多源卫星测高数据基准的统一研究

多源卫星测高数据基准的统一研究
多源卫星测高数据基准的统一研究

第28卷第3期2008年6月

大地测量与地球动力学

JOURNAL OF GEODESY AND GEODY NAM I CS

Vol.28No.3

 June,2008

文章编号:167125942(2008)0320092205多源卫星测高数据基准的统一研究3

金涛勇1) 李建成1) 邢乐林1,2) 褚永海1)

1)武汉大学测绘学院,武汉 430079

2)中国地震局地震研究所,武汉 430071

摘 要 研究并给出了多源卫星测高数据基准统一的方法。利用经过精密预处理的测高卫星观测数据,计算得到了各测高系统之间的框架转换参数。同时,利用该转换参数结合交叉点平差技术建立了中国海域的平均海面高模型,并与K MS04、C LS01和WHU2000平均海面高模型进行比较,验证了多源卫星测高数据基准统一方法及其确定的框架转换关系的可靠性。

关键词 卫星测高;参考椭球;参考框架;基准统一;交叉点

中图分类号:P207 文献标识码:A

RESEARCH O N DATU M UN I F I CAT IO N O F

M UL T I2SATELL I TE AL T I M ETR I C DATA

J in Taoyong1),L i J iancheng1),Xing Lelin1,2)and Chu Yonghai1

)

1)School of Geodesy and Geo m atics,W uhan U niversity,W uhan 430079

2)Institute of Seis m ology,CEA,W uhan 430071

Abstract The methods f or datum unificati on of multi2satellite alti m etric data were studied and given,and the transfer para meters bet w een several alti m etric syste m were calculated fr om edited and corrected alti m etric data.Fi2 nally,a mean sea surface model of China Sea are established after data unificati on and cr oss over adjust m https://www.360docs.net/doc/eb16696972.html,2 pared with CLS01,K MS04and WHU2000mean sea surface models,the validity and credibility of mean sea sur2 face model of China sea and the transf or m method and para meters are verified.

Key words:satellite alti m etry;reference elli p s oid;reference fra me;datum unificati on;cr oss overs

1 引言

卫星测高能在全球范围内全天候、多次重复、准确地提供海洋表面高度的观测值,为研究海洋学及相关学科提供丰富的信息源[1]。近30多年来实施的海洋卫星测高计划已在海洋信息提取方面取得了许多突破性的成果。随着计划的不断实施,测高数据以海量形式增加。多种测高卫星项目的出现,为地学和大地测量学的研究提供了更加丰富的数据。对所有这些测高系统的综合和交叉运用,可以充分发挥各测高系统的优势。然而多种多代测高卫星数据的精度水平差距较大,有些还存在参考椭球和参考框架的差别,联合处理多种多代卫星测高数据必须考虑对各测高系统使用参考椭球和参考框架进行统一,即参考基准的统一。针对这一问题,本文讨论了多种多代测高数据的基准统一方法,并以该方法

3收稿日期:2008203219

基金项目:国家自然科学基金(40637034,40704004),中国地震局地震研究所所长基金(I O S200736026)作者简介:金涛勇,男,1982年生,博士生,主要从事卫星大地测量研究.E-mail:whutyjin@https://www.360docs.net/doc/eb16696972.html,

 第3期金涛勇等:多源卫星测高数据基准的统一研究

统一了基准,联合多种数据建立了中国海域海面高

模型[2]。

2 基准转换方法

2.1 参考椭球的转换

不同的测高卫星,椭球参数、椭球定位和定向的

差别可以导致测高数据观测值的差距达到70c m左

右,因此,在联合数据处理时,必须将各卫星所使用

参考椭球转换到同一参考椭球,表1为相关测高卫

星的参考椭球参数[3]。

表1 各测高卫星所用参考椭球参数

Tab.1 Param eters of reference elli pso i d used by s a tellite

a lti m eters

卫星长半轴(m)扁率(1/f)

Geosat6378136.3298.257

ERS21/26378137298.257223563

T/P6378136.3298.257

Jas on216378136.3298.257

Envisat216378137298.257222101

对于选定的测高卫星,由于参考椭球参数不一

致引起的海面高差异为[4-7]:

dh=-W da+

a

W

(1-f)sin2φdf(1)

式中,a是参考椭球的长半轴,f是参考椭球的扁率,φ是大地纬度,W=1-e2sin2φ,e为椭球的第一偏心率,da=a

-a、df=f0-f分别为椭球的长半轴改正和扁率改正,dh为参考椭球转换引起的海平面变化。

2.2 参考框架的转换

由于海平面的时变效应、卫星残余轨道误差、测高仪的偏差、参考框架的不一致性以及各种地球物理改正误差的存在,不同任务测高卫星所得到的平均海平面之间存在一定的系统性误差或长波部分的差异[1]。当对两种或两种以上测高卫星的海面高数据联合处理时,应消除其影响。这种系统误差可以用原点的3个偏移量和一个整体的偏移量来表示[5-6]:

H1=H2+Δx cosφcosλ+Δy cosφsinλ+Δz sinφ+B(2)

其中,H

1为目标框架的海平面高,H

2

为转换框架相

应点的海平面高,λ、φ为对应点的经纬度,△x、△y、△z为原点的3个偏移量,B为整体的偏移量。

两测高卫星之间的海平面高差组成参考框架转换方程的观测值,但卫星的时空分辨率不尽相同,即使是相同机构发射的后续卫星,重复周期轨道也存在1~2km的漂移,大地测量任务的卫星轨道更不可能有相同点的观测值。因此,可采用下述两种方法寻找公共点观测值进行参考框架的转换:一是通过某一高精度的全球平均海平面模型,内插出单一测高卫星观测点的模型值,将模型值与观测值之差作为观测值,计算此卫星与参考平均海平面模型之间的框架转换参数,同理,得到其他卫星与该模型框架的转换关系,从而可以获得各测高系统之间的参考框架转换关系;二是通过两测高卫星求解交叉点,以交叉点不符值作为观测值,直接得到这两颗卫星之间的参考框架转换关系。

3 数值计算分析

以T/P测高卫星数据为目标框架,计算Geosat/ ER M、ERS21/35、ERS22/35、Jas on21和Envisat21到T/P框架的转换关系。

3.1 采用的数据与预处理

选取的测高数据为:1)43个周期的Geosat/ ER M数据;2)11个周期时间跨度为1年的ERS21/ 35数据;3)73个周期时间跨度为7年的ERS22/35数据;4)324个周期时间跨度为9年的T/P数据;5) 110个周期时间跨度为3年的Jas on21数据;6)20个周期时间跨度为2年的Envisat21数据。

