149dB m/30kHz。

2.5 地球站电磁环境的测试步骤

第一步:在预定天线位置,按照测试系统方框图连接好测试设备,测试天线离地面高1.5米,加电预热和自校。按照工作参数设置频谱分析仪工作状态。

第二步:全频段全方位0仰角干扰测试。将测试天线置于0度仰角,用与接收信号相同的极化从0度开始每隔5-10度按顺时针转动天线,直至旋转360度,频谱仪设置为最大保持。观察频谱曲线,记录10MHz频谱图。

第三步:预定工作载波全方位0仰角干扰测试。以工作频率为中心,在预定工作载波+/-20MHz范围内,将天线设置为0度仰角,极化设置为与下行工作载波相同的方式,从0度开始每隔5-10度按顺时针转动天线,直至旋转360度。频谱仪设置为最大保持,记录频谱图。

第四步:预定工作载波预定工作方位干扰测试。以预定工作载波为中心,在预定工作载波+/-20MHz范围内,在地球站预定工作方位+/-20度内,俯仰角设在+/-5度(根据具体情况,可加大仰角)内,天线极化设置为与下行工作载波相同的方式,每隔5-10度转动一次,反复测试,观察频谱并记录。

第五步:最大干扰源方向干扰测试。选择干扰最大或离预定工作载波最近的干扰频率,将天线极化和仰角设定,频谱仪调整到最佳工作状态,对每一个干扰源进行较长时间观察和重复测试,记录最大电平、极化方式、附仰角度,确定最大干扰方向,记录频谱图。

第六步:对广播,短波和电视电场强度的测试:天线中心距地面1.5米,从50kHz到160MHz逐点向上测试,记下较强的频率与信号电平。

认真记录、保存现场测试数据,为进一步分析、形成电磁环境报告做准备。

2.6 测试系统灵敏度

此外,通过计算测试系统的灵敏度,可以确定测试系统能否用于电磁环境的测试。测试系统的灵敏度与频谱分析仪的灵敏度、天线和低噪声放大器的增益及噪声温度有关。测试系统输入端等效噪声功率PL:

其中Te=Ta+TL(测试系统输入端的等效温度),Ta:天线仰角为0度时的等效热噪声温度,一般取100或150K;TL:LNA的等效热噪声温度,其值由厂家确定;PL的值应小于LNA输入端的干扰信号电平。

折算到频谱仪输入端热噪声功率PH:

相同带宽时频谱仪灵敏度比PH低50.94 dB。

2.7 测试结果计算

另外,我们使用频谱分析仪加上标准天线来测量场强。频谱仪测量时,电平值与场强值读数的关系式为E=P+A+FdB(μV/m)

E:电场强度,dB(μV/m);

A:天线系数,dB;

P:频谱仪读数,dBm;

F:折算系数,dB。频谱仪输入阻抗为50Ω时,F=107dB,频谱仪输入阻抗为75Ω时,F=109dB。经计算后计算结果如表1:

3、结语

经过对昆明市青年路西南林航大厦18楼楼顶转接站站址的电磁环境测试,监测人员准确地把握了测试过程,保存了站址周围电磁环境测试结果的所有数据,根据计算结果及测试数据,分析得出在整个接收频段内无明显干扰信号,噪声电平维持在较低水平,符合国标GB13615-92的规定。该位置电磁环境具备设置为地球站的条件。

参考文献

[1]沈国勤.卫星地球站电磁环境测试方法探析(上).中国无线电,2007,10.

[2]周勇.卫星地球站电磁环境测试中的计算,中国无线电管理,2003,3.

地磁场中卫星磁测试环境与设备 第2篇

地磁场中卫星磁测试环境与设备

文章介绍了在地磁场中建立满足低轨道卫星运行的磁测试环境(低造价的低磁厂房)以及符合标准的.磁测试仪器与设备的研制过程,对磁性的测量与控制进行了阐述.

作 者：李荣福 Li Rongfu  作者单位：上海卫星工程研究所,上海,200240 刊 名：航天器环境工程  ISTIC英文刊名：SPACECRAFT ENVIRONMENT ENGINEERING 年，卷(期)：2008 25(1) 分类号：V416.8 O482.51 关键词：卫星   低磁环境   磁测试设备  

卫星环境中TCP性能分析 第3篇

关键词：卫星通信,传输控制协议,传播延时,误码率

1、引言

卫星通信系统具有覆盖面广能力、通信距离远、组网灵活等特点, 它与Internet结合可以带来很多好处, 但也存在着一些问题, 其中一个关键问题就是TCP在卫星环境中的性能问题[1]。TCP是Internet中最广泛使用的传输层协议, 最初是为有线网络设计的。而卫星链路的主要特点是具有长传播延时和高误码率, 这两种特性对TCP的性能有很大的影响。本文通过建立的卫星网络仿真模型, 对卫星环境中几种不同版本的TCP性能进行分析、比较, 为后期提出更好的改进措施奠定研究基础。

2、卫星链路的特点及其对TCP的影响

2.1 长传播延时

卫星链路具有非常高的或者非常易变的传播延时, 这取决与卫星的高度和用于连接的卫星单跳的数目, 就单程传输时延而言, 静止轨道卫星延时为250ms-280ms, 中轨道卫星延时为80ms-100ms, 低轨道卫星延时为20ms-25ms。当TCP用于长延时链路时, 面临3个主要的问题:拥塞窗口增长缓慢, 检测和恢复丢失的时间较长和接收窗口受限。

2.2 高误码率

卫星链路与地面无线链路相比, 具有较高的误码率, 无编码的情况下可以达到10-6, 甚至10-4。TCP使用数据包丢失信息进行相应的拥塞控制, 在不能获知数据包丢失的原因是由网络拥塞还是信道误码的情况下, 所有的数据包丢失都被认为是由网络拥塞引起的。当网络出现拥塞信号时, TCP丢弃所有的包, 缩减发送窗口尺寸, 试图缓解拥塞。研究表明, 在卫星环境下, 由于高误码率的存在, 导致TCP拥塞窗口不必要的减小, 从而TCP的性能会大大下降。

3、网络仿真模型

为了对比各种TCP版本对卫星链路的适应性以及比较不同带宽和不同误码率下卫星链路上TCP性能的变化, 采用NS2网络模拟仿真软件建立仿真平台, 进行仿真实验。

本文建立的卫星网络模型由一颗地球静止轨道卫星和信源、信宿两个终端构成, 如图1所示。卫星、信源、信宿皆采用移动节点构成, 其中n0代表卫星, n1代表信源, n2代表信宿。三个节点中n1和n2之间不能构成直接的通信链路, n1和n2分别与n0构成通信链路, n1与n2之间要实现通信必须通过n0的中转才能形成通路。在n1端 (即信源端) 添加TCP类型的Agent代理tcp0, 而在n2端 (即信宿端) 添加TCPSink类型的Agent的代理sink1, 并连接起tcp0和sink1, 在信源和信宿端之间通过中转卫星 (n0) 构成通路, 能够实现TCP协议的通信, 在tcp0端添加cb r0, 使信源端能够以恒定的速率发送数据。卫星网络中上行链路为n1到n0, 下行链路为n0到n2, 链路带宽皆设为2.048Mb/s, 链路延时为260ms, Agent代理tcp0设置使用的TCP协议 (如TCP、TCP-Reno、TCP Veg as等) 。数据包封装大小设置为1000字节。

4、性能评估及分析

4.1 传播延时对TCP性能的影响

卫星链路传输时延依次分别设为25ms、50ms、75ms、100ms、125ms、150ms、175ms、200ms、225ms、250ms, TCP流协议机制依次分别设为TCP、TCP-Reno、TCP-Vegas, 仿真时间为20s, 通过流量检测统计, 给出20仿真时间内的链路平均吞吐量, 如图2所示。

由图2可见, 随着链路传播延时的增加, 吞吐量急剧下降。卫星链路的传播延时大小影响着往返时间、检测和恢复丢失的时间长短, 延时越长, 往返时间越大, 检测和恢复丢失的时间越长。往返时间是拥塞窗口增长的重要参数。TCP与TCP-Reno在慢启动期间, 每个往返时间, 拥塞窗口加倍, 在拥塞避免期间, 每个往返时间, 拥塞窗口增加1;而TCP-Vegas则是在慢启动期间和拥塞避免期间, 每两个往返时间将拥塞窗口增加1倍。所以, 链路传播延时越大, 往返时间越长, 拥塞窗口增长就越缓慢, 因此吞吐量增长就越缓慢。

4.2 误码率对TCP性能的影响

卫星链路误码率设为110-4, TCP流协议机制依次分别设为TCP、TCP-Reno、T CP-Vegas, 仿真时间为20s, 得到吞吐量随时间变化的曲线, 如图3所示。

通过对仿真结果图3的观察, 不难发现, 在固定误码率10-4时, 随着时间的推移, T CP与TCP-Reno机制的链路吞吐量在初始时刻0-1秒内快速增加, 之后吞吐量进入一个缓慢且上下波动的增长时期, 到4秒之后趋于平缓与稳定。

5、结语

卫星与Internet相结合是卫星通信发展的一个趋势, 对卫星环境中的TCP性能进行研究是必要的, 也是有意义的。本文通过仿真对长传播延时和高误码率卫星环境中的TCP性能进行了分析, 从中得出的结果和结论为后续的研究奠定了基础。

参考文献

[1]H.Yurong, L.O.K.Victor.Satellite-Based Internet:A Tutorial.IEEE Communications Magazine, 2001:154~162.

