下载文档原格式
高分一号遥感卫星数据林地信息快速提取方法的研究周日平【摘要】不同类型的林地具有不同的反射率特征,由此计算获得林地识别与分类的归一化植被指数(NDVI).NDVI可参与对高分一号遥感图像的监督分类:首先根据图像光谱特征及NDVI参数,在ENVI专业图像处理平台上,选择各类林地的典型样本区,进行计算机自动信息提取,获得每个像素点属于某类林地的相似度信息,然后结合纹理、形状、空间关系等特征,利用聚类分析和迭代运算等综合处理方法,快速得到具有实用性的专题分类矢量结果.该方法光照度相对较弱的阴坡和薄云覆盖下的林地分类识别效果也比较好.通过对光谱角填图法、马氏最小距离法、最大似然法等监督分类的结果进行比较,认为采用光谱角填图法提取高分一号卫星原始数据的林地矢量信息精度最高.【期刊名称】《中国煤炭地质》【年(卷),期】2019(031)002【总页数】5页(P72-76)【关键词】植被指数;波谱特征;林地信息;光谱角填图法【作者】周日平【作者单位】中煤地质集团大地高科北京 100075【正文语种】中文【中图分类】P6270 引言自20世纪70年代，遥感技术开始应用于国土资源调查中，此后随着遥感技术系统的快速发展，尤其是高分辨率和多光谱遥感卫星影像的出现，人们能够及时获取所需要的空间基础信息和各种地物信息。
充分利用卫星遥感动态的、周期性的对地观测数据，逐步实现地学专题信息的自动获取，既是GIS中数据采集自动化研究的一个方向，也是遥感信息定量化的一个方面。
实现图像解译的自动化与高精度定量化，是遥感应用领域发展的要求，也是当前遥感发展的前沿[1]。
遥感成像是从多到少的映射，是个确定过程，而影像解译是从少到多的映射，是个不确定过程[2]。
目前对卫星影像分割技术的研究远远滞后于卫星成像技术的发展,数据处理速度远跟不上遥感卫星获取数据的节奏,各种自然资源信息快速矢量化是一项艰巨的工作[3]。
获取大面积矢量化专题信息，传统的遥感图像分类方法主要依赖于人机交互目视解译，依靠经验手工拾取边界。
第49卷第1期2021年1月河海大学学报(自然科学版)Journal of Hohai University(Natural Sciences)Vol.49No.1Jan.2021DOI :10.3876/j.issn.10001980.2021.01.008 基金项目:国家重点研发计划(2018YFC0407903);国家自然科学基金青年科学基金(41701487);国家自然科学基金(42071346);中央高校基本科研业务费专项(2019B02714)作者简介:潘鑫(1989 ),男,副教授,博士,主要从事定量遥感研究㊂E⁃mail:px1013@通信作者:杨英宝,教授㊂E⁃mail:yyb@引用本文:潘鑫,杨子,杨英宝,等.基于高分六号卫星遥感影像的太湖叶绿素a 质量浓度反演[J].河海大学学报(自然科学版),2021,49(1):50⁃56.PAN Xin,YANG Zi,YANG Yingbao,et al.Mass concentration inversion analysis of chlorophyll a in Taihu Lake based on GF⁃6satellite data [J].Journal of Hohai University(Natural Sciences),2021,49(1):50⁃56.基于高分六号卫星遥感影像的太湖叶绿素a 质量浓度反演潘 鑫,杨 子,杨英宝,孙怡璇,孙浦韬,李藤藤(河海大学地球科学与工程学院,江苏南京 211100)摘要:针对太湖叶绿素a 浓度反演大多采用低中分辨率遥感数据,缺少基于高分辨率遥感数据研究的现状,采用高分六号卫星遥感影像,运用波段比值模型㊁归一化差异叶绿素指数(NDCI )模型和三波段模型定量反演了太湖蓝藻的叶绿素a 质量浓度,并采用2018年10月28日㊁2019年4月6日和2019年6月3日的高分六号卫星遥感影像对3种模型的反演精度进行了验证㊂结果表明,采用NDCI 模型的平均相对误差㊁均方根误差和平均绝对误差最小,NDCI 模型具有更好的精度和稳定性,更适合高分六号卫星遥感影像在太湖叶绿素a 质量浓度反演方面的应用㊂关键词:叶绿素a 质量浓度;高分六号卫星;遥感反演方法:太湖中图分类号:P237 文献标志码:A 文章编号:10001980(2021)01005007Mass concentration inversion analysis of chlorophyll a in Taihu Lake based on GF⁃6satellite dataPAN Xin ,YANG Zi ,YANG Yingbao ,SUN Yixuan ,SUN Putao ,LI Tengteng (School of Earth Science and Engineering ,Hohai University ,Nanjing 211100,China )Abstract :Low resolution satellite imageries are mostly used in the mass concentration inversion analysis of chlorophyll a in Taihu Lake,with insufficient high resolution satellite images.Based on the GF⁃6satellite data,this study quantitatively retrieved the mass concentration of chlorophyll a in Taihu Lake with the band ratio (TBR)model,the normalized difference index of chlorophyll (NDCI)model and the three⁃band semi⁃analysis(TBS)model.The inversion accuracy of the three models was verified by using the GF⁃6satellite image data on October 28,2018,April 6,2019,and June 3,2019.The results show that the average relative error,root mean square error and mean absolute error of the NDCI model are the minimum.Therefore,the NDCI model has better accuracy and stability,and is more suitable for the application of GF⁃6satellite in the inversion of chlorophyll a mass concentration in Taihu Lake.Key words :mass concentration of chlorophyll a;GF⁃6satellite;remote⁃sensing inversion method;Taihu Lake目前国内外使用较多的叶绿素a 浓度反演模型主要有3种:经验模型㊁生物光学模型以及半经验/半分析模型,3种模型各有其优势及局限性㊂祝令亚[1]以太湖为研究区,采用MODIS 数据,用波段组合算法建立了叶绿素a 浓度的反演模型㊂温新龙等[2]以太湖为例,基于环境一号卫星CCD 数据,利用波段组合算法,发现基于CCD 数据第4波段与第3波段反射率比值的二次模型具有良好的叶绿素a 浓度反演效果㊂朱利等[3]基于环境一号卫星多光谱数据,建立了分地区季节经验模型反演叶绿素a 浓度㊂李旭文等[4]基于Landsat TM 数据和地表实测数据建立了经验模型,并对梅梁湖区蓝藻生物量进行了估算,证明叶绿素a 浓度和DVI(差异植被指数)的相关性较高㊂李素菊等[5]基于波段比值(the band ratio,TBR)模型及一阶微分模型进行了巢湖流域浮游植物叶绿素含量和反射率光谱特征关系的研究㊂李铜基等[6]基于数理统计方法,结合实测数据,建立了以色素质量浓度0.7mg /m 3为分界点时地表反射率与叶绿素a 浓度的关系㊂段洪涛15第1期潘 鑫,等 基于高分六号卫星遥感影像的太湖叶绿素a质量浓度反演等[7]以查干湖区域为研究区,基于叶绿素荧光峰(700nm)和叶绿素吸收峰(670nm)的反射率比值与叶绿素a 浓度的对数关系建立了使用高光谱数据的经验回归模型㊂刘忠华[8]基于单波段叶绿素a浓度模型对太湖流域西部进行了研究,表明叶绿素a浓度在712nm波长处与地表反射率的相关性最强㊂关于单波段模型, Rundquist等[9]基于对大量实测数据的研究,认为叶绿素a浓度在690nm波长处与地表反射率的相关性较高㊂赵碧云等[10]基于不同波段反射率与叶绿素a浓度的相关性建立了针对TM遥感数据的叶绿素a水质反演模型,并研究了滇池流域的水质,证明TBR模型可以消除部分大气对反演结果的影响,一定程度提高了反演精度㊂上述研究表明,经验模型局部反演精度较高,且模型构建方法简单,但实测数据的质量对其反演结果影响较大,在不同空间和时间尺度的适用性不强㊂在叶绿素a浓度的生物光学模型研究中,Gordon等[11]提出了具有代表性的生物光学模型基本公式,但该模型中的各部分参数定量表征复杂;李云梅等[12]等建立了基于模拟数据的生物光学模型,并且成功进行了太湖流域的叶绿素a浓度反演;Lee等[13]提出了QAA(quasi⁃analytical algorithm),主要应用于二类水体叶绿素a浓度的估算㊂Li等[14]则提出了叶绿素a浓度反演分析IIMIW模型㊂生物光学模型的参数受到水体组成成分的影响较大,在时间和空间尺度上的普适性同样有待提高㊂Dall’Olmo等[15]提出了基于半经验/半分析模型的三波段(three band