数据预处理编辑标准以各测高卫星数据用户手册为基础[8-12],综合国内外同行的先进经验,得出比较全面的数据编辑准则,剔出原始数据中无效观测记录并作地球物理和环境改正。同时针对个别卫星观测数据中某些改正值进行特殊处理[3]。

3.2 共线平差

重复轨道测高卫星相邻的周期轨迹间偏离为1~2k m,因此,可以把相邻的周期轨迹间视为平行的轨迹。共线法利用重复平行轨迹上同纬度点海面高的时间平均,可有效地消除周期短于所用共线轨迹时间跨度的时变海面高影响,例如海潮潮汐的影响,以及部分轨道误差影响,当然,其中还包括具有随机特性的时变量。所求得的平均海面可以认为至少在观测时间跨度(如几个月,几年或更长)内的稳态平均海面。

在对上述原始数据进行精密预处理后,分别对43个周期的Geosat/ERM、11个周期的ERS21/35、73个周期的ERS22/35、324个周期的T/P、110个周期的Jas on21,以及20个周期的Envisat21数据进行共线平差。共线中从各卫星采用数据选取每个弧段数据量最大的作为参考弧段(仅参考其经纬度位置信息,忽略对应海面高),并剔除与平均值差距大于1m的海面高观测值(表2)。

39

大地测量与地球动力学28卷

表2 共线平差前后各卫星交叉点不符值精度统计(单位:

c m)

Tab.2 St a tisti cs of cross2over d i fferences of s a tellite a lti m2

eters before and after colli n ear adjust m en t(un it:

c m)

卫星

共线前共线后

平均均方根

标准

偏差

平均均方根

标准

偏差

Geosat/ER M-0.1922.7822.780.3512.3412.34

ERS21/351.2416.9216.881.3510.6210.53

ERS22/352.4318.8118.652.6711.1010.76 T/P-0.2414.1214.12-0.623.543.48 JAS ON21-0.6514.1414.130.795.805.74

E NV I S AT21-0.0915.0615.060.326.266.26

3.3 基于过渡框架的转换关系计算

由于ERS21/2、Geosat/ER M、T/P具有相同参考平均海平面模型(OS U MSS95),以参考平均海平面模型为过渡框架计算其相互转换关系。

测高卫星具有重复周期的特点,这主要是卫星运动与地球自转联合作用的结果,由于地球自转的角速度在不同的纬度是不同的,高纬度的自转角速度慢,导致卫星测高观测数据的空间分布不均匀,在高纬度区密集,低纬度区稀疏。因此,必须对不同纬度的测高数据给予不同的权来降低密集的高纬度数据的影响。本文采用基于卫星倾角的纬度定权[13]。

表3为计算的Geosat/ER M、ERS21/2和T/P数据与其对应参考海平面模型OS U MSS95框架的转换参数。表4为利用表3数据得到的Geosat/ER M、ERS21/2到T/P参考框架的转换参数。

3.4 基于交叉点的转换关系计算

对具有相同参考平均海平面模型的测高数据可以利用前节所述方法得到其相互参考框架的转换关系,然而所有测高系统采用的参考平均海平面高模型并非一致,那么,仍需探求一种寻找公共点观测值的方法。本文设计了两测高系统间互交叉点作为公共点观测值来求解其参考框架转换关系的方法(表5)。

表3 Geos a t/ER M、ERS21/2和T/P卫星与O SU M SS95框架转换参数(单位:c m)

Tab.3 Tran sfer param eters fro m Geos a t/ER M,ERS21/2 and T/P to O SU M SS95(un it:cm)

卫星△x△y△z偏差Geosat/ER M6.54-5.67-1.83-23.06

ERS21/35-2.730.48-2.8131.01

ERS22/35-3.521.10-1.71-9.69 T/P-2.13-1.01-2.003.93表4 利用O SU M SS95计算Geos a t/ER M、ERS21/2到T/ P框架转换参数(单位:c m)

Tab.4 Tran sfer param eters fro m Geos a t/ER M,ERS21/2 to T/P co m puted by O SU M SS95(un it:c m)

卫星△x△y△z偏差Geosat/ER M→T/P-8.674.66-0.1726.99

ERS21/35→T/P0.60-1.490.81-27.08

ERS22/35→T/P1.39-2.11-0.2913.62

表5 互交叉点数据所得各卫星到T/P框架转换参数(单位:c m)

Tab.5 Tran sfer param eters fro m each a lti m eter to T/P co m puted by co2crossovers(un it:cm)

卫星△x△y△z偏差Geosat→T/P-9.295.290.1611.78

ERS21→T/P0.31-2.20-0.36-42.38

ERS22→T/P1.04-2.76-1.38-1.86

Jas on21→T/P0.200.88-1.83-0.81

Envisat21→T/P-0.430.360.75-40.13

比较基于过渡框架和交叉点计算的Geosat/ ER M、ERS21/2到T/P参考框架转换参数,可以看出,两者所得的3个平移参数基本相同,差距在1~2c m,而偏差参数表现了较大的差距,后者在量级上明显高出前者很多。原因可能是,前者计算中公共点为原始观测值,区域内点数分布较合理,能够反应数据的整体趋势;交叉点为原始数据内插所得点,一方面由于点数少,分布稀疏,以点代面,不能反映整体变化,另一方面可能存在一定的内插误差。

两测高卫星的交叉点不符值中既含有径向轨道误差,又存在基准不统一的误差,前者通过交叉点平差削弱,后者通过参考框架转换消除,两者均采用交叉点的不符值作为观测值,各自影响很难分离,但是两者的目标一致,即削弱交叉点不符值。因此,可以考虑将两者联合求解,以平衡两种误差之间的相互影响。

4 中国海域平均海面高模型的建立一般来说,框架之间的转换关系可以采用两框架中已知的公共点坐标作为检验。但本文中两测高卫星参考框架间没有已知公共点,因此对转换关系做验证,截取共线平差后中国海域及邻海部分数据,建立中国海域的平均海面高模型,并与K MS04、CLS01和WHU2000[1,2]平均海面高模型进行比较。