[2]L.S.Brakino, S.W.O’Malley, L.Peterson.TCP Vegas:New Techniques for Congestion Detection and Avoidance.Proceedings of ACM SIGCOMM’94, 1994, (10) :24-35.

环境卫星 第4篇

GRGT环境可靠性试验设备能按IEC、MIL、ISO、GB、GJB等各种标准或用户要求进行高温、低温、温度冲击（气态及液态）、浸渍、温度循环、低气压、高低温低气压、恒定湿热、交变湿热、砂尘、盐雾腐蚀、气体腐蚀、霉菌、淋雨、太阳辐射、光老化、高加速老化试验，高加速寿命试验等。

选择广电计量检测的几大理由：

一、军工电子研发单位，前身是1964年成立的602计量所，技术条件成熟。

二、隶属广州无线电集团，国企单位，实验室管控严格，绝不弄虚做假，报告信誉度、认可度很高。广州广电计量检测股份有限公司http://AS），中国计量认证（CMA），食品检验机构资质认定（CMAF），国防科技工业认可实验室（DILAC），中国船级社（CCS）等多项国家级认证。

环境卫星 第5篇

令业界关注的是，这两颗发射重量分别超过5.8吨和6.9吨的高功率重型通信卫星均由美国著名的卫星制造商劳拉空间系统公司设计及建造。其中，TerreStar1卫星是全球迄今发射的卫星中重量最大的商用同步通信卫星。

Proton—M火箭成功发射美国SirusFM5广播卫星

格林尼治时间2009年6月30日19时10分，一枚俄罗斯Proton—M火箭从哈萨克斯坦拜科努尔航天发射场起飞，将搭载的美国SirusXM广播公司新一代专用广播卫星SirusFM5送上太空。火箭飞行大约9小时14分钟后，星箭分离，卫星进入远地点35786公里、近地点4207公里、倾角22.9°的地球同步转移轨道，表明这次商业发射获得成功。提供这次服务的，是俄美合资的发射服务公司（ILS）。

这次发射，是ILS公司2009年第3次发射，也是Proton火箭第346次发射以及2009年第5次发射。ILS公司称，SirusFM5卫星是该公司用Proton火箭发射的第4颗SirusFM系列广播卫星，此前自2000年以来，SirusFM1、FM2、FM3卫星也均由ILS公司发射。不过，SirusFM5卫星是SirusFM星座中首颗地球同步轨道广播卫星，而前3颗卫星在高倾斜椭圆轨道（HEIO）上运行。

据劳拉公司介绍，SirusFM5卫星采用经太空考验、技术先进和可提供灵活及广泛应用的1300系列卫星平台，卫星总功率高达20KW（寿命终止时），发射重量5820公斤，在轨设计寿命15年。这颗高功率的广播卫星负载X波段上行链路和S波段下行链路有效载荷，并携带一台9米可展开式天线等先进的设备，可向汽车及其他小型移动装置进行高密度的信号传输。

在完成在轨测试后，SirusFM5卫星将在96°W轨位上服役，加入SirusFM星座，为美国及加拿大听众提供卫星广播服务。SirusFM广播公司表示，借助于SirusFM5卫星，将可以增补现有星座容量的不足，确保公司用户持续获得卫星音频广播的特别体验。另悉，由劳拉公司建造完成的SirusFM4卫星，现作为备份星存放在地面库房中。

总部设在纽约的SirusXM广播公司是2008年7月由Sirus卫星广播公司和XM卫星广播控股公司合并后组建的美国唯一的一家大型卫星广播公司，也是美国唯一的卫星音频娱乐广播服务运营商。目前，该公司通过SirusFM1、FM2、FM3、XM3、FM4五颗高功率通信卫星，为北美地区订户提供300多个数字广播频道，包括100%免费的商业音乐频道，主要的体育、新闻、谈话、喜剧、儿童、娱乐、交通、气象和数据频道等。2010年，SirusXM广播公司还将发射另一颗高功率广播卫星XM5。

据悉，ILS公司下一次发射将安排在8月初，届时，将由Proton火箭为香港亚洲卫星有限公司发射其新一代通信卫星Asiasat5。

Ariane 5ECA火箭成功发射美国移动通信卫星TerreStar1

格林尼治时间2009年7月1日17时52分，一枚欧洲Ariane 5ECA型大推力火箭从法属圭亚那库鲁航天中心起飞，将搭载的美国移动通信运营商TerreStar网络公司首颗移动通信卫星TerreStar1送上太空。火箭飞行约26分钟后，星箭分离，卫星进入远地点35941公里、近地点249.9公里、倾角6.01°的地球同步转移轨道，表明Ariane 5ECA火箭这次商业发射获得成功。

这次发射，是Arianespace公司2009年的第3次发射以及Ariane系列火箭自1979年问世以来的第189次发射，也是Ariane 5型火箭的第45次发射和连续第31次成功发射。据阿丽亚娜空间公司称，TerreStar1卫星是劳拉空间系统公司（SS/Loral）建造的第34颗由该公司发射的卫星，而TerreStar网络公司因此也成为该公司第29位新客户。

据称，总部设在美国弗吉尼亚州Reston市的TerreStar网络公司多年来一直在计划、创建一个横跨美国和加拿大，可靠、安全及适应性强的卫星地面一体化新型移动宽带网络，该移动网络将致力于在紧急状态下为政府机构、公共安全部门、农村社区和商业用户解决应急通信及事务持续性的需求，而TerreStar1卫星是这个移动通信网络的核心组成部分之一。据介绍，TerreStar1卫星采用劳拉公司高功率的1300型卫星平台，在轨设计寿命超过15年。令业界关注的是，该卫星系统采用了多项先进技术及先进设备。

其一，卫星发射重量达6910公斤，超过2008年4月发射的美国首颗S波段移动通信卫星ICOGI的发射重量（6634公斤），从而成为全球迄今发射的重量最大的以及功率最大的商用同步通信卫星。

其二，卫星携带高功率的S波段（2GHz）有效载荷，并配置一台直径18米的可展开式S波段天线。这台天线的口径大大超过ICOGIP星及今年4月发射的欧洲首颗S波段移动通信卫星EutelsatW2A所配置的S波段天线（其口径均为12米），未来在轨展开后将如同一把巨伞，可承担把语音、数据及视频传输到大小如同智能手机的便携式移动装置的任务。

其三，卫星采用双向的基于地面的成形波束技术（GBBF）。这种技术是由劳拉公司与休斯网络系统公司共同研发，它使卫星经由地面网关处理，可以根据用户需求形成数目不同的各自独立的S波段发送点波束和接收点波束，提供用户实际需要的卫星容量及带宽，从而能有效地分配频率及功率，进行灵活的动态管理。据称，ICOGI卫星已采用GBBF技术，而TerreStar1卫星利用这种技术可构建产生500多个点波束，其覆盖区域为美国大陆、加拿大、阿拉斯加、夏威夷、波多黎各及维尔京群岛。

其四，用户终端采用大小如同智能手机的卫星/地面双模手机等便携式移动装置。由于TerreStar1卫星采用巨型天线及高功率S波段馈电天线阵和先进的CBBF技术，使用户终端装置实现了外观上的灵巧，其尺寸类似于市场上的常规手机，而且也看不到以前如砖块一样大的卫星手机上外观笨重的天线。在TerreStar1卫星成功发射的当天，TerreStar网络公司为媒体展示了首款可用于TerreStar天地一体化移动网络的双模手机。据介绍，这种全新的卫星/陆地一体化手机，平时可在TerreStar地面网络使用，一旦地面网络因为某种原因未能接通，手机就可以转换接通TerreStar卫星网络，直接进行卫星通信，从而确保北美地区用户无论在何时何地，都能轻松方便地获得移动通信服务的无缝连接。

在完成在轨测试后，TerreStar1卫星未来将在111°W轨位上运行，预计在2009年底投入商业服务。分析家指出，届时随着这种全新的移动通信模式的推广及发展，北美地区将迎来天地一体化移动通信的新时代。