semi⁃analysis,TBS)模型,Le等[16]研究表明,近红外波段吸收系数受浑浊水域悬浮物浓度的影响,须引入第4个波段以消除悬浮物浓度造成的影响,并将三波段算法发展成为四波段模型㊂黄昌春等[17]利用具有较大时空差异性的水体组分和光学特性数据集对现有叶绿素a浓度的半分析模型和生物光学模型进行了检验,三㊁四波段模型总体反演精度高㊂徐祎凡等[18]以太湖为研究区,利用TBS算法构建了基于地球静止海洋彩色成像仪数据(GOCI)的太湖叶绿素a浓度反演模型㊂Zhang等[19]在研究中指出,季节变化会引起水体组分变化,导致算法具有局限性,提出了一种软分类方法对常用的半分析模型进行了实验,通过分类来提高反演精度㊂目前叶绿素a浓度遥感反演大多基于中低分辨率遥感数据,精度有待提高㊂本文采用我国首颗具有红边波段的高分六号(GF⁃6)卫星遥感影像进行了太湖流域叶绿素a质量浓度反演研究,并进行了不同反演模型的精度分析,以寻求基于高分六号卫星遥感影像反演叶绿素a质量浓度的最佳模型㊂1 叶绿素a质量浓度反演方法简介本文选用基于经验模型和半经验/半分析模型进行叶绿素a质量浓度的反演㊂基于经验模型的叶绿素a质量浓度反演模型有TBR模型和归一化差异叶绿素指数(normalized differential chlorophyll index,NDCI)模型,基于半经验/半分析模型的叶绿素a质量浓度反演模型有TBS模型,3种模型计算公式分别为(1)ρ(Chl⁃a)=A+B R a Rbρ(Chl⁃a)=A+B R c-R dR c+R d(2)(R-1e-R-1f)R g∝ρ(Chl⁃a)(3)式中:ρ(Chl⁃a) 叶绿素a质量浓度;A㊁B 常数;R a㊁R b㊁R c㊁R d㊁R e㊁R f㊁R g 参与计算的遥感反射率㊂为了评价叶绿素a质量浓度反演模型的精度,采用平均值偏差(DMC)㊁标准差偏差(DSD)㊁平均绝对误差(AE)㊁平均相对误差(MRE)㊁均方根误差(RMSE)为精度评价指标㊂2 研究区概况和研究数据2.1 研究区概况太湖流域的地理位置为30°55′40″N~31°32′58″N㊁119°52′32″E~120°36′10″E,属于亚热带季风气候区,降水充足,年平均降水量1177mm,多年平均天然年径流量160.1亿m3㊂太湖流域的地形特点为四周高㊁中间低㊁西部高㊁沿海的东部地区低㊂太湖流域河网密布,湖泊众多,总面积大于0.5km2的湖泊共计189个,其中太湖富营养化最严重的地区是梅梁湾[20]㊂这些湖泊可以调节河川径流,同时具有灌溉等多种功能,丰富的湖泊资源成为太湖流域社会经济发展的基础条件㊂太湖是太湖流域内面积最大的湖泊,是我国第二大淡水湖,面积2338km2,多年平均蓄水量44.28亿m3㊂2.2 研究数据2.2.1 高分六号卫星遥感影像高分六号卫星是我国高分专项系列中发射的第一颗具有红边波段的国产卫星[21],于2018年6月2日在酒河海大学学报(自然科学版)第49卷泉卫星发射中心成功发射并入轨运行,属于太阳同步卫星,其轨道高度为645km㊂高分六号卫星搭载了2台全色多光谱相机㊁4台多光谱相机,有8个波段,空间分辨率为16m㊂相对于高分系列的其他卫星,高分六号卫星新增了4个波段,其中有2个红边波段㊁1个紫光波段和1个黄光波段㊂红边波段更有利于利用植物的 陡坡效应”,可以有效地监测植被信息,适合于环境监测以及植被监测,在水体富营养程度方面的监测还有待研究㊂本文采用的遥感数据是高分六号卫星宽幅传感器获取的太湖地区2018年10月28日㊁2019年4月6日和2019年6月3日的3幅影像,图像像素大小为16m×16m,为经过预处理的L1A 级数据㊂高分六号卫星遥感影像的预处理主要包括传感器校正和大气校正两个过程㊂传感器校正又被称作辐射定标过程,其目的主要是消除传感器自身在遥感影像中造成的误差,这一步只是得到比较准确的大气顶层的辐射亮度,因为地表反射的太阳辐射在经过大气传输后仍然会有所改变,因此还需要进行大气校正㊂经过大气校正后的反射率误差很小,可用于叶绿素a 质量浓度的反演㊂2.2.2 实测数据实测数据包括1期24个采样点的叶绿素a 质量浓度和实测水面光谱反射率,以及5个自动监测站的3期叶绿素a 质量浓度数据㊂24个采样点的采样日期为2018年4月25 26日;3期自动监测站的采样日期分别为2018年10月28日㊁2019年4月6日和2019年6月3日,监测站分别为大雷山㊁漫山㊁西山西㊁焦山和漾西岗㊂实测的样点数据被分成两个部分:第一部分使用具有实测水面光谱反射率以及叶绿素a 质量浓度的采样点数据,用来建立叶绿素a 质量浓度计算模型,称为建模数据,共计24个;第二部分使用不具备实测水面光谱反射率,只包含叶绿素a 质量浓度的样点数据,用来检验模型的反演精度,称为检验数据,共计15个㊂a.叶绿素a 质量浓度测定㊂采用分光光度法在实验室中测定,对采集的水样使用GF /C 滤膜过滤,将抽滤水样的体积记为V 1㊂然后将滤膜放到冰箱中冷冻,48h 后取出,再用热乙醇萃取,后在岛津UV2401分光光度计上测定665nm 和750nm 处吸光度,并计算2个吸光度的差A 1,再加入稀盐酸酸化测定酸化后的提取液在665nm 和750nm 处的吸光度差A 2,提取液的最终定容体积记为V 2,根据下式换算得到叶绿素a 质量浓度:ρ(Chl⁃a)=27.9(A 1-A 2)V 2V 1(4)图1 太湖水体实测反射率光谱曲线Fig.1 Measured reflectance spectral curve of Taihu Lake water b.水体光谱采集㊂采用ASDHandHeld2便携式地物光谱仪采集太湖清洁水体和蓝藻水华水面光谱㊂光谱范围为350~1075nm,光谱分辨率为1nm㊂光谱采集过程中仪器距离水面约1m,采用倾斜测量的方式进行[22],获得的实测水面反射率光谱曲线见图1㊂3 反演模型的构建与精度评价3.1 高分六号卫星的波段模拟实测反射率采样当天没有高分六号卫星过境,所以只能进行波段模拟,通过模拟波段反射率来建立卫星反射率和叶绿素a 质量浓度之间的相关关系㊂高分六号卫星传感器有8个波段,波段范围为450~890nm,在对高分六号卫星进行叶绿素a 敏感波段分析的过程中,无法直接用实测遥感反射率(R rs )与高分六号卫星遥感反射率(R GF ⁃6)进行替换㊂因此,需要根据高分六号卫星的光谱响应函数,先对实测遥感反射率做波段等效,波段等效计算公式为R mea2=∑910nm λ=450nm R rs λf λ∑910nm λ=450nm f λ(5)式中:λ 波长;R rs λ 波长λ处的遥感反射率;f λ 波长λ处的高分六号卫星的光谱响应函数;25第1期潘 鑫,等 基于高分六号卫星遥感影像的太湖叶绿素a质量浓度反演图2 高分六号卫星光谱响应函数曲线Fig.2 Spectral response function curve of GF⁃6satellite 图3 高分六号卫星模拟波段反射率Fig.3 Simulated band reflectance ofGF⁃6satellite 450nm㊁910nm 高分六号卫星最短㊁最长波长㊂高分六号卫星的光谱响应函数如图2所示(图中B1~B8分别表示高分六号卫星的8个波段)㊂根据高分六号卫星的光谱响应函数建立的实测数据等效波段反射率如3所示㊂与图1太湖水体的实测反射率光谱曲线进行比较,高分六号卫星在550nm 与700nm 附近出现反射率的峰值,其对应的波段为B2与B5,实测反射率的峰值出现在560nm 以及710nm附近,分别处于B2波段和B5波段的范围内㊂高分六号卫星在660nm 处出现反射率吸收峰,对应的波段为B3波段,实测反射率的吸收峰出现在670nm 附近,处于B3波段范围内,可见,高分六号卫星模拟波段的反射率特征和实测波段的反射率特征一致,可以替代实测数据反射率进行敏感波段的选择㊂3.2 反演模型构建3.2.1 TBR 模型采用24组实测叶绿素a 质量浓度数据和对应采样点的光谱数据来选择TBR 模型最佳波段,将卫星波段范围内每个等效波段的反射率分别除以其余所有等效波段的反射率,用得到的比值与叶绿素a 质量浓度计算相关系数,取相关性最大的2个波段作为最佳波段,求得高分六号卫星的最佳波段为B2(波段1)和B5(波段2)㊂高分六号卫星的TBR 指数与叶绿素a 质量浓度的关系见图4(图中TBR 指数表示高分六号卫星第2波段和第5波段反射率的比值)㊂3.2.2 NDCI 模型NDCI 模型最佳波段选择方法同TBR 模型,得到高分六号卫星的最佳波段为B2(波段1)和B5(波段2)㊂高分六号卫星的NDCI 指数与叶绿素a 质量浓度的关系见图5(图中NDCI 指数表示高分六号卫星第2波段和第5波段反射率之差除以二者之和)㊂3.2.3 TBS 模型采用24组实测的叶绿素a 质量浓度数据和对应采样点的光谱数据来选择TBS 模型最佳波段,按照最优波段选择的方法,将实测的水面光谱反射率替换成高分六号卫星的模拟波段,求得高分六号卫星的最佳波段为B3(波段1)㊁B6(波段2)和B2(波段3)㊂高分六号卫星TBS 指数与叶绿素a 质量浓度的关系如图6所示㊂图4 高分六号卫星TBR 指数与叶绿素a 质量浓度的关系Fig.4 Relation between TBR index and chlorophyll a mass concentration ofGF⁃6satellite 图6 高分六号卫星TBS 指数与叶绿素a 质量浓度的关系Fig.6 Relation diagram of TBS index and chlorophyll a concentration of GF⁃6satellite 图5 高分六号卫星NDCI 指数与叶绿素a 质量浓度的关系Fig.5 Relation diagram of NDCI indexand chlorophyll a mass concentration of GF⁃6satellite TBS 指数计算公式为35河海大学学报(自然科学版)第49卷I TBS =1εB3-1ε()B6εB2(6)式中:I TBS TBS 指数值;εB2㊁εB3㊁εB6 高分六号卫星第2㊁3㊁6波段的反射率㊂3.3 