利用上述数据,首先进行各卫星数据的自交叉点平差,然后采用自平差后的数据分别与T/P数据进行互交叉点平差以削弱径向轨道误差。平差过程

49

 第3期金涛勇等:多源卫星测高数据基准的统一研究

中,对参与平差的弧段数据进行改正,舍弃未参与平差的弧段数据,最终得到经参考椭球、参考框架转换,以及自交叉点和与T/P数据互交叉点平差后的总数据量为127684个。在交叉点平差的基础上,将改正后的各测高卫星数据与对应参考模型点上的海面高进行对比,剔除差值大于0.5m的观测值,采用Shepard格网化方法[1-3]得到了30′×30′中国海域的平均海面高模型(图1)。

作为检核,将计算结果与K MS04、CLS01和WHU2000平均海平面模型进行数值比较。由于建立的海面高模型只是对转换关系的一种检验,未利用波形重跟踪算法对近海沿岸和海岛礁附近观测数据进行改善,这部分数据对模型比较有较大影响。故首先剔除了差值绝对值大于0.5m的数据,然后进行数值统计,如表6,其中除点数外统计结果均以区间上界为参考

。图1 30′×30′中国海域平均海面高模型

Fig.1 Mean sea surface model in China sea by30′×30′表6 与K M S04、CL S01和W HU2000差值绝对值小于0.5m点位区间统计(单位:m)

Tab.6 St a tisti cs of po i n t zones of d i fference less than0.5m between Ch i n a sea SSH

and K M S04,CL S01,W HU2000(un it:m)

统计区间0~0.10.1~0.20.2~0.30.3~0.40.4~0.5

点数

K M S041559761339209138 CLS011620736307218119 WHU20001340693396255136

平均

K M S040.0160.0260.0290.0310.032 CLS010.0140.0220.0230.0220.021 WHU20000.0090.0140.0150.0170.020

均方根

K M S040.0540.0940.1240.1520.176 CLS010.0540.0930.1200.1500.172 WHU20000.0550.0970.1340.1660.190

标准偏差

K M S040.0520.0900.1200.1480.174 CLS010.0520.0900.1190.1480.170 WHU20000.0540.0960.1330.1660.189

从表6可以看出,中国海域平均海面高模型与上述3个模型的精度相当。由于只是对转换结果的一种验证,未采纳大地测量任务数据,故分辨率低于上述3个模型,但仍可以证明上述所得测高数据间框架转换关系计算结果是正确的。

5 结论

在总结比对参考框架转换方法的基础上,进行大量的数据处理和分析后得到了不同测高卫星观测数据参考框架之间的转换关系。基于该转换关系,联合交叉点平差技术建立了中国海域平均海面高模型,并与K MS04、CLS01和WHU2000平均海面高模型进行比较,统计结果验证了所建立海面高模型的正确性,也表明所得转换关系是可靠的。

本文所得转换参数能够较好地反应框架间的不一致误差,但转换后的结果仍受径向轨道误差和残余改正误差的影响,在联合多种测高数据应用时,仍需要进行星间交叉点平差来削弱残余误差影响,即联合运用多种测高数据必须同时进行参考框架转换和星间交叉点平差。

致谢 衷心感谢丹麦空间研究中心提供的K MS04, CNES提供的CLS01以及武汉大学G NSS中心姜卫平教授提供的WHU2000平均海平面模型。

参考文献

1 姜卫平.卫星测高在大地测量学中的应用[D].武汉大学,2000.

(下转第99页)

59

 第3期边刚等:磁异常插值残差精度检查线中点评估法

版社,1996.

1 L iang Kail ong,et al.Marine gravi m etry and magnetic survey2 ing[M].Beijing:Press of Surveying and Mapp ing,1996.(in Chinese)

2 G-880Cesiu m M arine Magnet ometer Operati on Mannual [S].Geo M etrics,I nc.1997.

3 Cl oet R L.The effect of line s pacing on survey accuracy in a sand2wave area[J].The Hydr ographic Journal,1976,2:37 -48.4 刘雁春.海洋测深空间结构及其数据处理[M].北京:测绘出版社,2004

4 L iu Yanchun.Spacial constracti on of marine s ounding and the date p r ocessing[M].Beijing:Press of Surveying and M app ing,1996.(in Chinese)

5 M arine M agnet ometer Data Collecti on Soft w are M ag Log NT Operati on Mannual[S].Geo M etrics,I nc.1997.

6 Mag M ap2000U ser Guide[S].Geo Metrics,I nc.2002.

(上接第95页)

1 J iangW ei p ing.The app licati on of satellite alti m etry in geode2 sy[D].W uhan:W uhan University,2000.(in Chinese)

2 姜卫平,李建成,王正涛.联合多种测高数据确定全球平均海面WHU2000[J].科学通报,2002,47(15):1187-1191.

2 J iang W ei p ing,L i J iangcheng and W ang Zhengtao.Deter m i2 nati on of gl obal mean sea surface WHU2000using multi-satellite alti m etric data[J].Chinese Science Bulletin,2002, 47(15):1187-1191.(in Chinese)

3 金涛勇.多源卫星测高数据的基准统一[D].武汉大学, 2006.

3 J in Taoyong.Datu m unificati on of multi2satellite alti m etric data[D].W uhan University,2006.(in Chinese)

4 章传银.近海多种卫星测高数据应用技术研究[D].武汉大学,2002.

4 Zhang Chuanyin.Research on app licable technique of multi2 satellite alti m etric data in China sea[D].W uhan University, 2002.(in Chinese)

5 Rapp R H,Yi Y and W ang YM.M ean sea surface and geoid gradient comparis ons with T OPEX alti m eter data[J].J.Geo2 phys.Res.,1994,99(C12):24657-24667.

6 Yi Y.Deter m inati on of gridded mean sea surface fr om T OPEX,ERS21and GE OS AT alti m eter data[D].Dep t.of Geodetic Science and Surveying,The Ohi o State University, Colu mbus,1995.7 Hwang C.Analysis of s ome syste matic err ors affecting alti m e2 ter-derived sea surface gradient with app licati on t o geoid deter m inati on over Tai w an[J],Journal of Geodesy,1997, 71:113-130.

8 AV I S O.Avis o user handbook:M erger Topex/Poseidon PRODUCTS(G DR-M s)[M].AV I-NT-02-101-

C N,Edit.3.0,Toul ouse:C NES and CLS,1996

9 CERS AT.A lti m eter&m icr owave radi ometer ERS p r oducts: U ser manul[M].C2-MUT-A-01-1F,Ver.2.3,Fras2 cat:ESR I N,2001

10 ES A.E NV I S AT RA2/MWR p r oduct handbook[M].Issue

1.2,Frascat:ESR I N,2004.