TerreStar网络公司是北美地区移动卫星业务（MSS）运营商之一，计划创建及运营北美地区的移动通信覆盖，利用包括手机的小型、轻质、薄型及便宜的手持终端装置分发移动业务。该公司构建的新一代移动通信网络包括TerreStar1、TerreStar2卫星及一个辅助地面组件（ATC），其中TerreStar2卫星目前正由劳拉空间系统公司建造，预计在2010年发射。

环境卫星 第6篇

关键词：微小卫星,姿态规划,低可观测性,混沌算法,粒子群优化算法

0引言

随着微小卫星在侦察、导航、数据中继及早期预警等领域得到越来越广泛的应用,微小卫星的安全性能也越来越得到重视。空间探测设备,反卫星武器的快速发展越来越多地限制了微小卫星的使用[1,2,3]。为提高在轨微小卫星的使用效能及生存能力,对其进行低可观测性设计是一个有效的方案。目前,对中、低轨卫星的探测主要由雷达完成,因此低可观测性设计中低雷达探测特性是关键。除了对微小卫星的外形进行低可观测外形设计外,对其进行适当的飞行姿态规划以提高其低可观测特性也很有必要[4,5]。

对微小卫星的飞行姿态规划可从静环境和动环境两个方面进行规划。静环境主要是指环境中的威胁分布和各威胁设备的威胁性均已知,可以精确地进行规划,有效地提高卫星的低可观测特性;动环境规划则是规划前并不知道威胁分布,也不知道有哪些威胁设备及威胁设备的威胁性,只有当卫星处于当前位置时才获得该位置所对应的威胁设备的分布情况,所以需要对卫星在飞行过程中进行实时调整来降低卫星的低可观测性能。本文主要对微小卫星动环境规划进行研究。

微小卫星姿态规划与无人机等的航迹规划的基本思想都是在一定的约束条件下寻找一种飞行方式,使无人机等所受到威胁最低,所以对微小卫星的姿态规划可以参考航迹规划方面的算法。目前国内外对路径规划算法的研究很多,常见的有Dijkstra算法、A*算法及相关的改进A*算法[6]、概率地图方法(Probabilistic Roadmap Method,PRM)[7]、Voronoi图法[8]、快速扩展 随机树算 法 (Rapidly Random Exploring Trees,RRT)[9]等以及智能优化算法如粒子群算法[10],遗传算法[11],混沌算法[12]等,前几种方法都属于图搜索算法,算法的实现需要知道威胁分布情况,对于动环境规划并不适用,所以本文采用智能优化算法对微小卫星低可观测飞行姿态进行动环境规划。

1 混沌优化算法

混沌优化算法(Chaos Optimization Algorithm)的基本思想是把混沌变量从混沌空间映射到解空间,然后利用混沌变量具有遍历性、随机性和规律性的特点进行搜索。混沌优化算法具有对初值敏感、易跳出局部极小、 搜索速度快、计算精度高、全局渐近收敛的特点。

混沌算法首先应使优化变量在空间中处于混沌状态,一般选用式(1)所示的Logisic映射来产生混沌变量,其中 μ 是控制参量。设0  xn 1,n = 0,1,2,⋯,μ = 4时,Logisic映射完全处于混沌状态[12]。混沌优化算法需要在混沌区间任意设定i个初值(不能为方程(1)的不动点0.25,0.5,0.75)作为i个初始混沌变量。

设一类连续对象的优化问题为求函数最小值,如式(2)所示:

采用混沌优化算法的基本步骤如下:

(1)算法初始化:给式(1)中的xn赋予i个大小在 [0,1]之间的初值,可以得到i个变量xi.n + 1,将这i个变量作为初始混沌变量;

(2)首先初始化相应的性能指标,随机设定一个最优解xopt,fopt作为初始最优解,因为优化的是最小值,所以先初始化一个较大的fopt,保证fopt在接下来的迭代搜索中能取到当前优化问题的最优解;

(3)用混沌变量进行迭代搜索;

Step1:因为优化问题的变量区间为[a,b],所以需要将i个混沌变量xi.n + 1,按式(3)分别转化为i个混沌变量xi′.n + 1,xi′.n + 1在 [a,b] 之间:

Step2:用混沌变量xi′.n + 1进行迭代搜索,k是迭代次数,fi(k) 表示变量为xi′.n + 1时的函数值。若fi(k)  fopt,则fopt= fi(k),xopt= xi′.n + 1,否则不执行任何操作;

Step3:k= k + 1;

Step4:将xi′.n + 1通过式(3)的逆运算转换回混沌变量区间[0,1],即将xi′.n + 1转换回xi.n + 1;

Step5:将xi.n + 1代入式(1)中的xn,继续进行混沌映射,得到新的混沌变量;

Step6:重复步骤(3),当fopt保持不变时,迭代搜索完成,输出xopt,fopt。

图1为初始值分别为0.501和0.502两个点的混沌演化轨道,初始距离仅为0.001,采用Logistic映射迭代后,两个点逐渐分离。可以看出,前6次迭代两个点的距离还比较近,在图中表现为两个点基本重合,当迭代次数超过7次后,两个点迅速分离,分别按照各自的混沌轨道运行。由此例可以看出混沌运动的初值敏感性和遍历性。

2 粒子群优化算法

粒子群优化算法(Particle Swarm Optimization,PSO) 是基于群体智能的一种进化计算方法。PSO算法中每个粒子就是解空间中的一个解,它根据自己的经历和整个粒子群的经历来调整自己。每个粒子在飞行过程的最好位置就是该粒子本身所找到的最优解。整个粒子群在飞行过程中经历的最好位置就是整个种群目前所找到的最优解。粒子本身的最优解叫做个体最优解pbest, 整个粒子群体找到的最优解叫做全局最优解gbest。每个粒子根据上述两个最优解结合更新公式不断更新自己, 从而产生新一代粒子群体,粒子的“好坏”程度由适应度函数来评价。与一般的进化算法相比,PSO概念简单、 容易实现并且需要调整的参数少,目前广泛应用于各种优化领域。

在PSO算法中,每个粒子可以看作是解空间中的一个点,假设粒子种群规模为N,则第i(i = 1,2,⋯,N) 个粒子的位置可表示为Xi。粒子的位置即是适应度函数的变量,根据粒子位置及适应度函数可以计算出粒子的适应度,根据适应度判断粒子的“好坏”程度。粒子所经历过的“最好”位置记为pbest(i) ,该粒子的更新速度用Vi来表示,粒子群体所经历的“最好”的位置的用gbest表示,第i个粒子的速度和位置更新公式为:

式中:c1, c2为常数,称为学习因子;r1, r2是[0,1]上的随机数;ω 称为惯性权重,同时粒子在更新自己的速度和位置的时候还受最大更新速度Vmax和最小更新速度Vmin的约束[13,14,15],即Vi∈[Vmax,Vmin] 。

粒子群算法的步骤如下:

(1)首先在搜索空间里初始化粒子种群。假设粒子种群规模为M,种群中的粒子记为Xi,粒子维数为n, 表示为 (ai1,ai2,⋯,ain),即粒子在 搜索空间 中位置的 坐标。同时初始化每个粒子的飞行速度V,也是一个n维向量 (Vi1,Vi2,⋯,Vin),其中i = 1,2,⋯,M;

(2)根据每个粒子的位置和适应度函数,计算出每个粒子的适应度;

(3)比较适应度的大小,将每个粒子的当前适应度与该粒子的个体最优解相比较,若当前适应度优于个体最优解,则用当前位置取代个体最优解的位置;否则,个体最优解保持不变;

(4)首先比较得出最优粒子,然后将该粒子的适应度与种群最优解比较,若当前适应度优于种群最优解, 则用当前位置取代个体最优解的位置;否则,种群最优解保持不变;

(5)根据更新公式(4),(5)来更新粒子的速度和位置;

(6)重复步骤(2)~(5),直到适应度函数达到最优或者满足迭代条件。

3 动环境规划算法设计

3.1 雷达分布及威胁水平计算模型

由于雷达是低可观测微小卫星最主要的威胁,所以在威胁水平评估建模中,主要考虑雷达作为威胁设备。当卫星处于某一位置时,并不是地球上所有的雷达都对卫星具有威胁性,而只是在某一角度内的雷达才对卫星具有威胁性,如图2所示。为了计算出卫星在某一位置时的威胁性水平,首先应分辨出哪些雷达对卫星具有威胁性[16]。

建立如图2所示的直角坐标系。取微小卫星位置S为坐标系原点,x轴指向为星体飞行方向,z轴指向为地球质心方向。图2中,Oe为地球质心,▲表示威胁雷达或激光设备,△表示无威胁雷达或激光设备。