反演结果的定性比较选取2019年4月6日高分六号卫星遥感影像,采用3种模型来进行太湖叶绿素a 质量浓度的反演,影像的假彩色合成和3种模型提取的叶绿素a 质量浓度分布如图7所示㊂从图7可以看出,太湖中叶绿素a 质量浓度较高的区域一般分布在南部沿岸区㊁竺山湖与西部沿岸区的交界处和东太湖㊂其中NDCI 模型和TBR 模型叶绿素a 质量浓度反演的结果比较相似,而在南部沿海岸区TBS 模型反演的高质量浓度叶绿素a 的量要比NDCI 模型和TBR 模型多㊂图7 太湖叶绿素a 质量浓度的分布(单位:mg /m 3)Fig.7 Distribution of chlorophyll a mass concentration in Taihu Lake (units :mg /m 3)3.4 高分六号卫星和MODIS 遥感影像反演结果对比表1 高分六号卫星与MODIS 遥感影像反演精度对比Table 1 Inversion precision comparison between GF⁃6satellite and MODIS data 遥感影像模型DMC /%DSD /%AE /(mg㊃m -3)MRE /%RMSE /(mg㊃m -3)GF⁃6TBR 44.0020.11 2.5123.37 3.68NDCI35.2144.92 2.4522.27 2.99MODIS TBR 84.2061.78 6.4084.00 6.47NDCI 69.8165.30 4.0952.41 4.50 基于MODIS 的2019年4月6日的遥感影像,采用TBR㊁NDCI 模型进行太湖叶绿素a 质量浓度的反演,继而与高分六号卫星的反演结果进行对比,结果见表1和图8㊂从图8可以看出,MODIS 遥感影像反演的叶绿素a 质量浓度整体偏低㊂从表1可以看出,MODIS 遥感影像反演的叶绿素a 质量浓度的DMC㊁DSD㊁AE㊁MRE㊁RMSE均要大于高分六号卫星遥感影像的反演值,因此采用高分六号卫星遥感影像反演叶绿素a 质量浓度是可靠的㊂图8 高分六号卫星与MODIS 遥感影像反演结果对比(单位:mg /m 3)Fig.8 Comparison of inversion results between GF⁃6satellite and MODIS Data (units :mg /m 3)表2 高分六号卫星遥感影像反演叶绿素a 质量浓度的精度Table 2 Inversion accuracy of chlorophyll a massconcentration from GF⁃6satellite image模型DMC /%DSD /%AE /(mg㊃m -3)MRE /%RMSE /(mg㊃m -3)TBR 14.1843.37 4.8038.168.00NDCI 5.1943.86 4.6435.287.47TBS 4.2743.57 6.0967.997.853.5 反演模型精度评价未参与建模的样点数(检验数据)有15个,去除影像因薄云影响的5个数据,实际参与检验的数据为10个㊂采用3幅高分六号卫星遥感影像对3种反演模型进行精度评价,结果见表2㊂由表2可见,TBS 模型的DMC 为4.27%,效果最好,NDCI 模型的DMC 为5.19%,略低于TBS45第1期潘 鑫,等 基于高分六号卫星遥感影像的太湖叶绿素a质量浓度反演模型,TBR模型的DMC为14.18%,说明TBR模型反演的叶绿素a质量浓度的平均值与实测的叶绿素a质量浓度的平均值误差较大㊂DSD则是TBR模型较好,TBS模型次之,NDCI模型最差,3种模型的DSD均在43%~44%范围内,相差不到1%,说明3种模型反演结果的分布较为接近㊂TBR㊁NDCI㊁TBS模型的MRE 分别为38.16%㊁35.28%和67.99%,说明TBR模型和NDCI模型的反演结果较好,TBS模型反演效果较差㊂表3为高分六号卫星3幅验证遥感影像反演结果的AE和MRE平均绝对误差统计表㊂可以看出,在3种模型中,验证样点最大MRE为86.76%,出现在TBS模型采用2019年6月3日卫星遥感影像的反演结果中;最小MRE为22.27%,出现在NDCI模型采用2019年4月6日卫星遥感影像的反演结果中㊂表3 3幅高分六号卫星遥感影像反演结果的AE和MRETable3 Statistical table of AE and MRE of three GF⁃6satellite images遥感影像日期AE/(mg㊃m-3)MRE/%TBR模型NDCI模型TBS模型TBR模型NDCI模型TBS模型2018年10月28日 2.86 2.79 3.7641.8339.2056.59 2019年4月6日 2.51 2.45 4.3523.3722.2760.64 2019年6月3日 6.02 5.677.1749.3044.3586.76综合3幅遥感影像反演的平均结果来看,最大MRE和最大AE均出现在TBS模型中,最小MRE和最小AE出现在NDCI模型中㊂TBS模型的MRE均超过了50%,反演结果较差㊂TBS模型对太湖地区的叶绿素a 质量浓度预测值偏高,可能是太湖地区复杂的水质情况导致TBS模型的精度较差㊂对2019年6月3日的卫星遥感影像反演结果进行分析,3种模型的MRE均超过了40%,AE均超过5mg/m3,NDCI模型的结果比其他两个模型效果稍好,但也较为一般㊂这可能因为实测叶绿素a质量浓度数据都低于15mg/m3的限制,所以本文建立的模型可能更适用于叶绿素a低质量浓度的反演㊂对于2018年10月28的卫星遥感影像,TBR和NDCI模型的MRE小于TBS模型㊂对2019年4月6日的卫星遥感影像,TBR与NDCI模型反演结果的MRE 接近,反演结果较为可靠㊂4 结 论a.TBR模型与NDCI模型的最佳波段为第2波段和第5波段,TBS模型的最佳波段为第2波段㊁第3波段和第6波段㊂b.3种模型中,NDCI模型的MRE㊁AE和RMSE均最小,基于高分六号卫星第2波段和第5波段构建的NDCI模型比其他模型具有更好的精度和稳定性,更适用于高分六号卫星遥感影像在太湖叶绿素a质量浓度反演方面的应用㊂参考文献:[1]祝令亚.湖泊水质遥感监测与评价方法研究[D].北京:中国科学院遥感应用研究所,2006.[2]温新龙,景元书,李亚春,等.基于环境一号卫星数据的太湖叶绿素a浓度反演[J].环境科学与技术,2014,37(10):149⁃153.(WEN Xinlong,JING Yuanshu,LI Yachun,et al.Quantitative estimation of chlorophyll⁃a concentration in Lake Taihu based on HJ⁃1satellite images[J].Environmental Science&Technology,2014,37(10):149⁃153.(in Chinese)) [3]朱利,姚延娟,吴传庆.基于环境一号卫星的内陆水体水质多光谱遥感监测[J].地理与地理信息科学,2010,26(2):81⁃84.(ZHU Li,YAO Yanjuan,WU Chuanqing.Remote sensing monitoring on water quality of interior water body based on the HJ⁃1satellite multi⁃spectral data[J].Geography and Geo⁃Information Science,2010,26(2):81⁃84.(in Chinese))[4]李旭文,季耿善,杨静.太湖梅梁湖湾蓝藻生物量遥感估算[J].国土资源遥感,1995(2):23⁃28.(LI Xuwen,JI Gengshan,YANG Jing.Estimating cyanophyta biomass standing crops in Meiliang Gulf of Lake Taihu by satellite remote sensing[J].Remote Sensing for Land&Resources,1995(2):23⁃28.(in Chinese))[5]李素菊,吴倩,王学军,等.巢湖浮游植物叶绿素含量与反射光谱特征的关系[J].湖泊科学,2002(3):228⁃234.(LISuju,WU Qian,WANG Xuejun,et al.Relationship between chlorophyll content and reflectance spectral characteristics of phytoplankton in Chaohu Lake[J].Journal of Lake Sciences,2002(3):228⁃234.(in Chinese))[6]李铜基,陈清莲,朱建华,等.黄东海秋季色素经验算法研究[J].海洋技术,2004(4):113⁃116.(LI Tongji,CHENQinglian,ZHU Jianhua,et al.Chlorophyll empirical algorithm of Yellow Sea and the East China Sea in autumn[J].Marine Technology,2004(4):113⁃116.(in Chinese))5565河海大学学报(自然科学版)第49卷[7]段洪涛,张柏,宋开山,等.查干湖叶绿素a浓度高光谱定量模型研究[J].环境科学,2006(3):3503⁃3507.(DUANHongtao,ZHANG Bai,SONG Kaishan,et al.Hyperspectral remote sensing of chlorophyll⁃a in the Chagan Lake,China[J].Environmental Science,2006(3):3503⁃3507.(in Chinese))[8]刘忠华.基于高分数据的太湖重点污染入湖河流叶绿素a浓度遥感反演[D].南京:南京师范大学,2012.