11 N.Picot,K.Case,S.Desai and P.V incent,"AV I S O and P ODAAC user handbook.I G DR and G DR Jas on p r oducts"

[M].S MM-MU-M5-OP-13184-CN(AV I S O),JP L D-21352(P ODAAC),T oul ouse:CNES and C LS,2003. 12 NOAA.The geosat alti m eter JG M-3G DR s on CD-ROM [M].M aryland:NODC Laborat ory f or satellite alti m etry, 1997.

13 翟国君,等.测高数据在计算海平面时的取权[J].武汉测绘科技大学学报,1999,24(2):103-106.

13 Zhai Guojun,et al.The weighting in mean sea level compu2 tati on using alti m eter data[J].Journal of W uhan Technical University of Surveying and M app ing,1999,24(2):103-106.(in Chinese)

99

智慧城市多源异构大数据处理框架

智慧城市多源异构大数据处理框架 摘要:智慧城市建设的重心已由传统IT系统和信息资源共享建设,转变为数据的深度挖掘利用和数据资产的运营流通。大数据中心是数据资产管理和利用的实体基础,其核心驱动引擎是大数据平台及各类数据挖掘与分析系统。讨论了智慧城市大数据中心建设的功能架构,围绕城市多源异构数据处理的实际需要,对数据中心大数据平台的架构进行了拆分讲解,并以视频大数据处理为例,阐述了数据中心中大数据平台的运转流程。 关键词:智慧城市;大数据;多源异构;视频分析 1 引言 随着智慧城市建设逐步由信息基础设施和应用系统建设迈入数据资产集约利用与运营管理阶段,城市大数据中心已成为智慧城市打造核心竞争力、提升政府管理效能的重要工具。一方面政府借助大数据中心建设可以将有限的信息基础设施资源集中高效管理和利用,大幅降低各自为政、运维机关庞杂、财政压力过大的问题;另一方面,可以在国务院、发展和改革委员会大力支持的政策东风下,打破部门间数据壁垒,推动政府各部门职能由管理转为服务,提高数据共享利用率和透明度。以大数据中心为核心构建城市驾驶舱,实现城市运转过程的实时全面监控,提高政府决策的科学性和及时性。智慧城市大数据中心建设功能框架如图1所示,其中针对不同部门的数据源,由数据收集系统完成数据的汇聚,并根据数据业务类型和内容的差异进行粗分类。为避免过多“脏数据”对大数据平台的污染,对于批量数据,不推荐直接将数据汇入大数据平台,而是单设一个前端原始数据资源池,在这里暂时存储前端流入的多源异构数据,供大数据平台处理调用。

图1 智慧城市大数据中心功能框架 大数据平台是城市大数据中心运转的核心驱动引擎,主要完成多源数据导入、冗余存储、冷热迁移、批量计算、实时计算、图计算、安全管理、资源管理、运维监控等功能[1],大数据平台的主体数据是通过专线连接或硬件复制各政府部门数据库的方式获得,例如地理信息系统(geographic information system,GIS)数据、登记信息等。部分数据通过直连业务部门传感监测设备的方式获得,例如监控视频、河道流量等。大数据平台的输出主要是结构化关联数据以及统计分析结果数据,以方便各类业务系统的直接使用。 不同部门间共享与交换的数据不推荐直接使用原始数据,一方面是因为原始数据内容密级存在差异,另一方面是因为原始数据内容可能存在错误或纰漏。推荐使用经过大数据平台分类、过滤和统计分析后的数据。不同使用部门经过政务信息门户统一需求申请和查看所需数据,所有数据的交换和审批以及数据的监控运维统一由数据信息中心负责,避免了跨部门协调以及数据管理不规范等人为时间的损耗,极大地提高了数据的流通和使用效率。另外,针对特定的业务需求,可以基于大数据平台拥有的数据进行定制开发,各业务系统属于应用层,建设时不宜与大数据平台部署在同一服务器集群内,并且要保证数据由大数据平台至业务系统的单向性,尽量设置业务数据过渡区,避免应用系统直接对大数据平台核心区数据的访问。 目前主流大数据平台都采用以Hadoop为核心的数据处理框架,例如Cloudera公司的CDH(Cloud er a Distribution for Hadoop)和星环信息科技(上海)有限公司(Transwarp)的TDH(Transwarp Data Hub)、Apache Hadoop等。以Hadoop为核心的大数据解决方案占大数据市场95%以上的份额,目前国内80%的市场被Cloudera占有,剩余20%的市场由星环信息科技(上海)有限公司、北京红象云腾系统技术有限公司、华为技术有限公司等大数据公司分享。随着数据安全意识的增强、价格竞争优势的扩大,国内企业在国内大数据市场的份额和影响力正在快速提升。大数据的应用历程可归纳为3个阶段:第一个阶段是面向互联网数据收集、处理的搜索推荐时代;第二个阶段是面向金融、安全、广播电视数据的用户画像和关系发现时代;第三个阶段是面向多数据源与多业务领域数据的融合分析与数据运营时代,并且对数据处理规模和实时性的要求大幅提高。 本文在智慧城市大数据中心建设方案的基础上,阐述了多源异构大数据处理的框架和流程,并以最典型的非结构化视频大数据处理为例,介绍了多源异构大数据处理框架运转的流程。 2 多源异构大数据处理框架 2.1 系统整体架构 多源异构是大数据的基本特征[2],为适应此类数据导入、存储、处理和交互分析的需求,本文设计了如图2所示的系统框架,主要包括3个层面的内容:基础平台层、数据处理层、应用展示层。其中,基础平台层由Hadoop生态系统组件以及其他数据处理工具构成,除了提供基本的存储、计算和网络资源外,还提供分布式流计算、离线批处理以及图计算等计算引擎;数据处理层由多个数据处理单元组成,除了提供基础的数据抽取与统计分析算法外,还提供半结构化和非结构化数据转结构化数据处理算法、数据内容深度理解算法等,涉及自然语言处理、视频图像内容理解、文本挖掘与分析等,是与人工智能联系最紧密的层,该层数据处理效果的好坏直接决定了业务应用层数据统计分析的准确性和客户体验;应用展