自卫星位置S向威胁分布球面引切线,由切点可确定一个平面AOcB垂直于z轴,平面AOcB球面划分曲面ACB、曲面ADB两个部分。由雷达的工作原理可知仅分布在曲面ACB上的雷达能够探测到微小卫星,因此,可将该曲面定义为威胁区,威胁区内的设备定义为威胁设备,威胁设备相对于微小卫星的方向称为威胁方向。

威胁区俯仰角 θz为切线SA与z轴的夹角,(θT,φT) 为威胁方向的俯仰角及方位角,(θs,φs,γs) 为微小卫星低可观测外形的姿态,θs,φs,γs分别表示微小卫星相应的俯仰角、方位角及横滚角[4]。

威胁区对应俯仰角 θz可根据卫星飞行高度h及地球半径Re按公式(6)求得:

3.2 雷达威胁性定义

根据雷达方程及二元假设检验理论[4,5],可得到雷达检测概率p随 σ R4单调递增。因此雷达的威胁性可由雷达监测概率来表示,本文将雷达威胁性T定义为

式中:R为雷达作用距离;σ 为微小卫星的雷达散射截面积(Radar Cross-Section,RCS);k为雷达威胁等级加权系数。当一个区域内有多部雷达时,只要被一部雷达探测到,则微小卫星就被发现,所以只要保证威胁性最大的雷达探测不到微小卫星即可。将威胁性最大的雷达对微小卫星的威胁性定义为卫星在该区域面临的威胁水平T,即 :

式中:n为威胁雷达数;Ti( i =1,2,⋯,n )为第i部雷达的威胁性。

3.3 规划空间压缩

(1)对卫星产生威胁的雷达是威胁区内的雷达,所以微小卫星俯仰角 θ 的规划只需要在威胁区俯仰角 θz内即可,即:

(2)根据姿控最大速度,前一时刻卫星的飞行姿态为 (θ0,φ0,γ0) ,则t时刻卫星外形姿态 (θ,φ,ν) 应满足:

式中:ωθ,ωφ,ωγ分别为卫星俯仰角 θ,方位角 φ,横滚角 γ 单位时间内的最大调整角度。

(3)目前,卫星低可观测外形多为锥形轴对称设计,所以对横滚角的调整对规划性能的影响很小,因此,可将4维规划空间{θ,φ,γ,t} 简化为3维{θ,φ,t} ,既可降低规划空间规模和规划计算复杂度,又可以降低规划算法设计难度[16]。

3.4 规划代价

卫星规划性能主要考虑两个方面:威胁水平和姿控能耗。提高微小卫星的低可观测性能首先要保证卫星拥有较低的威胁水平,其次,由于微小卫星的工作特点,对微小卫星的姿态的控制需要在有限的姿控能耗下完成。

假设威胁雷达的威胁等级相同,则可取威胁等级系数k = 1。根据式(8)则可以得到,微小卫星在t时刻面临的威胁水平T(t) 为:

在t时刻,定义卫星的姿控能耗代价C(t) 为:

式中:aθ,aφ,aγ分别为 θ,φ,γ 的能耗加权系数;Δθ,Δφ, Δγ 分别为前 一时刻到t时刻 θ,φ,γ 的变化角 度 ,且满足:

卫星的规划代价则为:

3.5 混沌粒子群(chaos PSO)规划算法

上述分析可知,t时刻雷达对微小卫星的威胁性可由T及C决定。对微小卫星飞行姿态规划就是寻找一组最优飞行姿态 (θt,φt,γt),使式(18)所确定的f(t) 的值最小 ,因此,可以采取智能优化算法进行规划。在粒子群算法的基础上引入混沌运动,增加了粒子在规划空间的遍历性,从而提高了规划算法的精确性。

根据粒子群优化算法特征[13,14,15],惯性权值 ω 可定义为:

式中:si为当前迭代次数;sI为最大迭代次数;W1,W2分别为惯性权值的初始值和终止值。粒子的适应度函数即为卫星的规划代价,粒子的位置即为卫星飞行姿态。

结合混沌优化算法和粒子群优化算法的基于局部近似最优解的混沌粒子群优化规划算法的步骤如下[17,18]:

(1)以微小卫星之前的飞行姿态为基础,根据式(20)~ (25)初始化规模为N的初始粒子种群:

式中:θinitial,φinitial,γinitial分别为动环境规划中的初始规划姿态(俯仰角、方位角、横滚角),即微小卫星前一时刻的飞行姿态,rθ,rφ,rγ为[-1,1]内的随机数;tc为规划时长, pθ,pφ,pγ为初始化的粒子飞行姿态,i表示第i个粒子, vθ,φ,γ(i) 表示第i个粒子的初始更新速度;fopt为个体最优解;gopt为种群最优解。

(2)计算出当前位置内的威胁雷达数目,根据威胁雷达分布计算出卫星规划代价。

(3)将当前的规划代价与个体最优解相比较,若小于个体最优解,则用当前姿态代替粒子最优姿态,保存粒子个体最优姿态,同样的,将当前种群中的最优解与先前保存的种群最优解相比较,若小于先前种群最优解,则用当前种群最优个体的信息取代先前的种群最优个体的信息,并保存种群最优个体。

( 4 )更新粒子信息

速度更新公式:

姿态更新公式:

式中:c1,c2是常数,称为学习因子;r1,r2是[0,1]上的随机数,ω 也为一个常数,称为惯性权值;粒子移动速度v ∈(vmin,vmax),vmin,vmax是常数,用来设定粒子移动速度。 粒子移动速度与惯性权值都是用来维护全局最优解与局部最优解的平衡,本文引入动态权值 ω,即减小了粒子群算法对粒子移动速度的依赖,所以本文中粒子移动速度的设定对粒子群算法性能影响较小。

若更新后的姿态不满足式(10)~(12)的范围,若 θ < θ0- ωθt,则 θ = θ0- ωθt;若 θ > θ0+ ωθt,则 θ = θ0+ ωθt。 同理判断出 φ,γ 的取值。

(5)如果粒子有重叠现象,即粒子聚集在某个极值附近的情况,则保留其中一个粒子不变,其他粒子赋予混沌运动,首先将粒子逆运算到混沌区间即[0,1],若粒子区间为 [a,b],根据逆运算公式x′= (x - a) (b - a) 转换, 然后再采用Logistic映射进行迭代,再根据式(3)变换到优化变量空间中,其中需要判断当更新后的姿态不满足式(10)~(12)的范围时,若 θ< θ0- ωθt,则 θ = θ0- ωθt;若 θ > θ0+ ωθt,则 θ = θ0+ ωθt。同理判断出 φ,γ 的取值。

(6)重复算法步骤(2)~(5)直到满足迭代数或者最优解稳定,输出最优粒子的信息。

4 算法仿真结果及分析

本文的仿真条件如下:地球半径取6 371 km,卫星的飞行高度为500 km,俯仰角 θ 范围为0° ∼ 69°( 69° 为仿真条 件下的威 胁区俯仰 角 θz),方位角 φ 是0° ∼ 360° 。威胁设备为地面雷达。根据微小卫星面临雷达威胁特征,规划VHF波段进行仿真,雷达工作频率取300 MHz。因为是动环境规划,所以微小卫星实时计算出其所在位置所面临的雷达威胁水平,粒子的群体规模为30,W1= 0.9,W2= 0.1,因为提高卫星低可观测性能更主要的是降低雷达对卫星的威胁性,能耗代价对卫星规划代价影响相对较小,所以姿控能耗系数取较小的值,将姿控能耗系数俯仰角 θ 取值为0.05,方位角 φ 取值为0.03,卫星在飞行过程的姿态变化一般较缓慢,所以取 θ,φ 的最大姿控速度均为0.2 (°)/s,c1= 0.2,c2= 0.8, vmin= -10,vmax= 10,vmin,vmax用来限制卫星在一个规划时长tc内卫星姿态变化角度范围在 [-10°,10°] 。

首先对卫星在处于某一位置时,分别采用粒子群算法和混沌粒子群算法进行规划仿真。当两种算法的迭代次数均为1~50次时,规划得到的最小威胁代价水平如图3所示。

当算法迭代次数均为50次时,将两种算法均重复运行50次,规划得到的最小威胁水平如图4所示。

从仿真结果可以看出,随着迭代次数的增加,混沌粒子群算法规划处的结果趋于稳定,而粒子群算法则有一定的波动性,因为粒子群算法本身容易陷入局部最优解,混沌运动的遍历性和随机性可以使其跳出局部最优解,增强了粒子群算法的搜索性能;同时迭代次数均为50次时,混沌粒子群算法也比粒子群算法更稳定,所以可以看出混沌粒子群算法性能更优。