[9]RUNDQUIST D C,HAN L,SCHALLES J F,et al.Remote measurement of algal chlorophyll in surface waters:the case for thefirst derivative of reflectance near690nm[J].Photogrammetric Engineering and Remote Sensing,1996,62(2):195⁃200. [10]赵碧云,贺彬,朱云燕,等.滇池水体中叶绿素a含量的遥感定量模型[J].云南环境科学,2001(3):1⁃3.(ZHAO Biyun,HE Bin,ZHU Yunyan,et al.Study on the remote sensing model for chlorophyll⁃a in Dianchi Lake[J].Yunnan Environmental Science,2001(3):1⁃3.(in Chinese))[11]GORDON H R,BROWN J W,BROWN O B,et al.A semianalytic radiance model of ocean color[J].Journal of GeophysicalResearch Atmospheres,1988,93(10):10909⁃10924.[12]李云梅,黄家柱,韦玉春,等.用分析模型方法反演水体叶绿素的浓度[J].遥感学报,2006(2):169⁃175.(LI Yunmei,HUANG Jiazhu,WEI Yuchun,et al.Inversing chlorophyll concentration of Taihu Lake by analytic model[J].Journal of Remote Sensing,2006(2):169⁃175.(in Chinese))[13]LEE Z,CARDER K L,ARNONE R A.Deriving inherent optical properties fromwater color:a multiband quasi⁃analytical algorithmfor optically deep waters[J].Applied Optics,2002,41(27):5755⁃5772.[14]LI L,SONG K,LI Y,et al.An inversion model forderiving inherent optical properties of inland waters:establishment,validationandapplication[J].Remote Sensing of Environment,2013,135(4):150⁃166.[15]DALL’OLMO G,GITELSON A A.Effect of bio⁃optical parameter variability on the remote estimation of chlorophyll⁃aconcentration in turbid productive waters:experimental results[J].Applied Optics,2005,44(3):412⁃22.[16]LE Chengfeng,LI Yunmei,ZHA Yong,et al.A four⁃band semi⁃analytical model for estimating chlorophyll a in highly turbidlakes:the case of Taihu Lake,China[J].Remote Sensing of Environment,2009,113(6):1175⁃1182.[17]黄昌春,李云梅,徐良将,等.内陆水体叶绿素反演模型普适性及其影响因素研究[J].环境科学,2013,34(2):525⁃531.(HUANG Changchun,LI Yunmei,XU Liangjiang,et al.Study on influencing factors and universality of chlorophyll⁃a retrieval model in inland water body[J].Environmental Science,2013,34(2):525⁃531.(in Chinese))[18]徐祎凡,陈黎明,陈炼钢,等.基于GOCI数据的暴雨后太湖水体叶绿素a浓度遥感反演研究[J].水利水电技术,2020,51(10):151⁃158.(XU Yifan,CHEN Liming,CHEN Liangang,et al.High temporal resolution remote monitoring of chlorophyll aconcentration change after rainstorm based on GOCI data in Lake Taihu[J].Water Resources and Hydropower Engineering, 2020,51(10):151⁃158.(in Chinese))[19]ZHANG F,LI J,SEHN Q,et al.Algorithms and chemes for chlorophyll⁃a estimation by remote sensing and optical classificationfor turbid lake Taihu,China[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2015,8(1):350⁃364.[20]马孟枭.基于MODIS影像的太湖蓝藻水华面积高精度计算方法及应用[D].南京:南京大学,2014.[21]王旭. 长征”二号丁运载火箭成功发射 高分”六号卫星[J].中国航天,2018(6):14.(WANG Xu.Long March2DINGcarrier rocket successfully launched GF⁃6satellite[J].China Aerospace Science and Technology,2018(6):14.(in Chinese)) [22]唐军武,田国良,汪小勇,等.水体光谱测量与分析Ⅰ:水面以上测量法[J].遥感学报,2004(1):37⁃44.(TANG Junwu,TIAN Guoliang,WANG Xiaoyong,et al.The mechods of water spectra measurement and analysisⅠ:above water measurement [J].Journal of Remote Sensing,2004(1):37⁃44.(in Chinese))(收稿日期:20201106 编辑:熊水斌)。
目前世界上常用的遥感卫星主要有，Spot系列卫星，LandSat系列卫星,IKON OS系列卫星，CBERS-1卫星，ERS系列卫星，JERS卫星，IRS卫星，OrbView-3 卫星，KH-11 型侦察卫星，GeoEye-1 卫星，Terra 卫星，RapidEye 卫星、意大利COSMO-SkyMe系列，Quickbird 卫星，印度 Cartosat-1(IRS-P5) 卫星，PROBA1星，SMOSE星，DMC卫星，各个卫星的轨道参数和运行特点及成像方式均不相同，下文只是做了个简单的介绍一、SPOT卫星(法国)：1. 简介：SPOT1 1986年2月发射，至今还在运行。
SPOT2 1990年1月发射，至今还在运行。
SPOT3 1993年9月发射，1997年11月14日停止运行。
SPOT4 1998年3月发射，至今还在运行。
SPOT5 2002年5月发射，现在仍在有效运行2. 轨道特点：轨道高度832公里，轨道倾角98.7 C，重复周期26天。
太阳同步准回归轨道，通过赤道时刻为地方时上午10:30。
但由于采用倾斜观测，所以实际上4-5天就可对同一地区进行重复观测3. 成像特点：卫星上装有两台高分辨率可见光相机( HRV，可获取10m分辨率的全遥感图像以及20m分辨率的三谱段遥感图像。
这些相机有侧视观测能力，可横向摆动27°卫星还能进行立体观测。
SPOT-4卫星遥感器增加了新的中红外谱段，可用于估测植物水分，增强对植物的分类识别能力，并有助于冰雪探测。
该卫星还装载了一个植被仪，可连续监测植被情况。
二、LandSat 卫星1。
简介：第一颗陆地卫星是美国于1972年7月23日发射的.是世界上第一次发射的真正的地球观测卫星，原名叫做地球资源技术卫星(Earth ReasourceTechno logy Satellite-ERTS) ，1975年更名为陆地卫星，现在运行的是第5、7号星。
图8 机电驱动机构频率特性测试系统Fig.8 Block di a g r a m of test r ig 图9 机电驱动机构的频域拟合Fig.9 Result s o f testing an d curve f itting 4 结束语为研究雷达导引头机电伺服系统中的机电驱动机构特性,本文建立了永磁式直流伺服电机驱动机构的传递函数,并进行了实物测试,结果表明理论分析与实验结果一致,可作为机电伺服系统设计和分析的依据。
本文分析引入齿轮箱输出轴的扭转刚度,建立了电机与负载弹性连接的机电传动系统模型,而在实验中分析采用了频域拟合获得实际系统的传递函数。
实验证明此法有效。
机电驱动机构的特性取决于结构、零件加工和装配质量等诸参数,本文所得的机电驱动机构传递函数忽略了其中的多个因素,仅为基本的线性部分。
实际特性用数学模型描述会很复杂,还需更深入的研究。