常见的资源卫星影像数据区别

一.遥感数据基础知识: 太阳辐射经过大气层到达地面,一部分与地面发生作用后反射,再次经过大气层,到达传感器。传感器将这部分能量记录下来,传回地面,即为遥感数据。目前用于遥感的电磁波段有紫外线、可见光、红外线和微波。航空与航天飞行器运行快、周期短,可获得多时相数据。以美国陆地卫星5号(Landsat 5 )为例,Landsat 5每天环绕地球14.5圈,覆盖地球一遍所需时间仅16天,而气象卫星的周期更短(1天或半天)。由于探测距离远,传感器所获得的地面影像覆盖的空间范围较大。它距离地表的高度是705.3 km,对地球表面的扫描宽度是185 km,一幅TM 图像可以全部覆盖我国海南岛大小的面积。不同的卫星传感器获得的同一地区的数据以及同一传感器在不同时间获得的同一地区的数据,均具有可比性. (1)遥感平台 遥感平台是装载传感器的运载工具,按高度分为: 地面平台:为航空和航天遥感作校准和辅助工作。 航空平台:80 km以下的平台,包括飞机和气球。 航天平台:80 km以上的平台,包括高空探测火箭、人造地球卫星、宇宙飞船、航天飞机。 人造地球卫星的类型: 低高度、短寿命卫星:150~350 km,用于军事。 中高度、长寿命卫星:350~1800 km,地球资源。 高高度、长寿命卫星:约3600 km,通信和气象。 (2)遥感数据类型 按平台分 地面遥感、航空遥感、航天遥感数据。

按电磁波段分 可见光遥感、红外遥感、微波遥感、紫外遥感数据等。 按传感器的工作方式分 主动遥感、被动遥感数据。 (3)遥感数据获取原理; (4)传感器 a.传感器定义:传感器是收集、探测、记录地物电磁波辐射信息的工具。它的性能决定遥感的能力,即传感器对电磁波段的响应能力、传感器的空间分辨率及图像的几何特征、传感器获取地物信息量的大小和可靠程度。 b.传感器的分类 按工作方式分为: 主动方式传感器:侧视雷达、激光雷达、微波辐射计。 被动方式传感器:航空摄影机、多光谱扫描仪(MSS)、TM、ETM(1,2)、HRV、红外扫描仪等。 c.传感器的组成

电力大数据应用现状及多源异构数据分析技术研究

龙源期刊网 https://www.360docs.net/doc/eb16696972.html, 电力大数据应用现状及多源异构数据分析技术研究 作者:马平徐伟东沈浩钦吴杭 来源:《中国科技纵横》2014年第23期 【摘要】智能电网运行、检修和管理过程中会产生海量异构、多态数据,如何将它们进行高效可靠存储,并实现快速分析访问已是当前电力系统中重要的研宄课题。本文在分析电力生产各个环节大数据的产生来源和特点基础上,阐述市场已有大数据技术在电力系统应用的优势和不足。最后,从电网异构多源信息融合及可视化方向提出了一种应用方法。 【关键词】智能电网 ;大数据 ;异构分析 ;可视化 1 引言 近年来,随着全球能源问题日益严峻[1],世界各国都开展了智能电网的研究工作。智能 电网的最终目标是建设成为覆盖电力系统整个生产过程,包括发电、输电、变电、配电、用电及调度等多个环节的全景实时系统。而支撑智能电网的基础是电网大数据全景实时数据采集、传输、存储以及快速分析。目前智能电网中的大数据主要来自以下几个方面: (1)海量电网状态信息采集设备。常规的调度自动化系统含数十万个采集点,配用电、数据中心将达到百万甚至千万级。需要监测的设备数量巨大,每个设备都装有若干传感器,构成了一个庞大的数据网。 (2)高频电网状态信息捕获技术。为满足上层应用需求,设备的采样频率逐渐提高。在输变电设备状态监测系统中,为了能对绝缘放电等状态进行诊断,信号的采样频率必须在 200kHz以上,特高频检测需要GHz的采样率。 (3)视频及模式识别系统推广。智能电网视频监控系统不仅要求能够真实地反映电力系统的情况,并且还需自动判断情况的好与坏,同时自动采取相关措施,是一个“会思考”、“能做事”的智能化系统。为此,需要电网具备强大存储及处理能力。 2 现有大数据处理技术局限性 谷歌公司提出的分布式文件系统(distributed file system,DFS)和MapReduce技术,已成为现阶段Facebook、雅虎等网络公司大数据应用的解决方案[2]。 DFS技术,具备高容错性特点,可部署在海量且价格低廉的硬件设备上,而且它为应用程序提供了高吞吐量的数据访问,适合那些有着超大数据集程序。MapReduce为2004年由谷歌公司提出的一个用来进行并行处理和生成大数据集的并行编程模型。应用“解析器”,将复杂数

GPS测量与数据处理

GPS测量与数据处理自学指导及参考习题 第一部分 内容提要:本部分主要教授全球定位系统的产生、发展及前景和GPS的应用。与GPS的产生背景有关部分,重点介绍第一代卫星导航定位系统——子午卫星系统的原理及其局限性。与GPS应用有关的部分,重点介绍GPS在军事、交通运输、及测量等领域中的应用。 习题: 1、举例说明GPS在测量领域中的应用。 答:(1)用GPS建立和维持全球性的参考框架; (2)建立各级国家平面控制网; (3)布设城市控制网、工程测量控制网,进行各种工程测量; (4)在航空摄影测量、地籍测量、海洋测量中的应用。(《GPS测量与数据处理》,P7) 2、“Transit系统是一个连续、独立的卫星导航系统”这种说法正确吗,为什么? 答:这种说法不正确。子午卫星系统(Transit)中没有采用频分、码分、时分等多路接收技术。接收机在某一时刻只能接收一个卫星信号,这就意味着子午卫星星座中所含的卫星数不能太多。为防止在高纬度地区的视场中同时出现两颗子午卫星从而造成信号相互干扰的可能性,子午卫星星座中的卫星一般不超过6颗,从而使中低纬度地区两次卫星通过的平均间隔达1.5h 左右。由于各卫星轨道面进动的大小和方向不一,最终造成各轨道面之间的间隔疏密不一。相邻轨道面过密时会导致两颗卫星同时进入用户视场,造成信号相互干扰,此时控制中心不得不暂时关闭一颗卫星使其停止工作。轨道面过疏时用户的等待时间有可能长达8~10h。导航定位的不连续性使子午卫星系统无法称为一种独立的导航定位系统,而只能成为一种辅助系统。(《GPS测量与数据处理》,P3) 3、名词解释:多普勒计数 答:若接收机产生一个频率为的本振信号,并与接收到的频率为的卫星信号混频,然 后将差频信号()在时间段[,]间进行积分,则积分值,称为多普勒计数。 第二部分