接下来对卫星绕地球运行一周进行规划,每个位置算法规划迭代次数均为50次,将两种算法进行比较的同时与无规划(θ,φ 均为0°)情况进行比较。卫星绕球心每飞行1° 进行飞行姿态规划,即tc= 1° 。

图5所示为雷达在300 MHz工作频率时对卫星进行飞行姿态规划后卫星在飞行过程中的俯仰角和方位角的变化,实线和点线分别表示采用chaos PSO规划后的卫星俯仰角 θ ,方位角 φ 的变化,点划线和虚线分别表示采用PSO规划后的卫星俯仰角 θ,方位角 φ 的变化。由于设定的俯仰角的能耗系数比方位角的大,所以在图中俯仰角的变化比较小,主要通过调整方位角来减小卫星威胁代价。

图6所示是进行飞行姿态规划后的卫星在飞行过程中的威胁代价图。实线(chaos PSO)采用chaos PSO算法规划后的威胁代价水平分布。点线(PSO)表示的是采用PSO算法进行规划后的威胁代价水平分布,虚线(noplan) 表示的则是无规划时的卫星威胁代价水平分布。

由表1和图5,图6可以看出不管是PSO算法还是chaos PSO算法,都可以在很大程度上降低卫星的威胁代价,图中在某些地方规划后的威胁代价大于未规划时的威胁代价,是因为图中的威胁水平曲线是微小卫星在当前位置面临的威胁水平,而本文的规划代价为初始位置到当前位置的总体威胁水平,所以会出现在某些位置的代价值偏大的情况,但是总体上的代价值会远远小于未规划时的代价。由于规划是实时规划,因为最大调整角度的约束,所以卫星某一时刻某个位置的规划结果很依赖于前一时刻的卫星飞行姿态。如图中所示,有些地方PSO的规划结果会优于chaos PSO就是因为前一时刻的飞行姿态不同。但是从整体规划来看,chaos PSO的规划结果还是优于PSO,因为chaos PSO对最优解的搜索能力比PSO更强更稳定。

5 结论

本文以粒子群算法和混沌算法为基础,对微小卫星进行了动环境的飞行姿态规划的算法设计。采用粒子群算法和混沌粒子群算法分别对微小卫星在某一位置和飞行一个周期两种情况进行规划,规划结果显示混沌粒子群算法比粒子群算法的规划性能更好,同时通过与无规划时微小卫星所面临的威胁水平相比较,可以看出两种算法均能有效提高微小卫星的低可观测性能。

环境卫星 第7篇

高一《人造卫星》这节课的知识性、趣味性很强, 与高科技联系紧密。传统授课过程中一般是通过教师的讲授, 使学生被动地掌握人造卫星的基本原理, 这样容易使学生失去对人造卫星知识探究的兴趣。假如用现代化的教学手段去讲高科技的知识要点, 则会使学生产生强烈的求知欲, 同时无论在课堂气氛、授课容量上, 还是在教学效果上都有着传统教学方式无法比拟的优点。当代中学生充满朝气, 思维活跃, 视野开阔, 接受新生事物迅速, 与网络和多媒体技术接触紧密, 对信息技术充满好奇。课堂教学中应寻求一种符合学生的心理和生理特征、能够激发学生的主动探究意识, 调动学习积极性和求知欲的新型教学方式。基于以上原因, 笔者设计了一个基于现代信息技术平台, 让学生在网络环境中进行自主学习, 探究、掌握新知识的物理教学方式。

二、学情分析

已经学习过万有引力定律和运用万有引力解释天体运动问题, 所以学生已具备运用万有引力的知识去解决圆周运动问题的能力, 也完全可以自主学习人造卫星的相关知识。

三、教学目标

1. 知识目标和能力目标

1.1了解人造卫星的种类。

1.2了解人造卫星的发射原理。

1.3知道人造卫星的几种常见发射轨道及运行轨道。

1.4知道不同人造卫星的用途。

2. 情感目标

培养学生良好的科学素养, 以及求真、求实、求善的行为准则和心理气质。

3. 过程和方法

培养学生自主学习的能力和习惯。

四、重点与难点

人造卫星运动的动力学原因是这节课的重点;发射原理因为涉及到离心运动问题, 所以很多同学感到难以把握, 是这节课的难点。

五、教学环境

多媒体网络教室

六、教学过程

七、教学体会

通过这课节的教学, 我有以下几点体会:

1. 巧用网络, 激发学生自主学习的热情

高中新课程标准中更突出的是教师的主导作用和学生的主体地位。本节课的整个教学过程也正是这样实践的, 通过网络使学生真正成为了学习的“主角”, 他们积极主动参与对问题的分析、讨论、交流和体验, 在自主学习的氛围中主动学习知识, 不仅掌握了应学的知识, 而且在实践中深刻地体会到了学习的乐趣, 切实地增强了自主学习的意识, 同时也提高了学生发现问题、思考问题、解决问题的能力。

2. 巧妙设问, 将课堂引向深入

教师的课堂提问是把教学引向深入的重要渠道。整个教学过程中以问题为主线, 以网络为平台使教学层层递进, 并适时引导和点拨, 如人造卫星的轨道为什么具有这些特点?同步卫星为什么只能在赤道的正上方?轨道越高线速度越小, 可是为什么卫星发射越高越难?等等, 在这节课中, 正是这几个关键性的设问对课堂内容的展开起到推波助澜的作用, 使学生在强烈求知欲的引领下不断探索新知。

3. 巧用“博客”, 构建网络平台

我们课前没有制定指向本课的专门网页, 初衷是为了使学生研究问题的视野更广阔, 但这却暴露了一个问题:电脑操作不熟练的学生在网络搜索上耗时过长, 从而降低了学习效率。反思后发现:设计基于网络的物理课堂, 教师应事先依据建构主义教学理论, 将信息技术与物理课程相整合, 设计一个指向本课题的教学网页, 为学生指明参考材料的范围, 让学生在网络上有目的地搜索与研究, 这样可以避免无意义的“冲浪”, 从而提高学习效率。在解决这一问题过程中发现, 对于我们很多没有网页设计能力的教师而言, “博客”是一个很好的工作平台, 它的易操作性使我们可以很快地设计出相应的教学网页, 从而使网络教学不再成为难以企及的阳春白雪。课前教师就将相关的资源链接到“博客”中的相关日志上, 在教学过程中, 学生先登陆“博客”查找出人造卫星的有关资料;再进行汇报学习;最后, 学生们自主地上网查阅、下载一些自己感兴趣的资料, 从而获得更多课外的知识, 使课内的知识向课外扩展, 提高认知能力和学习效率。

本节课设计的适用于探究性学习的教学博客, 如下图所示:

环境卫星 第8篇

1 研究区概况

宾县位于黑龙江省南部,松花江南岸,隶属哈尔滨市。N45.76°,E127.48°总面积3 844.6 km2,辖17个乡镇,自然概貌为“五山半水四分半田”。张广才岭支麓余脉延伸全县,地势为南高北低,南部山地呈条状沿东南县境延伸,中部为丘陵地带,北部沿江为河谷平原区。

宾县耕地面积161 754.8 hm2,属中温带大陆性季风气候,具有明显的季节性气候特征。春季多风少雨而干燥,冷暖多变;夏季受东南季风影响,湿热多雨而短促:秋季凉爽而降温快,多有早霜;冬季受西伯利亚寒流影响,宾县北部自西向东流过境内,流程总长度146 km。

2 遥感数据选择及预处理

2.1 田间观测

选取宾县为样点县,农作物以水稻和玉米为主,在样县选取10个1 km1 km的样区;在每个样地内均匀分布9 m2左右的样点5个,并用GPS精确定位。每个样点主要测量的基本农情信息参数叶面积指数,采用直接采集全株法。采取样方内作物的叶面积。样方分布见图1。

2.2 遥感数据及预处理

使用2012年9月1日的HJ-1B CCD2影像,数据级别为2。数据的处理流程见图2。

ENVI下的大气校正模块直接可以对高光谱数据进行精确大气校正,对于CCD数据,关键是进行数据定标和构建波谱响应函数。

在遥感成像时,由于太阳位置和角度条件、薄雾的影响,使得遥感图像存在一定的辐射量的失真现象。环境小卫星的CCD相机,利用绝对定标系数将DN值图像转换为辐亮度图像的公式为:

L=DN/a+L0

式中L为辐亮度,a为绝对定标系数增益,L0为偏移量,转换后辐亮度单位为Wm-2sr-1μm-1。此HJ1B-CCD2数据系数为:B1:g 0.835 2,L0 2.221 9,B2:g 0.792 5,L0 4.068 3,B3:g 1.131 6,L0 5.253 7,B4:g 1.057 8,L0 6.349 7。