参考文献[1] 穆 虹.防空导弹雷达导引头设计[M ].北京:宇航出版社,1996.[2] 李连升.雷达伺服系统[M ].北京:国防工业出版社,1983.[3] 夏福梯.防空导弹制导雷达伺服系统[M ].北京:宇航出版社,1996.[4] MOSCROP J ,COO K C ,MOLL P.Cont rol of ser vosyste ms in the pr ese nce of moto r 2load inertia mismatch[C ].De nve r ,CO :The 27th Annual C o nfere nce of theIEEE Industrial Electronics Society ,2001.[5] 胡寿松.自动控制原理[M ].北京:科学出版社,2002.[6] 张 炜,黄光尚,吴玉国.机电跟踪控制系统参数研究[J ].华东冶金学院学报,2000,17(4):3182321.[7] 李冠华,许化龙.伺服机构模型参数辨识方法研究[J ].上海航天,2001,20(5):25228.[8] 薛定宇.控制系统计算机辅助设计———MATLAB 语言与应用[M ].北京:清华大学出版社,1996.G eoEye 21新一代地球成像卫星据报道,G eo Eye 21新一代地球成像卫星将于今年搭乘德尔它22火箭进入近极轨道。
SAR成像模式发展综述朱桐;周珊珊【摘要】由于传统的SAR成像模式不能完全满足人们对一些成像指标的需求.文中提出了3种新兴的SAR成像模式,包括滑动聚束SAR、顶端成像SAR、地球同步轨道SAR(GEO SAR),并对这些模式下的算法进行了深入的研究与分析,从而较大程度上改善了SAR成像的各项性能指标.【期刊名称】《电子科技》【年(卷),期】2016(029)005【总页数】4页(P186-189)【关键词】滑动聚束;顶端成像(TOPS);地球同步轨道SAR【作者】朱桐;周珊珊【作者单位】西安电子科技大学电子信息攻防对抗与仿真重点实验室,陕西西安710071;西安电子科技大学电子信息攻防对抗与仿真重点实验室,陕西西安710071【正文语种】中文【中图分类】TN958传统的SAR成像模式各自均有一定的优点以及自身模式带来的限制。
滑动聚束(Sliding Spotlighting)成像模式在方位向分辨率和测绘带宽度得到一个良好的折中。
TOPS(Terrain Observation by Progressive Scans)是一种新型星载宽测绘带成像方法,其可获得与常规扫描模式(ScanSAR)同样的方位分辨率和更大的幅宽,同时克服了由方位角变化引起的模糊信号比(ASR)和信号噪声比(SNR)的缺陷和扇形效应。
地球同步轨道合成孔径雷达(GEO SAR)是一种将SAR有效载荷放置在地球同步轨道卫星上的主动式遥感传感器。
与传统低轨SAR相比,具有重访周期短、测绘面积宽及可视范围广等优势,应用前景广阔。
然而新的模式下,原始的成像算法将面临诸多问题。
下面就这3种模式下成像存在的问题和目前已有的解决方案进行总结。
在滑动模式下,中心是不固定的,波束在方位方向上匀速滑动,以牺牲方位分辨率得到大的覆盖面积。
波束移动导致成像区间的扩大,可获得比聚束雷达更大的成像场景。
滑动聚束SAR模式下,波束速度vf大于或小于其平台速度va,vf<va时为传统滑动聚束模式,vf>va时为逆向滑动聚束模式。
第44卷第2期航天返回与遥感2023年4月SPACECRAFT RECOVERY & REMOTE SENSING71卫星线阵立体影像的倾斜仿射变换核线模型余俊鹏王梓聿（广东工业大学土木与交通工程学院，广州 510006）摘要核线约束是构建摄影测量立体模型的重要条件。
由于卫星线阵影像的多中心投影特性，难以建立其严格的核线模型。
文章从上下视差最小的同名核线特征出发，在仿射变换模型基础上引入核线倾角变化参数，提出一种新的倾斜仿射变换核线模型。
通过“无误差”的虚拟同名点仿真试验表明，文章提出的模型受影像范围及地表高差影响较小，在影像区块6 000像元×6 000像元、地表高差1 000m情况下，对于不同形式卫星立体影像的模型误差均小于1个像元。
进一步使用实际匹配同名点平差，实验表明：对于SPOT-5、“资源三号”和“高分七号”等卫星影像，文章模型误差相对于匹配观测误差可忽略，实际核线精度在整景影像范围内优于0.8像元，所生成核线影像能够满足后续密集匹配要求。
新模型的精确性和普适性相比现有同类模型显著提升，可实际应用于卫星摄影测量处理。
关键词上下视差仿射变换核线模型线阵影像卫星摄影测量中图分类号: P237文献标志码: A 文章编号: 1009-8518(2023)02-0071-11DOI: 10.3969/j.issn.1009-8518.2023.02.008The Oblique-affine Transformation Epipolarity Model forSatellite Linear Array Stereo ImageryYU Junpeng WANG Ziyu（School of Civil and Traffic Engineering, Guangdong University of Technology, Guangzhou 510006, China）Abstract Epipolar geometry constraint is an important condition for constructing photogrammetric-based three-dimensional models. Due to the multi-center projection characteristics of satellite linear pushbroom imagery, it is difficult to find an absolutely strict epipolarity model. In this paper, based on the geometry feature of corresponding epipolar line with the smallest vertical parallax, a new oblique-affine epipolarity model is proposed by introducing the epipolar line inclination parameters into affine transformation model. Through the “error-free” virtual point observation simulation experiment, it is shown that the new model is less affected by the factors such as image block size and the surface height variation. The model errors are all less than 1 pixel for satellite images acquired with different stereoscopic methods. Further, the practical test with real matching corresponding point observations shows that for images such as SPOT-5, ZY-3 and GF-7, the model error is negligible compared to the matching observation error, and the epipolar line precision is able to be better than 0.8 pixels in the whole image range, which guarantee the generated epipolar image meet the requirement of subsequent dense matching. Compared with the existing models, the accuracy and generality of the new model are significantly improved, and it can be practically applied to satellite photogrammetry data processing.收稿日期：2022-06-30基金项目：国家自然科学基金（41704019）引用格式：余俊鹏, 王梓聿. 卫星线阵立体影像的倾斜仿射变换核线模型[J]. 航天返回与遥感, 2023, 44(2): 71-81.YU Junpeng, WANG Ziyu. The Oblique-affine Transformation Epipolarity Model for Satellite Linear Array Stereo72 航 天 返 回 与 遥 感 2023年第44卷Keywords vertical parallax; affine transformation; epipolarity model; linear pushbroom imagery; satellite photogrammetry0 引言卫星影像的核线模型是卫星摄影测量对地三维重建的重要基础，其通过消除原始立体像对的上下视差，将地表高差转化为核线像对上的左右视差，从而约束同名点搜索范围，为影像密集匹配及地表点云生成提供必要条件。
信息通信INFORMATION & COMMUNICATIONS2019年第9期(总第201期)2019(Sum. No 201)遥感卫星几何定位精度影响因素分析汪松，肖倩,杨德运(航天恒星科技有限公司，北京100094)摘要：为了提高遥感卫星的几何定位精度，本文首先从国内外遥感卫星图像几何定位精度的现状分析，然后引出图像几 何定位原理和方法，并对RFM 模型进行介绍，最后从卫星平台、成像相机和观测误差三个方面对图像几何定位精度的彩响因素进行详细分析，并给出相应的结论，为后续几何定位精度的提升奠定基础o关键词：遥感卫星;RFM 模型；几何定位精度;彩响因素中图分类号:P237文献标识码:A文章编号：1673-1131(2019)09-0004-020引言随着航天技术、卫星制造技术和传感器技术的快速发展, 商业遥感卫星的空间分辨率已从IKONOS2卫星的lm 提高到WorldView-4的0.31m,我国高分辨率商业遥感卫星的空间分辨率已经提高到高景一号的0.5m 。