制造系统基础数据规范(doc 9页)

制造系统基础数据规范(doc 9页)

X公司ERP管理信息系统 制造基础数据整理文档格式规范 文档作者: 创建日期: 确认日期: 控制编码: 当前版本: 审批签字: X公司项目经理> A公司项目经理> 拷贝数量_____

更改记录 日期作者版本更改参考 审阅 姓名职位签字 分发人员 编码姓名地点和位置 1 2 3

目标 本文档用于对该项目基础数据格式规范做了 适当的控制,以便保证所填写的数据达到统 一。 范围 本文档在整个项目设计、实施等过程中都有 效。 相关文档

文档格式 产品结构式: 1、Excel 文本格式 2、所有字段的属性为文本 3、规格栏中描述的是子零件的规格,M、Φ、L采用大 写字母,“乘号”统一为大写字母“*” 4、材质栏中内容按图纸填写 5、材质栏中需要填写生产子项零件所采用的原材料的 材质和规格 6、辅肋描述栏中需填写配套零部件之间关联关系 7、请将随车备件及工具在产品结构中描述 表头格式 父项图号装 配 序 号 子 项 图 号 标 准 号 名 称 分 类 号 规 格 件 数 材 质 重 量 材 料 价 格 备 注 辅 助 描 述 注:“材料价格”字段由财务处整理工艺BOM格式:

1、Excel 文本格式 2、所有字段的属性为文本 3、工艺BOM部分数据由研究所提供表头格式 子项图号原 材 料 名 称 原 材 料 规 格 投 料 工 序 序 号 单 件 用 料 定 额 是 否 采 购/ 自 制 是 否 是 外 协 项 目 工 序 名 称 工 作 中 心 设 备 固 定 工 时 字段说明 投料工序序号:该子件在父件生产过程中投入的工序序号 单件用料定额:生产一件产品所需要的子件或原材料的定额数量 工序序号:反映工序的先后顺序的流水号,如:10、20、。。。等

卫星气象数据接收系统数据产品一览表

卫星气象数据接收系统数 据产品一览表 Lele was written in 2021

目录

卫星气象数据接收系统数据产品一览表 卫星气象数据单收站系统接收的原始数据文件主要由报文组成。安装了MICAPS 系统(气象信息综合分析处理系统)的主机会定时从数据接收机上获取这些原始的报文数据,经过数据解码、数据格式转换,形成一系列可读的、MICAPS 系统定义的数据格式文件(共计十九类数据格式),被存放在/micaps/目录下。下面列示的是目前能接收到的数据产品的内容以及MICAPS 系统定义的十九类数据格式的说明。 一、地面常规气象观测数据产品 地面常规气象数据存放在:/micaps/surface/目录下 时次:02、05、08、11、14、17、20、23 点(北京时) 范围:国内地面报、国外地面报、船舶报 文件名:(YY 为年、MM为月、DD 为日、HH 为时次、ttt 为时效) 以下子目录存放的要素为: /plot 地面全要素填图观测数据(用于地面填图的观测数据-diamond 1) /p0-p 海平面气压(台站数据-diamond 3) /p0 海平面气压(格点数据-diamond 4) /p3-p 地面3 小时变压(台站数据-diamond 3) /p3 地面3 小时变压(格点数据-diamond 4) /vv-p 地面全风速(台站数据-diamond 3)

/t0-p 地面气温(台站数据-diamond 3) /td-p 地面露点(台站数据-diamond 3) /r6-p 6 小时降水量(台站数据-diamond 3) /r24-5-p 05 点的24 小时降水(台站数据-diamond 3)/r24-8-p 08 点的24 小时降水(台站数据-diamond 3)/p24-p 08 点地面24 小时变压(台站数据-diamond 3)/t24-p 08 点地面24 小时变温(台站数据-diamond 3)/tmax-p 02 点地面最高温度(台站数据-diamond 3) /tmin-p 14 点地面最低温度(台站数据-diamond 3) /tg-p 08 点地表最低温度(台站数据-diamond 3) /special 特殊天气(台站数据-diamond 3) /r12-p 12 小时降水(台站数据-diamond 3) /r1-p 1 小时降水(台站数据-diamond 3) /r3-p 3 小时降水(台站数据-diamond 3) /uv 地面流场(格点矢量数据-diamond 11) (以下目录暂缺数据) /vv 地面全风速(格点数据-diamond 4) /t0 地面气温(格点数据-diamond 4) /td 地面露点(格点数据-diamond 4) /r6 6 小时降水量(格点数据-diamond 4) /r24-5 05 点的24 小时降水(格点数据-diamond 4)/r24-8 08 点24 小时降水(格点数据-diamond 4)

【大数据】多源异构通用大数据处理服务平台

一、项目背景及必要性 (一)国内外现状和技术发展趋势 大数据是指海量的数据加上复杂的数据类型。从产业的发展角度看,我们对数据的利用经历了传输、传播、处理三个阶段,而今眼目下,对数据的利用正处在处理这个阶段,即如何处理、如何管理、如何应用,如何优化是现阶段的主要工作。 大数据的具体特点主要表现为四个“V”:一是体量浩大(Volume),数据集合的规模已从GB到TB再到PB级,甚至已经开始以EB和ZB来计算。著名咨询公司IDC的研究报告称,未来10年全球大数据将增加50倍,管理数据仓库的服务器的数量将增加10倍。二是类型复杂(Variety),大数据类型包括结构化数据、半结构化数据和非结构化数据。现代互联网应用呈现出非结构化数据大幅增长的特点,到20152年末非结构化数据将达到整个数据量的75%以上。三是生成迅速(Velocity),大数据通常以数据流的形式动态、快速地产生,具有很强的时效性。数据自身的状态与价值也随时空变化而发生演变,数据的涌现特征明显。四是价值巨大但利用密度低(Value),基于传统思维与技术让人们在实际环境中面临信息泛滥而知识匮乏的窘态。 当今社会,新摩尔定律得到验证,大数据以成为各行各业的焦点。数据的来源多样化:以多源异构数据为代表的非结构化数据占世界上信息总量的95%以上,剩下的5%为结构化数据,包括网页、文本、交易数据、邮件、高清视频、3D视频、语音、图片、地质勘测