3 数据分析

3.1 植被指数的选择

植被指数的定义方法有很多,选取其中归一化差分植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)在作物长势监测中比较常用。从遥感图像上获取归一化植被指数NDVI用以反演LAI,研究各种指数与实验区内玉米、水稻LAI之间的关系,NDVI植被指数计算公式为:

undefined

式中,R4、R3分别为环境星CCD近红外波段、红波段的经过大气校正的表面反射率。

3.2 不同作物对环境星相应的相关性分析

由于不同的作物,其叶子的光谱反射特性是不同的,包括其叶子内各种色素的含量、细胞结构、含水量都是有所差异的。所以根据研究区的特点,主要种植玉米和水稻,将田间观测的样本分为两组,一组是玉米LAI观测数据,一组是水稻LAI观测数据。分别进行归一化植被指数与叶面积指数的相关性分析。

采用相关性分析方法,从表1中可以看出,不同作物的叶面积指数与归一化植被指数的相关性是有差异的。其中玉米叶面积指数与归一化植被指数的相关系数为0.791,水稻叶面积指数与归一化植被指数的相关系数为0.838,高于玉米叶面积指数与归一化植被指数的相关系数。基于相关性分析,可得出构建叶面积指数与归一化植被指数的模型是可行的。

3.3 LAI模型的构建

从全部样地数据中,选取35个(70%)地面样地数据和对应遥感样地数据构建模型,15个(30%)地面样地数据进行模型精度评价分析。利用SPSS 17.0软件,用简单回归方法,按作物分别建立玉米NDVI与LAI的简单线性模型、多项式模型以及对数模型,水稻NDVI与LAI的简单线性模型、多项式模型以及对数模型,并进行模型验证。

从表2可以看出,玉米LAI与其植被指数NDVI建立的不同形式的回归模型中,多项式模型的精度最高,简单线性模型的精度最低。反演玉米LAI的多项式模型的R2达到0.805, 均方根误差为0.493 72;反演玉米LAI的对数模型的R2为0.799,其均方根误差为0.501 27;反演玉米LAI的简单线性模型的精度最低,但也达到0.626。所以,在反演宾县玉米的LAI时,选择多项式模型。

从表3可以看出,宾县水稻LAI与其植被指数NDVI建立的多种形式的回归模型中,和玉米反演模型精度效果一样,多项式模型的精度最高,而对数模型的精度最低。反演水稻LAI的多项式模型的R2达到0.810,均方根误差为0.538 36;反演水稻LAI的简单线性模型的R2为0.703,其均方根误差为0.661 15;反演水稻LAI的对数模型的精度最低,但也达到R2为0.696,均方根误差为0.668 59。所以,在反演宾县水稻的LAI时,选择多项式模型。

4 LAI反演

在ENVI中采用模型,玉米和水稻分别应用其精度最高的多项式模型进行反演,运用非监督分类的结果做掩膜运算,分别提取玉米种植区的NDVI和水稻种植区的NDVI,对研究区域内两种主要作物的叶面积指数进行反演,灰度等级图结果见图3、图4。从中可以看出,由于环境星HJ-CCD具有较高分辨率的特点,多项式模型能很好地反映研究区域的玉米和水稻的空间变化。

从图3和图4可以看出,2012年9月13日宾县玉米LAI的整体分布呈中部较高,西部和东部较低的趋势。宾县东西部地区属于宾县低产区域,玉米长势较差,LAI较低。宾县南部耕地面积较少。LAI较高区域主要集中在宾县中部,该区域是玉米主产区,耕地面积大,土壤肥沃,玉米长势良好,LAI较高。宾县水稻种植面积相对较少,整体长势一般,所以高LAI并不是特别突出。

5 精度评价

对研究区玉米和水稻LAI估测结果的精度检验,将预留样本的观测值和对应反演的LAI模拟值进行比较(见图5和图6),结果表明,多项式模型对宾县主要作物玉米和水稻的LAI模拟效果很好。预测值均与1∶1直线大体接近。玉米多项式反演LAI模型均方根误差为0.575,水稻多项式反演LAI模型均方根误差为0.821。19%,说明模型达到了较高的精度,利用环境星影像的NDVI可以快速、准确地监测玉米、水稻的LAI。

6 结论

使用环境星数据再次验证了归一化植被指数在反演LAI的能力,多项式模型更适合用来建立基于环境星卫星数据的玉米和水稻LAI的估算模型。NDVI-LAI玉米多项式模型的相关系数达到了0.805,而均方根误差仅为0.493 72;水稻多项式模型的相关系数达到了0.810,而均方根误差仅为0.538 36。与同类研究相比,取得了比较满意的结果。

利用2012年9月LAI观测数据对玉米水稻各自的多项式模型进行了验证,模型达到了较高的精度,无论是玉米还是水稻,观测的结果显示与田间调查的生物量存在一定的偏差:由于影像的时间2012-09-01和田间调查时间2012-08-27存在一定的时相差,作物进入生长周期的尾声,所以出现了对作物LAI的高估;由于NDVI对LAI的响应能力到一定程度,当LAI较大时会出现饱和现象,所以出现低估。既有高估的部分,也有低估的,但模型计算结果的均方根误差位于一个较低水平。

影响模型估算LAI精度的因素很多,比如像元的异质性、几何精确校正与重建地理参考造成的误差、植被分类精度造成的误差、非线性模型带来的误差和植被的物候期等。所以该估算模型在外推到其它地区时,要依据研究区具体的LAI实测样本和研究区环境进行拟合,需考虑其像元的异质性、样本数量和试验区环境等因素。

环境星具有分辨率高、成像周期短的特点,不同时期的环境星影像在对LAI做季节差异变化分析时具有巨大潜力。

摘要：叶面积指数是反映农田信息的重要参数之一,因此获取叶面积指数成为农情遥感的一项重要内容。利用田间实测调查数据,系统分析了环境星的归一化植被指数(NDVI)与宾县地区主要作物玉米和水稻叶面积指数的关系,并采用简单线性模型、多项式模型和对数模型建立作物叶面积指数的估算模型进行最优反演。结果表明:玉米和水稻叶面积指数的最优反演模型都采用多项式模型,精度分别达到了0.805和0.810,并采用该模型进行反演。

关键词：环境星,归一化植被指数,叶面积指数

参考文献

[1]方秀琴,张万昌.叶面积指数LAI的遥感定量方法综述[J].国土资源遥感,2003(3):58-62.

[2]Running S W,Nenani R R.Relating seasonal patterns of theAVHRR vegetation index to simulate photosynthesis andtranspiration of forests in different climates[J].RemoteSensing of Environment,1988,24(2):347-367.

[3]Fang Xiuqin,Zhang Wanchang.The application of remotelysensed data to the estimation of the leaf area index[J].Re-mote Sensing For Land and Resources,2003(3):58-62.

[4]Verstraete M M,Pinty B,Myneni R B.Potential and limita-tions of information extraction on the terrestrial biospherefrom satellite remote sensing[J].Remote Sensing Environ-ment,1996,58(2):201-204.

[5]Jacquemoud S,Bacour C,Poilve H,et al.Comparison of fourradiative transfer models to simulate plant canopies reflec-tance:Direct and inverse mode[J].Remote Sensing Envi-ronment,2000,74(3):417-481.

[6]Qi J,Cabot F,Moran M S,et al.Biophysical parameter esti-mations using multidirectional spectral measurements[J].Remote Sensing Environment,1995,54(1):71-83.

[7]Curran Paul J,Dungan Jennifer L,Gholz Henry L.SeasonalLAI in slash pine estimated with Landsat TM[J].RemoteSensing of Environment,1992,39(1):3-13.

[8]Combal B,Baret F,Weiss M,et a1.Retrieval of canopy bio-physical variables from bidirectional reflectance using priorinformation to solve the ill-posed inverse problem[J].Re-mote Sensing of Environment,2002,84(1):1-1 5.

[9]Zhang Renhua,Sun Xiaomin,Zhu Zhilin,et a1.An inversionapproach of BRDF for wheat in North China using NO-AA—AVHRR image[J].Journal of Remote Sensing,1997,1:171-180.