这些方面的发展给遥感 应用带来了无限的发展商机。
大量高分辨率卫星的发射，如法国的 SPOT-5/6,美国的 QuickBird, WorldView 及 GeoEye 等 卫星运营商公开发布其卫星系统的定位能力，尤其是其无地 面控制点的图像定位精度，一般都在50m 以内。
以美国和法 国为代表的典型先进卫星如WorldView-3/4、GeoEye-1、Pleia-des-1等无控制点定位精度甚至达到5m 和3m 。
而我国典型的高分辨率光学遥感卫星定位精度一般设计都在50m 左右, 通过国内外高分辨率卫星图像定位精度比较可以发现，我国研制的卫星图像定位精度与国际上存在一定的差距。
在这一大背景下，面对不同行业对地观测系统卫星定位精度的需求，如何提高遥感卫星的定位精度，首先需要对遥感卫星的成像过程中对定位精度的影响因素进行分析，为后续提高卫星的几何定位精度奠定基础。
中国资源卫星应用中心China Center for Resources Satellite Data &ApplicationZY3‐ZY02C高分数据加工处理方法报告人：李俊杰日 期：2012-09中国资源卫星应用中心提纲一、ZY3-ZY02C正射校正二、ZY3辐射量化位数转换三、ZY02C多光谱模拟真彩色四、ZY3-ZY02C影像融合中国资源卫星应用中心•ZY3和ZY02C影像(一级)正射校正(1) 使用ERDAS下的QuickBird RPC正射校正模型；(2) 使用ENVI下的Orthorectify Using RPC or RSM with Ground Control；图 ZY02C多光谱影像解压后文件列表(1C级别)中国资源卫星应用中心•ZY3和ZY02C影像正射校正(ERDAS)(1) 导入数据；中国资源卫星应用中心•ZY3和ZY02C影像正射校正(ERDAS)(2) 选择几何校正模型；中国资源卫星应用中心•ZY3和ZY02C影像正射校正(ERDAS)(3) 设置模型参数；中国资源卫星应用中心•ZY3和ZY02C影像正射校正(ERDAS)(4) 选择控制点；中国资源卫星应用中心•ZY3和ZY02C影像正射校正(ERDAS)(5) 输出结果；中国资源卫星应用中心•ZY3和ZY02C影像正射校正(ENVI)(1) 选择使用RPC进行正射校正；中国资源卫星应用中心二、ZY3辐射量化位数转换-位数转换•ZY3全色和多光谱10bit量化(1) 辐射分辨率是指遥感器对光谱信号强弱的敏感程度、区分能力；一般用量化级数表示；(2) ZY3标准景数据量(10bit)：2.1米全色1.7G，5.8米多光谱0.8G；转成8bit量化数据量相应减少一半；(3) 10bit‐>8bit:integer ((b*1.0/1023)*255)中国资源卫星应用中心中国资源卫星应用中心中国资源卫星应用中心•模拟真彩色方法⑴波段组合,假彩色调整到伪真彩色：B1(绿)，B2(红)，B3(近红外)波段合成：R：B2G：(B1*X+B3*Y)/(X+Y)B: B1中国资源卫星应用中心中国资源卫星应用中心波段组合 R(1)G(2)B(3)波段组合R(3)G(2)B(1)波段组合R(2)G(3)B(1)波段组合模拟真彩色•数据融合的流程: (1)数据之间的配准，配准精度直接影响着融合结果；(2) 配准的数据根据融合算法进行融合处理；(3) 质量评价。
北京揽宇方圆信息技术有限公司TerraSAR-X/TanDEM-X星座TerraSAR-X卫星采用太阳同步圆轨道，轨道高度514.8km，倾角97.44°，升交点地方时为18:00.轨道重复周期11d，通过姿态机动，对地球上任意目标的重访时间为4.5d。
卫星质量1230kg，有效荷质量400kg，设计寿命5年，目标6.5年，在轨寿命末期平均功率为800W。
TerraSAR-X卫星采用天体卫星-1000平台，卫星外形呈六棱柱体，尺寸5m（高）×2.4m（直径）。
卫星承力结构采用碳纤维复合材料，在棱柱的6个面上分别安装SAR天线、太阳电池、辐射器等设备。
SAR天线尺寸4.784m×0.704m，安装在其中的一个面上，指向偏离天底点33.8°。
在另一个对地面安装有1副S频段测控天线、1副X频段数传天线以及1台用于精密定轨的激光反射器。
X频段数传天线安装在一个长3.3m的可展开桁架末端，以避免成像期间同步数传时与雷达之间相互干扰。
在背地面上安装有“激光通信终端”和热辐射器。
太阳翼面积约5.25㎡，带有108A·h的锂离子电池，提供峰值功率1800W。
卫星带有“全球定位系统”（GPS）接收机和激光精密定轨反射器，轨道确定精度达到厘米级。
卫星标准工作模式下，姿态测量由星跟踪器和全球定位系统接收机联合执行，安全模式下由地球敏感器和太阳敏感器提供，惯性基准单元、磁强计为所有任务阶段提供速率测量。
卫星姿态执行机构采用一组大扭矩反作用轮，提供快速姿态机动能力。
TerraSAR-X卫星带有一部“有源相控阵合成孔径雷达”，能进行高分辨率、多极化、多模式成像。
TerraSAR-X卫星还带有激光通信终端（LCT），用于验证星间和星地激光链路技术。
TerraSAR-X/TanDEM-X星座编辑TanDEM-X卫星与TerraSAR-X卫星性能基本相同，两者采用螺旋轨道星座，以紧密编队方式飞行。
第４１卷第９期２０１８年９月测绘与空间地理信息ＧＥＯＭＡＴＩＣＳ＆ＳＰＡＴＩＡＬＩＮＦＯＲＭＡＴＩＯＮＴＥＣＨＮＯＬＯＧＹＶｏｌ.４１ꎬＮｏ.９Ｓｅｐ.ꎬ２０１８收稿日期:２０１７－１０－１１基金项目:地理空间信息工程国家测绘地理信息局重点实验室开放基金(２０１３１８)资助作者简介:许德合(１９７２－)ꎬ女ꎬ河南南阳人ꎬ副教授ꎬ博士ꎬ２００８年毕业于信息工程大学地图制图学与地理信息工程专业ꎬ主要从事ＧＩＳ开发与应用㊁地图制图学的教学与研究工作ꎮ天绘一号 影像正射纠正实验与精度分析许德合１ꎬ闫堃柘１ꎬ郭海涛２(１.华北水利水电大学ꎬ河南郑州４５００４５ꎻ２.信息工程大学ꎬ河南郑州４５００００)摘要:针对如何有效提高 天绘一号 卫星影像正射纠正精度的问题ꎬ本文基于有理函数模型ꎬ提出ＲＰＣ参数＋像方误差补偿方案ꎬ利用控制点提高ＲＰＣ模型的精度ꎮ通过对连云港㊁怀柔地区 天绘一号 卫星影像进行正射纠正ꎬ对比无控纠正结果验证该方案ꎮ实验结果表明:利用ＲＰＣ模型进行影像正射纠正是正确的㊁有效的ꎬ辅以稀少控制点就能获得较高精度ꎬ不使用任何控制点将会导致系统误差偏大ꎬ精度较低ꎮ本文研究可为修正卫星影像自带ＲＰＣ参数误差㊁提高正射纠正精度提供参考ꎮ关键词: 天绘一号 ꎻ遥感影像ꎻ正射纠正ꎻ有理函数模型中图分类号:Ｐ２３６㊀㊀㊀文献标识码:Ａ㊀㊀㊀文章编号:１６７２－５８６７(２０１８)０９－００２７－０４ＭａｐｐｉｎｇＳａｔｅｌｌｉｔｅ－１ ＩｍａｇｅｓＯｒｔｈｏ－ｒｅｃｔｉｆｉｃａｔｉｏｎＥｘｐｅｒｉｍｅｎｔａｎｄＰｒｅｃｉｓｉｏｎＡｎａｌｙｓｉｓＸＵＤｅｈｅ１ꎬＹＡＮＫｕｎｚｈｅ１ꎬＧＵＯＨａｉｔａｏ２(１.ＮｏｒｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＥｌｅｃｔｒｉｃＰｏｗｅｒꎬＺｈｅｎｇｚｈｏｕ４５００４５ꎬＣｈｉｎａꎻ２.ＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙꎬＺｈｅｎｇｚｈｏｕ４５００００ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｆｏｒｔｈｅｑｕｅｓｔｉｏｎｏｆｈｏｗｔｏｉｍｐｒｏｖｅｔｈｅｐｒｅｃｉｓｉｏｎｏｆ ＭａｐｐｉｎｇＳａｔｅｌｌｉｔｅ－１ ｉｍａｇｅｓｏｒｔｈｏ－ｒｅｃｔｉｆｉｃａｔｉｏｎꎬｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄＲＰＣｐａｒａｍｅｔｅｒｓ＋ｉｍａｇｅｅｒｒｏｒｃｏｍｐｅｎｓａｔｉｏｎｓｃｈｅｍｅｂａｓｅｄｏｎＲＦＭ.ＣｏｍｐｌｅｔｅｄｕｓｉｎｇｃｏｎｔｒｏｌｐｏｉｎｔｓｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｔｈｅＲＰＣｍｏｄｅｌ.Ａｎｄｄｉｄｅｘｐｅｒｉｍｅｎｔａｂｏｕｔｓａｔｅｌｌｉｔｅｉｍａｇｅｏｒｔｈｏ－ｒｅｃｔｉｆｉｃａｔｉｏｎｉｎＬｉａｎｙｕｎｇａｎｇａｎｄＨｕａｉｒｏｕ.Ｂｙｍｅａｎｓｏｆｃｏｍｐａｒｉｎｇｔｈｅｒｅｓｕｌｔｓｏｆｔｈｅｎｏｎ－ｃｏｎｔｒｏｌｖｅｒｉｆｉｅｄｔｈｉｓｓｃｈｅｍｅ.ＴｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｉｔｉｓｃｏｒｒｅｃｔａｎｄｅｆｆｅｃｔｉｖｅｔｏｕｓｅｔｈｅＲＰＣｍｏｄｅｌｔｏｃｏｒｒｅｃｔｔｈｅｉｍａｇｅｓꎬａｎｄｉｔｗｉｌｌｂｅａｂｌｅｔｏｇｅｔａｈｉｇｈｅｒｐｒｅｃｉｓｉｏｎｗｉｔｈｓｐａｒｓｅｃｏｎｔｒｏｌｐｏｉｎｔｓ.Ｗｉｔｈｏｕｔａｎｙｃｏｎｔｒｏｌｐｏｉｎｔꎬｔｈｅｓｙｓｔｅｍｅｒｒｏｒｉｓｌａｒｇｅｒꎬａｎｄｔｈｅａｃｃｕｒａｃｙｉｓｌｏｗｅｒ.ＴｈｅｒｅｓｅａｒｃｈｒｅｓｕｌｔｓｈａｖｅｃｅｒｔａｉｎｒｅｆｅｒｅｎｃｅｖａｌｕｅｆｏｒｆｉｘｉｎｇｔｈｅｓａｔｅｌｌｉｔｅｉｍａｇｅＲＰＣｐａｒａｍｅｔｅｒｅｒｒｏｒａｓｗｅｌｌａｓｉｍｐｒｏｖｉｎｇｔｈｅｏｒｔｈｏ－ｒｅｃｔｉｆｉｃａｔｉｏｎｐｒｅｃｉｓｉｏｎ.