数据、多源异构数据探测数据等等,这些数亿TB的数据正以超乎人们想象的速度增长,这对数据的存储系统的容量和实时计算速度提出了空前的要求。同时,大到智慧地球,小到智慧城市的数字化建设,使其越来越多的人、设备和传感器通过数字网络连接起来,产生、传送、分享和访问数据的能力也得到彻底变革。这些行业包括:互联网、制造业、医疗行业、媒体行业、零售销售行业、金融业、能源业、航空航天等等。预计2015年,超过40亿人(世界人口的60%)在使用各种智能终端,以全方位的方式与各行各业发生交互融合。其中大约12%拥有智能终端——其渗透率以每年20%以上的速度增长。如今,3000多万联网传感器节点分布在互联网、交通、汽车、工业、公用事业和零售部门,其数量正以每年30%以上的速度增长。预计到2020年,全球数据使用量预计暴增44倍,达到35.2ZB。35.2ZB也就是说全球大概需要376亿个1TB硬盘来存储数据。 人们对数据日益广泛的需求导致存储系统的规模变得越来越庞大,管理越来越复杂,数据的爆炸性增长和管理能力的相对不足之间的矛盾日益尖锐。同时,数据的高速增长也对存储系统的可靠性和扩展性提出了挑战,海量数据的共享、分析、搜索也显得越来越重要,充分挖掘海量数据中的有效价值。这就要求我们得实现一种有别于传统系统而全新的存储管理平台,该平台必须具备高扩展性、高可靠性、高时效性,同时也需要具备高经济性,只有这样才能更好的为国民经济和生活服务。 国外的大数据发展现状,以GOOGLE/FACEBOOK为代表的

卫星测高技术及其应用

卫星测高技术及应用课程回顾 ●卫星测高技术发展及应用概述 (2) 1卫星测高任务概况 (2) 2、卫星测高任务中搭载辐射计的主要目的 (2) 3、双频雷达高度计 (2) 4、卫星测高任务中使用的主要 (2) 5、一般卫星测高任务中需要搭载哪些基本仪器设备,各主要目的是什么? (2) 6、传统的指向星下点的雷达高度计的主要不足?可能存在哪些技术改进? (3) 7、GNSS测高的工作方式?优缺点? (3) 8、Ka波段测高优缺点? (3) 9、卫星测高技术应用概况 (3) 10、基本概念 (3) ●卫星雷达高度计观测基本原理 (3) 1、卫星测高的基本原理 (3) 2、卫星测高两种基本方式的特点 (3) 3、当前测高任务主要使用哪些频段,各频段有何有点和不足? (4) 4、高度计测风基本原理 (4) 5、有哪些主要遥感方式进行海面风速观测 (4) 6、卫星雷达高度计的观测信息包括哪些?精度如何? (4) ●卫星高度计观测误差 (5) 2、基本概念: (5) 3、影响测高卫星轨道误差的主要因素? (5) ●卫星测高波形理论与处理方法 (5) 1、测高回波形成原理与过程 (5) 2、布朗模型的基本假设 (5) 3、测高波形模型公式的基本意义? (6) 4、图形的几何物理意义 (6) ●卫星测高数据处理 (6) 1、卫星测高数据有哪些基本等级? (6) 2、地球物理产品有哪些分类和特点? (6) 3、测高数据编辑的目的? (6) 4、为什么进行多测高数据处理时要进行基准统一? (6) 5、共线法的基本思想是什么? (6) 6、交叉点平差的主要目的? (7) 7、交叉点计算的主要步骤? (7) ●卫星测高反演海洋重力场理论 (7) 1、斯托克斯公式:由已知的重力异常Δg计算大地水准面高N (7) 2、逆斯托克斯公式:由已知的大地水准面N计算重力异常Δg (7) 3、测高剖面计算垂线偏差 (7) 4、Molodensky公式计算高程异常:垂线偏差计算大地水准面 (7) 6、卫星测高数据计算海洋大地水准面的主要步骤? (7) ●卫星测高技术的其它应用 (7)

国家基础地理信息系统元数据标准(草案)

国家基础地理信息系统(NFGIS)元数据标准草案(初稿) 1. 主题内容与适用范围 本标准提供国家基础地理信息系统(NFGIS)元数据的内容,包括NFGIS数据的标识、内容、质量、状况及其他有关特征。本标准可用于对NFGIS数据集的全面描述、数据集编目及信息交换网络服务。 2. 参考标准 ISO 15046-15地理信息--元数据(CD 2.0) FGDC 地理空间数据元数据内容标准(CSDGM)v.2.0 3. 术语 3.1 元数据 是关于数据的数据,即关于数据的内容、质量、状况和其他特性的信息。也可译为描述数据或诠释数据。 3.2 元数据元素(元数据Element) 元数据最基本的信息单元。 3.3 元数据实体(元数据Entity) 同类元数据元素的集合。 3.4 元数据子集(元数据Section) 相互关联的元数据实体和元素的集合。 3.5 信息交换网络(Clearinghouse) 数据生产者、管理者和用户之间的分布式、电子连接的网络。 3.6 数据志(Lineage) 数据继承信息,包括获取或生产数据使用的原始资料说明、数据处理中的参数、步骤等情况及负责单位的有关信息等。 3.7 引用文献(Citation) 数据集引用或参考使用的资料、数据集、模型、文献等。 4. NFGIS 元数据层次结构和性质 4.1 元数据层次结构 本标准规定NFGIS元数据分为三层:元数据子集、元数据实体和元数据元素。 元数据元素是元数据的最基本的信息单元,元数据实体是同类元数据元素的集合,元数据子

集是相互关联的元数据实体和元素的集合。在同一个子集中,实体可以有两类即简单实体和复合实体,简单实体只包含元素,复合实体既包含简单实体又包含元素,同时复合实体与简单实体及构成这两种实体的元素之间具有继承关系。 4.2 元数据性质 本标准定义三种性质的元数据子集、实体和元素: 必选(Mandatory)──元数据的核心内容,适用于各种被描述对象,是元数据文件必须包含的子集、实体或元素。 一定条件下必选(Conditional )──针对不同的被描述对象特征元数据文件所必须提供的子集、实体或元素。 可选(Optional)──该子集、实体或元素是可选的,由用户决定是否将其包含在元数据文件中。 5. NFGIS 元数据分级和特征 5.1 元数据分级 本标准规定元数据分为两级,即: 基本元数据──提供地理数据源基本文档所需要的最少的元数据元素集。它包括回答下列问题的元数据元素: "是否有特定主题的数据集('什么')?"、"是否有特定地区的数据集('何处')?"、"是否有特定时段的数据集('何时')?" 以及"订购或了解数据集更多情况的联系人('谁')? 完全元数据──提供完整的地理数据源(单独的数据集、数据集系列、各种地理要素)文档所需要的必选的和可选的元数据元素集。它完整地定义全部元数据,以便标识、评价、摘录、使用和管理地理信息。 5.2 元数据特征 本元数据标准定义了8种特征: 5.2.1 名称 赋给元数据实体或元素的标记。 5.2.2 标识码 计算机中使用的定义每个元数据实体和元素的唯一代码。代码结构为: xx xx xx 前两位为元数据子集,两位数字码 中间两位为元数据实体/独立元素,两位数字码 后两位为元数据实体包含的元素,两位数字码