环境卫星 第9篇

“环境一号”卫星系统是中国国务院批准的专门用于环境和灾害监测的对地观测系统,由两颗光学卫星(HJ1A卫星和HJ1B卫星)和一颗雷达卫星(HJ1C卫星)组成,拥有光学、红外、超光谱多种探测手段,具有大范围、全天候、全天时、动态的环境和灾害监测能力。该卫星可获取高时间分辨率、中等空间分辨率的对地观测数据,HJ1A/B的主要任务是对自然灾害、生态破坏、环境污染进行动态监测,对灾害和生态环境的发展变化趋势进行预测,对灾情和环境质量进行快速和科学评估,提高灾害和环境信息的观测、采集、传送和处理能力,为紧急救援,灾后救助及恢复重建和环境保护工作提供科学依据[1]。

“环境一号”卫星与Landsat卫星都存在着各自的特点与优势,考虑到“环境一号”卫星HJ1A/BCCD(多光谱影像)空间分辨率与ETM影像空间分辨率相同,HJ1BIRS(红外扫描仪)的短波红外波段等与ETM影像相应波段相同,在一定程度上两者存在着相似性。常见的光学影像如ETM、SPOT的水体信息提取方法的研究较多且较成熟,而环境一号卫星是我国于2008年发射的专门用于环境和灾害监测的对地观测卫星,目前还没有关于此卫星影像的水体信息提取方法的研究,所以根据环境一号卫星(HJ1A/B)和ETM的相似性,研究环境一号卫星(HJ1A/B)遥感数据的水体信息的提取,结合实际应用分析比较两者的区别与联系,存在着重要的实际意义。

1 环境一号/ETM卫星比较

环境一号卫星中的两颗光学小卫星HJ1A/B都装有两台宽覆盖多光谱可见光相机(CCD相机),HJ1A还装有一套超光谱成像仪,HJ1B另外装有一台红外扫描仪。HJ1B/CCD1在海域水体上有太阳耀斑现象,HJ1A/CCD1偶尔也会有太阳耀斑现象的出现[2],由于HJ1A和HJ1B前四个波段完全一样,文中选取HJ1B/CCD2进行实验分析。表1是环境一号和Landsat各参数的比较。从表1中可以看出HJ1B/CCD的四个波段与ETM影像前四个波段完全一样,且分辨率都是30 m,在水体提取过程中涉及到短波红外波段,HJ1B/IRS的第二个波段(1.55 μm1.75 μm)与ETM影像的短波红外波段相同,但分辨率不一样。

2 水体提取方法

水体信息的提取主要依据是水体的光谱特性,水体的光谱特性主要取决于水体本身的物质组成,同时又受到各种水态的影响[3]。一般清水的反射率在可见光区都很低,仅蓝光波段稍高,以后随波长增加而进一步降低,至0.75 μm以后的红外波段水几乎成了全吸收体。天然水体对电磁波的吸收明显高于绝大多数其他物体对电磁波的吸收,因而水体的总辐射水平低于其他地物的总辐射水平,在彩色遥感影像上表现为暗色调。水体在红外波段吸收的能量高于水体在可见光波段吸收的能量,所以水体在近红外及中红外波段的反射能量很少,而植被,土壤在这两个波段内的吸收能量较小,但有较高的反射率。这使得水体在这两个波段上与植被、土壤有较明显的区别。利用此类特性和不同波谱间水体光谱特性可提取出水体[4]。

2.1 谱间关系法

谱间关系法其实质就是构造波段运算函数对影像进行处理,该方法能够利用多波段的优势综合提取水体信息[5]。谱间关系法多为国内学者所采用。根据水体独特的多波段谱间关系特征,构造出谱间关系法水体提取计算模型:(1)G+R>NIR+MIR; (2)MIR/G<a(a为阈值),G代表绿光波段,R代表红光波段,NIR代表近红外波段,MIR代表短波红外波段。

2.2 归一化植被指数法NDVI

绿色植物在红光波段(0.6 μm～0.7 μm)具有较高的吸收率,在近红外波段(0.7 μm～1.1 μm)具有较高反射率和高透射率,归一化植被指数(NDVI)利用植物在红光波段大于近红外波段的光谱亮度值,其他地物在红光波段的光谱亮度值小于近红外波段,从而把遥感影像中的水体信息突显出来。计算公式:NDVI=(NIR-R)/(NIR+R),式中:NIR代表近红外波段;R代表红光波段 。

2.3 归一化差异水体指数法NDWI

从可见光到短波红外波段水体的反射强度逐渐减弱,水体在近红外波段和短波红外波段范围内吸收强度最大,近乎没有反射,并且植被在近红外波段的反射率很强,所以采用绿光波段与近红外波段的比值可以抑制植被信息,可以用可见光波段和近红外波段之间的运算来构成NDWI,突出影像中的水体。计算公式:NDWI=(G-NIR)/(G+NIR),式中:G表示绿光波段;NIR表示近红外波段。

2.4 改进的归一化差异水体指数法MNDWI

用NDWI方法提取水体时结果中混杂着许多非水体信息,特别是提取山区水体时,会混有山区阴影,综合分析各个地物的反射特性,提出了更好的提取水体信息的方法:改进的归一化差异水体指数法(MNDWI)[7]。计算公式:MNDWI=(G-MIR)/(G+MIR),式中:G代表绿光波段;MIR代表短波红外波段。MNDWI模型中,建筑物等阴影在绿光和近红外波段的波谱特征与水体相似,当采用中红外波段替换近红外波段时,可以使计算出的水体与建筑物指数的反差明显增强,大大降低了二者的混淆程度,从而有利于城镇中水体信息的准确提取。

谱间关系法和MNDWI两个方法在水体提取时需要用到短波红外波段,HJ1/B的水体提取利用的HJ1B/CCD2的四个波段经过重采样后与HJ1B/IRS的第二个波段组合的影像,其余的HJ1B影像水体提取用的是HJ1B/CCD2的前四个波段,ETM影像具有多种水体提取方法所需的波段,直接利用ETM影像可完成水体信息提取的实验,实验中水体提取模型以及各波段参数见表2。

波段范围/μm b2:0.52-0.60;b3:0.63-0.69;b4:0.76-0.90;b5:1.55-1.75。

3 水体提取实验

3.1 数据预处理

本文的实验区域是南京市,HJ1B影像时相为2010年12月28日,影像已经过预处理,选取的ETM影像时相为2003年8月20日,数据格式为GeoTIFF,选取两幅影像的相同区域进行实验,便于实验进行,原实验区域放大四倍显示(如图1,2,3,4),影像经过辐射校正,几何校正和条带处理,没有云和积雪的干扰和影响,两幅图像质量均较好。

从表1可以看出HJ1A/B与ETM的前四个波段完全相同,比较ETM影像的参数,在水体提取时候需要用到短波红外波段(1.55 μm1.75 μm),环境一号卫星中该波段存在于HJ1B红外扫描仪的第二个波段,空间分辨率为150 m,而HJ1A/B-CCD2的空间分辨率(30 m),本文实验用HJ1B/CCD2,采取重采样的方法,将HJ1B/CCD2的前四个波段重新采样成空间分辨率为150 m,再对HJ1B/CCD2和HJ1B/IRS的第二波段影像(如图1)进行几何校正并配准,最后将HJ1B/CCD2的四个波段与几何校正后的HJ1B/IRS的第二个波段(如图2)进行波段组合,形成一个新的含有五个波段的影像,相应的波段参数如表3。

3.2 水体提取结果

水体提取实验中涉及到图像裁剪,波段组合,波段运算,构造水体提取函数模型,以及水体二值图像的生成等,这些实验操作都是基于ENVI软件的。为了便于水体提取结果的评价,文中采用人工提取出的水体作为基准进行比较,HJ1B水体提取结果如图3,ETM水体提取结果如图4。

3.3 实验结果分析及评定

从实验结果可以看出,各种方法均能将水体轮廓提取出来,但各种方法精度不一。实验可以看出:

(1)从目视解译的效果来看,如图3(b),(c),(f),HJ1B/IRS第二个波段参与的水体提取,结果中存在漏提、误提水体,图4(b),(c),(f)中圆圈表示的是误将非水体提取为水体,矩形框表示的是细小水体的漏提,经分析原因是两种传感器波段组合时涉及配准,重采样等步骤,尤其在配准时存在不可避免的误差,所以图3中HJ1B的谱间关系法、MNDWI方法对水体的提取,特别是细小水体的提取效果不佳,除此之外将部分非水体(如山体阴影和居民地)误提为水体,整体精度不高。

(2)HJ1B/CCD2与HJ1B/IRS波段组合涉及配准、重采样,前者的空间分辨率为30 m,后者的空间分辨率为150 m,显而易见水体提取的精度受影像分辨率的影响,影像的分辨率越高,水体提取精度越高,反之,水体提取精度越低。

(3)实验证明水体的提取还跟阈值的选取有关,如在谱间关系法中,构造模型时阈值的选取需要经过多次实验才能确定。如图3(b),(c)和图4(b),(c)中,两种影像水体提取用到的谱间关系法,水体提取模型相同,但计算出来的结果不同,选取的阈值要根据具体情况而定。