Ｋｅｙｗｏｒｄｓ: ＭａｐｐｉｎｇＳａｔｅｌｌｉｔｅ－１ ꎻｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓꎻｏｒｔｈｏ－ｒｅｃｔｉｆｉｃａｔｉｏｎꎻｒａｔｉｏｎａｌｆｕｎｃｔｉｏｎｍｏｄｅｌ０㊀引㊀言天绘一号 属于地形地貌测绘类光学基础卫星ꎬ是中国第一代传输型立体测绘卫星ꎬ主要用于科学研究㊁国土资源普查㊁地形图测绘等诸多领域的科学实验任务ꎮ其特点在于可长期在轨运行ꎬ具备实时获取三维地理信息的能力ꎬ克服了返回式卫星因其携带的胶片数量有限而在轨寿命短㊁获取影像时效性差及不能直接形成数字影像等不足ꎬ是中国航天领域的重大突破[１]ꎮ正射影像同时具有地图几何精度和影像特征ꎬ是提取其他地理信息的基础[２]ꎮ对 天绘一号 卫星进行正射纠正㊁进一步提高纠正精度ꎬ具有十分重要的意义ꎮ为了高精度实施稀少控制下的卫星影像几何纠正ꎬ需对卫星影像建立严格的成像模型ꎮ袁修孝教授建立了推扫式卫星遥感影像坐标与其地面点在地心坐标系下的坐标构像几何关系方程式[３]ꎮ宋伟东博士解算出了外方位元素的改正数ꎬ从而获得外方位元素的最或然值ꎬ配合ＤＥＭ数据实现影像的精确几何纠正[４]ꎮＷｅｓｔｉｎ针对ＳＰＯＴ影像提出了基于开普勒轨道参数的严格成像模型[５]ꎮ由于严格几何模型的复杂性ꎬ近来许多学者研究了高分辨率卫星影像的ＲＰＣ模型并取得了较快的发展ꎮＴａｏ等研究了用最小二乘方法求解ＲＰＣ参数的算法[６]ꎮ张过博士利用传感器严格成像几何模型拟合ＲＰＣ模型ꎬ进行缺少控制点的ＳＰＯＴ－５ＨＲＳ卫星影像平差处理实验并得出了有益的结论[７]ꎮ参考基于ＲＦＭ(ｒａｔｉｏｎａｌｆｕｎｃｔｉｏｎｍｏｄｅｌ)模型对资源三号卫星影像及ＳＡＲ(ＳｙｎｔｈｅｔｉｃＡｐｅｒｔｕｒｅＲａｄａｒ)影像正射校正的实验[８－９]ꎬ本文将选择连云港㊁怀柔两个不同类型地区的 天绘一号 影像作正射纠正ꎬ并通过添加控制点修正ＲＰＣ(ｒａｔｉｏｎａｌｐｏｌｙｎｏｍｉａｌｃｏｅｆｆｉｃｉｅｎｔ)参数的系统误差ꎬ对比无控纠正结果评估纠正精度ꎬ探讨该技术方案的可行性ꎮ１㊀实验资料天绘一号 ０１卫星发射于２０１０年８月２４日ꎬ采用高分辨率线阵ＣＣＤ传感器ꎬ含有２ｍ高分辨率全色相机㊁５ｍ分辨率全色三线阵立体测绘相机和１０ｍ分辨率４波段多光谱相机ꎮ成像幅宽６０ｋｍꎬ轨道高度５００ｋｍ[１０]ꎮ当有一颗卫星在轨运行时ꎬ对同一地区重复摄影覆盖的周期为５８ｄꎬ由于卫星在轨运行期间摄影覆盖宽度保持不变ꎬ因此ꎬ相邻轨道影像的旁向重叠度将随着摄影地区纬度的增大而增大ꎬ对于我国高纬度地区的重叠度将达到４０％ ５０％[１１]ꎮ本次实验采用２ｍ分辨率全色影像ꎬ提供ＲＰＣ参数ꎻ实验区域涵盖中国中部㊁北部地区ꎬ包括平原和山地:连云港(平原及部分山区)㊁北京怀柔(山地)ꎻ采用外业实测点为控制点和检查点ꎻ纠正试验工作平台是ＭａｐＥｙｅ天绘影像几何纠正ꎮ２㊀有理函数模型有理函数模型是通过两个有理多项式的比值来拟合地面点三维坐标与相应像点二维坐标的对应关系ꎬ从而获得与严格物理模型相近的定位精度ꎮ卫星影像成像有理函数模型正解形式表示如下:ｒｎ＝Ｐ１ＸｎꎬＹｎꎬＺｎ()Ｐ２ＸｎꎬＹｎꎬＺｎ()ｃｎ＝Ｐ３ＸｎꎬＹｎꎬＺｎ()Ｐ４ＸｎꎬＹｎꎬＺｎ()ìîíïïïï(１)式中ꎬ(ｒｎꎬｃｎ)和(ＸｎꎬＹｎꎬＺｎ)分别为标准化的像方坐标和物方三维坐标ꎬＰｉｉ＝１ꎬ２ꎬ３ꎬ４()是普通多项式[１２]ꎮ由于成像部门提供的ＲＰＣ参数精度较低ꎬ因此需要考虑通过利用控制点来提高ＲＰＣ模型的精度ꎬ实现卫星影像的精确纠正ꎮ利用控制点提高ＲＰＣ模型的精度有两种方案:一种是利用控制点直接对ＲＰＣ参数进行校正ꎬ该方法需要使用大量的控制点来求解ＲＰＣ模型中的８０个参数ꎬ且参数间可能存在相关性ꎬ求解比较困难ꎻ另一种方法是在像方空间或物方空间进行补偿ꎬ基于物方的补偿方案与基于像方的补偿方案效果大致相当ꎬ但由于物方补偿方案对控制点要求较高且对高程变化敏感[１３]ꎬ因此在本文实验中将采取基于像方的系统误差补偿方案ꎮＲＰＣ参数＋像方误差补偿方案ꎬ在影像上定义仿射变换:ｘ＝ｆ０＋ｆ１ｃ＋ｆ２ｒｙ＝ｅ０＋ｅ１ｃ＋ｅ２ｒ{(２)式中(ｘꎬｙ)是控制点在影像上的量测坐标[１４]ꎮ根据式(２)可对每个控制点列线性方程ꎬ根据最小二乘平差求解影像面的仿射变换参数ꎬ即像方误差补偿参数ꎬ完成利用控制点提高ＲＰＣ模型的精度ꎮ求解６个仿射变换参数ꎬ需要３个控制点ꎮ３㊀方案设计与流程３.１㊀方案设计选择连云港地区影像和怀柔地区影像资料ꎬ进行基于ＲＦＭ模型的无控制点正射纠正和有控制点正射纠正两组实验ꎮ具体实验方案如下:１)连云港地区影像正射纠正实验实验１:使用全色影像进行基于ＲＦＭ模型的无控制点正射纠正ꎬ其流程如图１所示ꎮ实验２:在实验１的基础上ꎬ为提高纠正精度ꎬ选取３个外业ＧＰＳ实测点(Ｇ３３０２ꎬＧ３００２ꎬＧ２２００)为控制点ꎬ另外３个点(Ｇ２８０２ꎬＧ２９０１ꎬＧ３１０１)作为检查点ꎮ流程如图１所示ꎬ需要注意的是ꎬ区别于无控纠正ꎬ这里选用像方误差补偿方案ꎬ应先计算出补偿参数再进行纠正ꎮ２)北京怀柔地区影像正射纠正实验用北京怀柔地区影像替换连云港地区影像重复实验１ ２ꎬ流程如图１所示ꎬ此时设置区域为:左上角Ｘ:３４.８２Ｙ:１１９.３０{㊀㊀右下角Ｘ:３４.６０Ｙ:１１９.５０{选取Ｇ０６０１㊁Ｇ０６０４㊁Ｇ０６０６为控制点ꎬＧ０６０２㊁Ｇ０６０３为检查点ꎮ３.２㊀实验流程遥感影像正射纠正流程如图１所示ꎮ图１㊀遥感影像正射纠正流程图Ｆｉｇ.１㊀Ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓｏｒｔｈｏ－ｒｅｃｔｉｆｉｃａｔｉｏｎ㊀㊀㊀㊀ｆｌｏｗｃｈａｒｔ４㊀实验结果与精度分析表１㊁２分别列出了用连云港地区影像数据和利用北８２㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀测绘与空间地理信息㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０１８年京怀柔地区影像数据做的实验２像方误差补偿参数计算的结果ꎬ我们以ｅ１和ｆ２接近１来衡量纠正是否准确ꎮ从表１㊁表２显而易见两组结果的ｅ１和ｆ２均接近于１ꎬ可进行精度评定ꎮ表１㊀像方误差补偿参数计算结果(实验２)Ｔａｂ.１㊀Ｃａｌｃｕｌａｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅｉｍａｇｅｅｒｒｏｒ㊀㊀㊀㊀ｃｏｍｐｅｎｓａｔｉｏｎｐａｒａｍｅｔｅｒｓ(ｅｘｐｅｒｉｍｅｎｔ２)Ｘ方向参数Ｙ方向参数ｆ０－３.９９０２６４７ｅ０－７.１５４８１６１ｆ１－０.００００８５０ｅ１１.００１８８３８ｆ２１.０００８１２０ｅ２０.０００３５７３表２㊀像方误差补偿参数计算结果(实验４)Ｔａｂ.２㊀Ｃａｌｃｕｌａｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅｉｍａｇｅｅｒｒｏｒ㊀㊀㊀㊀ｃｏｍｐｅｎｓａｔｉｏｎｐａｒａｍｅｔｅｒｓ(ｅｘｐｅｒｉｍｅｎｔ４)Ｘ方向参数Ｙ方向参数ｆ０３８.８０７２９５１ｅ０８９.３３６６８９７ｆ１－０.００１５６１２ｅ１㊀０.９９４８２６０ｆ２０.９９８３４２４ｅ２－０.００５３０８７图２㊁图３分别为两组实验正射纠正的结果ꎮ单从影像来看ꎬ无控制点的正射纠正和有控制点的正射纠正对比并不明显ꎬ需进行定量分析ꎮ正射影像的纠正精度评定是利用实测ＧＰＳ点作为检查点ꎬ在纠正后的影像上选取对应检查点位置并读取坐标值ꎬ计算较差的中误差ꎬ公式如下[１５]:ＲＭＳ＝ðｉ(ｘｉ－Ｘｉ)２＋ðｉ(ｙｉ－Ｙｉ)２ｎ(３)式中ꎬＲＭＳ是检查点较差中误差ꎬｎ是检查点个数ꎬｘｉꎬｙｉ是正射影像上检查点坐标ꎬＸｉꎬＹｉ是实测ＧＰＳ点坐标ꎮ图２㊀连云港地区影像正射纠正结果Ｆｉｇ.２㊀ＩｍａｇｅｃｏｒｒｅｃｔｉｏｎｉｎＬｉａｎｙｕｎｇａｎｇ图３㊀怀柔地区影像纠正结果Ｆｉｇ.３㊀ＩｍａｇｅｃｏｒｒｅｃｔｉｏｎｉｎＨｕａｉｒｏｕ㊀㊀连云港实验中选取３个实测点作为检查点ꎬ实验１和实验２的结果见表３ꎮ怀柔地区影像正射纠正实验中选取两个点为检查点ꎬ实验１和实验２的结果见表４ꎮ表３㊀连云港地区影像无控纠正与有控纠正精度对比Ｔａｂ.３㊀Ａｃｃｕｒａｃｙｃｏｍｐａｒｉｓｏｎｏｆｉｍａｇｅｎｏｎ－ｃｏｎｔｒｏｌｃｏｒｒｅｃｔｉｏｎａｎｄｃｏｎｔｒｏｌｉｎＬｉａｎｙｕｎｇａｎｇ检查点㊀㊀㊀㊀Ｇ２８０２Ｇ２９０１Ｇ３１０３ＸＹＸＹＸＹ无控ｄＸ/ｄＹ(ʎ)＋０.００００８１＋０.００００８６－０.０００２１９＋０.０００１１２－０.０００２０９＋０.０００１１９ｄｘ/ｄｙ(ｍ)＋９.０１７＋９.５０９－２４.３７９＋１２.３８４－２３.２６６＋１３.１５８ＲＭＳ２３.３５有控ｄＸ/ｄＹ(ʎ)＋０.００００１８＋０.００００２７－０.００００５６－０.００００４０－０.００００３１－０.００００３７ｄｘ/ｄｙ(ｍ)＋１.９９０＋３.００６－６.１９２－４.４５３－３.４２８－４.１１９ＲＭＳ５.７７表４㊀怀柔地区影像无控纠正与有控纠正精度对比Ｔａｂ.４㊀Ａｃｃｕｒａｃｙｃｏｍｐａｒｉｓｏｎｏｆｉｍａｇｅｎｏｎ－ｃｏｎｔｒｏｌｃｏｒｒｅｃｔｉｏｎａｎｄｃｏｎｔｒｏｌｉｎＨｕａｉｒｏｕ检查点Ｇ０６０２Ｇ０６０３ＸＹＸＹ无控ｄＸ/ｄＹ(ʎ)＋０.００００９８＋０.０００１７４－０.０００１７９＋０.０００１５４ｄｘ/ｄｙ(ｍ)＋１０.８３６＋１９.３７０－１９.７９３＋１７.１４３ＲＭＳ２４.２７有控ｄＸ/ｄＹ(ʎ)＋０.００００３２＋０.００００４５－０.００００５８－０.００００３４ｄｘ/ｄｙ(ｍ)＋３.５３８＋４.９７６－６.４１３－３.７８５ＲＭＳ６.８１９２第９期许德合等: 天绘一号 影像正射纠正实验与精度分析５㊀结束语本文基于有理函数模型ꎬ选取连云港以及北京怀柔地区 天绘一号 卫星影像ꎬ通过ＭａｐＥｙｅ天绘影像几何纠正试验平台ꎬ分别进行了两组无控制点的正射纠正与有控制点的正射纠正对比实验ꎬ并将两组实验结果进行了定量分析ꎬ得出以下结论:１)ＲＰＣ参数＋像方误差补偿方案对提高纠正精度是有效的ꎮ２)单从两组正射纠正影像来看ꎬ有控制点的正射纠正与无控制点的正射纠正对比并不明显ꎬ需要进一步定量分析ꎮ３)对比表３㊁表４可以发现ꎬ有控制点的正射纠正影像较之无控纠正得到的影像ꎬ其中误差有很大的提高ꎬ分析其原因在于通过引入控制点消除了ＲＰＣ参数的系统误差ꎮ实验表明ꎬ利用ＲＰＣ模型进行影像正射纠正是正确的㊁有效的ꎬ辅以稀少控制点就能获得较高精度ꎬ不使用任何控制点将会导致系统误差偏大ꎬ精度较低ꎮ参考文献:[１]㊀李松明ꎬ李岩ꎬ李劲东. 天绘一号 传输型摄影测量与遥感卫星[Ｊ].遥感学报ꎬ２０１２(Ｓ１):１０－１６. [２]㊀王锐ꎬ张继超ꎬ王祥峰.遥感影像正射纠正技术研究与实现[Ｊ].黑龙江科技信息ꎬ２０１２(２):１８－１９. [３]㊀袁修孝ꎬ张过.缺少控制点的卫星遥感对地目标定位[Ｊ].武汉大学学报:信息科学版ꎬ２００３ꎬ２８(５):５０５－５０９.[４]㊀宋伟东.稀少控制点下遥感影像纠正模型研究[Ｄ].上海:中国科学院上海冶金研究所ꎬ２０００. [５]㊀余俊鹏ꎬ袁修孝ꎬ孙世君ꎬ等.基于姿轨参数的高分辨率卫星遥感影像定向模型[Ｊ].测绘科学ꎬ２０１４ꎬ４３(９):７７－８２.[６]㊀吴亚文ꎬ鲁铁定.利用有理函数模型的几何定位仿射变换方法[Ｊ].测绘科学ꎬ２０１５ꎬ４４(４):４８－５２. [７]㊀李德仁ꎬ张过ꎬ江万寿ꎬ等.缺少控制点的ＳＰＯＴ５ＨＲＳ影像ＲＰＣ模型区域网平差[Ｊ].武汉大学学报:信息科学版ꎬ２００６ꎬ３１(５):３７７－３８１.[８]㊀邓盛满.基于ＲＰＣ模型的ＺＹ－３正射纠正研究[Ｊ].测绘与空间地理信息ꎬ２０１４ꎬ３７(３):２０４－２０６. [９]㊀张过ꎬ李德仁ꎬ秦绪文.基于ＲＰＣ模型的高分辨率ＳＡＲ影像正射纠正[Ｊ].遥感学报ꎬ２００８ꎬ１２(６):９４２－９４８. [１０]㊀黄伟佳ꎬ王珞ꎬ王书强.天绘一号卫星图像处理方法及应用研究[Ｊ].测绘与空间地理信息ꎬ２０１３ꎬ３６(７):１１５－１１６.[１１]㊀王任享ꎬ胡莘ꎬ王新义ꎬ等. 天绘一号 卫星工程建设与应用[Ｊ].遥感学报ꎬ２０１２(Ｓ１):２－５.[１２]㊀宋伟东ꎬ陈静波ꎬ王伟玺.高分辨率遥感影像单片定位及正射纠正方法[Ｊ].辽宁工程技术大学学报:自然科学版ꎬ２００９ꎬ２８(１):３６－４０.[１３]㊀童小华ꎬ刘世杰ꎬ叶勤.基于有理函数模型的ＱｕｉｃｋＢｉｒｄ立体定位精度分析[Ｊ].同济大学学报:自然科学版ꎬ２００９ꎬ３７(４):５５５－５５９.[１４]㊀吴亚文ꎬ鲁铁定.利用有理函数模型的几何定位仿射变换方法[Ｊ].测绘科学ꎬ２０１５ꎬ４０(４):４８－５２.[１５]㊀姜云玉ꎬ赵裕粟ꎬ高欣圆.基于有理函数模型的 天绘一号 影像正射纠正[Ｊ].测绘与空间地理信息ꎬ２０１３ꎬ３６(３):１２９－１３０.[编辑:任亚茹](上接第２６页)㊀㊀２)由最近距离分析模型分析可以看出ꎬ约５８.４６％居民点在距学校３ｋｍ的范围以内ꎻ且上述区域的学校的服务范围适中ꎬ基本能够满足区域居民点适龄儿童求学的需要ꎻ４１.５４％的居民点距学校的距离偏大ꎬ且上述区域义务教育资源的服务范围偏大ꎬ严重影响到义务教育的公平性ꎮ３)针对义务教育资源布局存在的问题ꎬ可将研究区由内而外分为核心区㊁过渡区和外围区ꎮ针对核心区义务教育资源密集区ꎬ服务范围相互重叠ꎬ可以考虑撤并办学不佳的学校ꎬ对于办学较好的学校可以在城市外围设立分校ꎻ过渡区的义务教育资源虽然基本上能够满足应用需要ꎬ但应作适当规模调整㊁适当增加学校等措施以满足实际需要ꎻ外围区是未来城市发展的方向ꎬ应增加新校的建设力度ꎬ实现规模与数量的增加ꎮ参考文献:[１]㊀张鲜鲜ꎬ李久生ꎬ赵媛ꎬ等.南京市高级中学可达性及空间分布特征研究[Ｊ].测绘科学ꎬ２０１５ꎬ４０(１１):１１１－１１４.[２]㊀姜海宁ꎬ谷人旭ꎬ陆玉麒ꎬ等.江苏省民用机场可达性及其服务能力评价[Ｊ].地理科学ꎬ２０１０(４):５２１－５２８. [３]㊀ＬｉｕＳꎬＺｈｕＸ.ＡｎｉｎｔｅｇｒａｔｅｄＧＩＳａｐｐｒｏａｃｈｔｏａｃｃｅｓｓｉｂｉｌｉｔｙａｎａｌｙｓｉｓ[Ｊ].ＴｒａｎｓａｃｔｉｏｎｓｉｎＧＩＳꎬ２００４ꎬ８(１):４５－６２. [４]㊀ＫａｌｏｇｉｒｏｕＳꎬＦｏｌｅｙＲ.Ｈｅａｌｔｈꎬｐｌａｃｅａｎｄｈａｎｌｙ:ｍｏｄｅｌｉｎｇａｃｃｅｓｓｉｂｉｌｉｔｙｔｏｈｏｓｐｉｔａｌｓｉｎＩｒｅｌａｎｄ[Ｊ].ＩｒｉｓｈＧｅｏｇｒａｐｈｙꎬ２００６ꎬ３９(１):５２－６８.[５]㊀郑朝洪.基于ＧＩＳ的县级市医疗机构空间可达性分析 以福建省石狮市为例[Ｊ].热带地理ꎬ２０１１ꎬ３１(６):５９８－６０３.[６]㊀周爱华ꎬ张景秋ꎬ张远索ꎬ等.ＧＩＳ下的北京城区应急避难场所空间布局与可达性研究[Ｊ].测绘通报ꎬ２０１６(１):１１１－１１４.[７]㊀沈怡然ꎬ杜清运ꎬ李浪姣.改进移动搜索算法的教育资源可达性分析[Ｊ].测绘科学ꎬ２０１６ꎬ４１(３):１２２－１２６. [８]㊀陈旸.基于ＧＩＳ的社区体育服务设施布局优化研究[Ｊ].经济地理ꎬ２０１０ꎬ３０(８):１２５４－１２５８. [９]㊀沈怡然ꎬ杜清运ꎬ李浪姣.改进移动搜索算法的教育资源可达性分析[Ｊ].测绘科学ꎬ２０１６ꎬ４１(３):１２２－１２６. [１０]㊀梁会民ꎬ陈文月ꎬ殷洁ꎬ等.基于网络分析的快递网点布局优化研究[Ｊ].物流科技ꎬ２０１５ꎬ３８(４):３７－４０. [１１]㊀朱华华ꎬ闫浩文ꎬ李玉龙.基于Ｖｏｒｏｎｏｉ图的公共服务设施布局优化方法[Ｊ].测绘科学ꎬ２００８ꎬ３３(２):７２－７４. [１２]㊀尹海伟ꎬ孔繁花ꎬ宗跃光.城市绿地可达性与公平性评价[Ｊ].生态学报ꎬ２００８ꎬ２８(７):３３７５－３３８３.[编辑:任亚茹]０３㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀测绘与空间地理信息㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０１８年。
2018年第8期信息通信2018 (总第188 期）INFORMATION & COMMUNICATIONS (Sum. No 188)卫星动态成像对平台稳定度的需求分析段岑薇(北京卫星信息工程研究所，北京100095)摘要:敏捷卫星由于具备快速姿态机动与稳定成像能力，可以在实现高时间分辨率、高空间分辨率以及宽幅宽。
而像移 速度失量是制约高分辨率成像的主要原因，卫星平台的姿态稳定度和姿态指向度都会影响像移，造成像质下降。
针对上 述问题，文章通过建立敏捷卫星在姿态机动过程中成像的像移速度失量模型，定量分析姿态误差对成像I量的影响情 况，对卫星平台的研制提供一定的依据。
关键词:敏捷卫星;动态成像;像质分析;误差分配中图分类号:TP18 文献标识码:A 文章编号：1673-1131(2018)08-0027-03〇引言1敏捷卫星动态成像模式高分辨率光学遥感器件通常采用TDICCD,通过对同一 目标多次曝光使得焦面上总曝光量增加，解决了相机采用小 孔径时，光通量不足的问题，提高图像信噪比[1]。
成像时需要 推扫方向与目标点的像移方向一致，像移速度大小与CCD电荷行转移速度相匹配[1_2],否则MTF将下降，造成图像模糊[1]。
卫星姿态机动过程中，卫星平台所提供的姿态稳定度、姿态 指向精度等指标都会存在一定的误差，误差一旦过大，将导 致成像质量不能满足需求，造成无效成像。
故需要明确姿态 稳定度、姿态指向精度等误差对成像质量定量影响关系，对 卫星平台提出合理的需求。
目前，对于敏捷卫星动态成像时 对卫星平台稳定精度的研究较少，本文可以在一定程度上提 供参考。
本文采用太阳同步轨道，以TDICCD作为光学有效载荷，针对敏捷卫星动态成像模式，建立像移速度模型，分析姿态稳 定度和指向度等参数对成像质量的影响，为卫星平台研制提 供参考。
传统卫星由于平台的姿态稳定度和指向精度不够，为了 保证成像质量，成像时关闭光学有效载荷。
偏远山区缺少控制点的高分影像区域网平差邓仕雄摘要：常规根据地面控制点采用多项式拟合来对遥感影像进行几何纠正，但该方法限于具有足够且分布均匀的地面控制点的情况下才可获得较好的精度,由于偏远山区有些地方人员根本无法到达或实时定位，因此地面控制点的获取较困难。
本文针对偏远山区缺少控制点的情况，提出了基于有理多项式(Rational Polynomial Coefficient，RPC）模型的区域网平差技术，实验证明该方法能够达到高分影像的定位精度。
关键字：控制点；有理多项式；区域网平差Remote mountainous area lack of control point high score image area netadjustmentDENG Shi-xiong1Abstract:According to conventional ground control points of the remote sensing image by polynomial fitting to geometric correction, but this method is limited to have enough and uniform distribution under the condition of ground control points to achieve better accuracy, due to the remote mountain area where some people can not arrive or real—time positioning，so the ground control points for more difficult. Without control points for the remote mountain area, the author of this paper，based on the Rational Polynomial (Rational Polynomial Coefficient, RPC）model of regional net adjustment technology, the experiment proved that the method can achieve high precision of the image. Keywords：The control points；Rational polynomial;Regional net adjustment1 引言区域网平差是摄影测量生产中的关键步骤，它是利用少量地面控制点来计算一个测区中所有影像的外方位元素和所有加密点的地面坐标[1]。