4 结论

本文利用多种水体提取方法对环境一号卫星影像、Landsat ETM影像进行了实验,从实验我们可以知道NDVI和NDWI这两种方法适用于HJ1B/CCD传感器形成的影像水体提取,水体提取有些模型需要用到短波红外波段,实验用到HJ1B/IRS的第二个波段,这就涉及影像配准、重采样等问题,在配准时如何做到误差最小,今后需要对此类问题做进一步研究。多种水体提取模型基本都适合ETM影像的水体提取。水体提取受阈值,影像分辨率等因素的影响。如何更准更快确定阈值也是今后需要研究的问题。从文中我们可以看到我国的环境一号卫星在某种程度上可以与美国的Landsat相媲美,两者很多特性上存在着极大的相似性,研究HJ1A/B影像的信息提取对实际应用具有重大意义。

摘要：从卫星遥感影像中快速、准确地提取水体信息已经成为水资源调查、水资源宏观监测、城市绿化度调查及湿地保护的重要手段。针对HJ—1A/B(中国环境一号卫星)影像与Landsat ETM(美国陆地探测卫星)影像的相似性,利用水体特有的光谱特性,采用多种水体提取方法对HJ—1A/B影像中水体信息进行了快速提取,并比较了两种影像水体提取结果。总结了在环境一号卫星影像中进行水体提取的精度影响因子。分析了传感器、分辨率、水体提取模型对水体提取的影响。

关键词：HJ—1A/B,ETM,水体提取

参考文献

[1]任平,杨存建,周介铭.HJ—1A/B星CCD多光谱遥感数据特征评价及应用研究.遥感技术与应用,2010;25(1):138—142

[2]黄妙芬,牛生丽,孙中平,等.环境一号卫星CCD相机水体信息采集特性分析.遥感信息,2010;4:68—75

[3]江晖.水体信息自动提取遥感研究.北京:中国地质大学,2006

[4]易善桢,王志辉.不同方法在水体遥感提取中的应用实现.红外,2007;28(4):1—4

[5]席晓燕,沈楠,李小娟.ETM+影像水体提取方法研究.计算机工程与设计,2009;30(4):993—996

[6] McFeeters S K.The Use of normalized difference water index(ND-WI)in the delineation of open water features.International Journal ofRemote Sensing,1996;17(7):1425—1432

环境卫星 第10篇

环境监察执法是环境监察工作的核心内容之一, 做好现场执法检查的管理工作是完成环境监察各项任务的基础。随着环境监察工作的逐步开展, 我国的环境监察信息化工作已经走过了二十多年的发展历程, 这些工作有力的推动了环境监察基础设施的改善, 加大了环保管理部门和各企业及公众之间的沟通及交流, 提升了环境监察执法能力的建设。然而, 随着人们环保意识的不断提高, 对环境监察执法手段提出了更高的要求, 本文针对环境监察执法中“动态采集、动态传输、动态审批、动态处理、动态汇总、动态应用”的目标, 利用现代化通讯、计算机网络、卫星定位技术、地理信息系统等技术, 构建集移动终端的移动执法系统和PC端的后台支撑系统于一体的高效环境监察移动执法全覆盖管理体系, 实现高效的环境监察移动执法系统。

1 环境监察移动执法系统架构

环境监察移动执法系统主要由基础层、数据层、支撑层、应用层构成系统框架结构如下图所示。

(1) 基础层

整个系统的底层是信息系统的基础设施, 包括网络及通讯设施、主机服务器及存储系统、视频会议系统、在线监测系统, 以及操作系统、数据库管理系统及网络通讯基础设施等, 这些是系统最基本的运行基础。

(2) 数据层

数据是整个系统的基础, 基础数据经过采集、处理、标准化、传输、存储, 形成系统资源库, 为系统提供了高效的业务分析、决策、交换、共享的数据环境。主要包括污染源数据库、预案数据库、监测业务数据库、地理信息空间数据库、在线监测数据库等数据库内容。

(3) 应用支撑层

应用支撑层的设计直接影响系统的稳定性、安全性及可靠性等重要因素, 这一层包括各种系统必须的构件化的支撑系统和平台, 如:决策支持系统、业务支持系统、GIS引擎、工作流引擎、全文检索、消息中间件、信息推送、内容管理、用户管理、权限管理、通用数据接口等, 为应用系统功能建设提供统一的架构。通过提供应用整合服务、业务整合服务、数据整合服务连接相关职能部门的系统、业务、数据, 最大程度的解决信息孤岛, 最大限度地利用现有的数据资源。

(4) 应用层

应用系统是根据环保部门的业务特点, 综合各种数据信息及处理软件, 构建面向环保业务管理和信息化的应用平台, 如进行现场执法、应急处理、在线环境监测等。

2 卫星定位技术在环境监察移动执法系统的应用

自从1978年美国GPS系统发射第一颗卫星以来, 随着通信技术、电子技术飞速发展, GPS系统已经在各个领域发挥着远远超出设计者想象的应用。近年, 中国卫星产业发展迅速, 2013年10月25日, 第十六颗北斗卫星在西昌卫星发射中心升空。我国北斗导航工程区域组网顺利完成。我国北斗卫星的民用领域也正逐渐拓展。然而, 目前95%应用都是建立在美国GPS卫星定位系统之上, 不过相信随着我国北斗卫星导航定位系统的逐渐完善和产业链的逐渐成熟, 各行各业的应用会逐渐广泛, 环境监察工作也会随之逐渐采用北斗卫星定位系统。

(1) 移动执法中地物定位

移动执法是以智能手机、平板电脑等移动终端为载体, 在现场进行执法数据采集和业务办理审批等。具有现场数据采集, 业务办理、工作流审批、环保信息查询、案件统计、计划日志、网格化巡查、在线监测及视频监控查询、预警、环保执法手册等功能。

现场业务数据采集时, 通过新建业务, 录入业务相关信息, 同时移动终端自带的卫星定位系统获得当前业务所在的位置, 当前业务信息进入后台后, 可进行相应的分析, 提供决策依据。

当现场进行业务办理并经过各级领导审核通过后, 在后台支撑系统便可以进行一系列的相关分析, 以专题图的形式表示出来, 提供决策依据。

(2) 应急处理中卫星定位技术应用

在环境监察移动执法应急处理时卫星定位技术主要可以用来实现对车辆的实时跟踪、查询、最佳路径分析、历史轨迹查询等。考虑到对突发事件处理的实际情况, 往往要求相关领导亲临现场指挥, 为了发挥应急系统的作用, 需要能够通过移动执法系统进行现场指挥, 因此应急处理时要求与移动执法后台支撑系统建立接口。

GPS监控与车辆管理子系统配合环境应急抢险车辆和指挥车辆安装GPS终端设备, 结合GIS系统, 提供车辆定位、指令下达、告警上传、历史轨迹查询、视频信息上传和实时语音通话等服务, 通过车载电话实现实时抢险调度。并可以与环境应急指挥中心保持双向的联系和统筹调度。通过手持终端上传坐标定位抢险人员, 并能指令下达。

(3) 环境监察移动执法系统的特点

环境监察移动执法系统是充分利用移动办公技术, 实现巡查、空间信息、业务管理、办公自动化的一体化管理。通过具有卫星定位功能的移动终端作为载体, 实现如下功能:

1) 现场数据的采集和业务办理, 把日常办公业务延伸到移动信号覆盖的区域范围, 大大提升了环保工作人员的业务能力。

2) 集成移动GIS功能, 通过终端GPS定位技术, 可即时获取自身位置以及最近的管理目标相关信息, 相关的任务提醒、信访投诉等任务式资讯随之启动, 快速获取污染源、应急信息、监测信息等资料, 形成智慧化移动工作平台。

3) 集成现场业务办理、数据采集、污染源查询、在线监测信息浏览、信访执法、任务管理、环境应急现场终端等业务功能, 形成移动巡查、空间信息、办公信息的一体化。

3 结语

环境监察移动执法系统通过现场实施监督监察, 及时发现、查处、制止各种环境违法行为, 能够直接有效的督促单位遵守环保法规。后台的支撑平台对环境监察数据进行一系列分析及可视化显示, 可为环境监察部门提供决策依据。然而, 目前大部分的环境监察机构尚未建立规范的现场执法管理系统来规范、约束自身的执法行为, 但从环境监察的发展来看, 具有集成化、智能化、移动化和网络化的环境监察移动执法系统是未来执法工作的必然趋势。

摘要：卫星定位技术在环境监察工作中发挥着重要的作用。环境监察移动执法系统, 集移动执法终端系统和后台支撑系统于一体, 实现了现场执法、数据采集、业务办理、应急处理调度等一体化的环境监察任务, 形成了一套智能化的移动执法体系, 大大提高了环境监察工作效率。