高分一号卫星数据处理参数

北京揽宇方圆信息技术有限公司高分一号卫星数据处理参数 1、GF-1PMS 影像产品介绍 GF-1PMS 相机可以获取2米的全色黑白图像、8米多光谱彩色图像 (蓝、绿、红、近红外4个波段)以及多光谱和全色融合之后的2米真彩产品。 GF-1PMS 的数据由资源卫星应用中心分发,包括Level 1级的辐射校正影像产品和Level 2级的几何校正影像产品。GF-1PMS 处理模板: 产品级别产品处理模板 All Level 1A Level 1C All Bands Multispectral Panchromatic Pansharpen Pansharpen and Multispectral 波谱范围(源自资源卫星应用中心): Tag Band order Wavelength (nm)Description 全色 Pan 1450–900Panchromatic 多光谱 Band 1450–520Blue 多光谱 Band 2520–590Green 多光谱 Band 3630–690Red 多光谱Band 4770–890Near infrared GF-1PMS 传感器2013年在轨绝对辐射定标系数(源自资源卫星应用中心): 卫星载荷波段号 Gain Bias PMS1PAN 0.1886-13.127Band1 0.2082 4.6186Band2 0.1672 4.8768Band3 0.1748 4.8924Band40.1883-9.4771

北京揽宇方圆信息技术有限公司是国内的领先遥感卫星数据机构,而且是整合全球的遥感卫星数据资源,分发不同性能、技术应用上可以互补的多种卫星影像,包括光学、雷达卫星影像、历史遥感影像等各种卫星数据服

多源异构数据采集和可视化解决方案

工业互联网先进应用案例集 案例 可快速部署的低成本多源异构数据采集 和可视化解决方案 ——基于宜科边缘控制器和IoTHub平台的设 备智能管理应用 宜科(天津)电子有限公司成立于2003年,位于天津市西青经济开发区,在中国天津和德国德累斯顿设有研发中心。公司将“自动化技术+数字化工厂+工业互联网”定义为重要的发展战略,围绕工业互联网和智能制造业务持续发力,在工业互联网、智能制造、工业软件等方面积累了大量项目案例和实施经验,在工业互联网领域拥有核心产品和方案,在系统集成解决方案领域处于国内领先地位。 一、项目概况 宜科边缘控制器利用宜科IoTHub TM工业互联网赋能平台和Workbench工业APP快速开发工具,提供“设备连接+数据可视化”应用模式,将成为中小企业管理者直观了解工厂运行状态的最有效方式。

1. 项目背景 工业互联网平台是工业互联网建设的核心。工业设备上云正成为牵引工业互联网平台发展的先导性应用,也是当前工业互联网平台建设的切入点。 工业设备上云就是通过建立实时、系统、全面的工业设备数据采集体系。构建基于云计算的数据汇聚、分析和服务平台,实现工业设备状态监测、预测预警、性能优化,引导带来工业互联网平台的功能演进和规模商用。工业设备种类繁杂、数量多、通信协议与数据格式各异,当前尚缺乏有效的技术手段能够低成本、便捷地实现工业设备快速接入平台,导致绝大部分平台的设备接入数量有限。2. 项目简介 基于宜科边缘控制器,提供“数据+应用”的服务,充分利用IoTHub TM工业互联网赋能平台IaaS和PaaS资源,以及边缘计算设备的性能,提供数据采集能力和数据可视化应用。 数据:系统提供多种协议接口,支持典型的工业控制器、传感器、物联网采集监控终端,并提供协议连接及数据交互操作。 应用:工业APP开发工具,方便提供生产过程监控、调试维护配置、报警相应及处理、报表实时更新及显示生成等功能,方便平台应用。 数据+应用=服务 3. 项目目标 面向工业互联网应用,支持市场二十种以上主流工业协议解析,支持二十万台设备并发连接,提供面向工业现场的图形化、拖拽式和低代码快速开发APP 工具,支持本地、私有云、共有云混合或单一部署,提供多个重点垂直领域的基础应用APP。 在汽车整车及零部件、装备制造、冶金、电子信息领域发展客户上千家,设备连接数超百万。在设备监控、设备预测性维护、生产现场数据可视化、数据分析、实时报警等方面,帮助广大中小制造业企业解决“数据之痛”,提升生产效率,降低运营成本,提高管理水平,助力企业做大做强。

(完整版)卫星图像处理流程

卫星图像处理流程 一.图像预处理 1.降噪处理 由于传感器的因素,一些获取的遥感图像中,会出现周期性的噪声,我们必须对其进行消除或减弱方可使用。 (1)除周期性噪声和尖锐性噪声 周期性噪声一般重叠在原图像上,成为周期性的干涉图形,具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑,代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。 消除尖峰噪声,特别是与扫描方向不平行的,一般用傅立叶变换进行滤波处理的方法比较方便。 图1 消除噪声前

图2 消除噪声后 (2)除坏线和条带 去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带,还有一些与辐射信号无关的条带噪声,一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。 图3 去条纹前

图4 去条纹后 图5 去条带前

图6 去条带后 2.薄云处理 由于天气原因,对于有些遥感图形中出现的薄云可以进行减弱处理。 3.阴影处理 由于太阳高度角的原因,有些图像会出现山体阴影,可以采用比值法对其进行消除。二.几何纠正 通常我们获取的遥感影像一般都是Level2级产品,为使其定位准确,我们在使用遥感图像前,必须对其进行几何精纠正,在地形起伏较大地区,还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正,此处不做阐述。 1.图像配准 为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算,必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。(1)影像对栅格图像的配准 将一幅遥感影像配准到相同地区另一幅影像或栅格地图中,使其在空间位置能重合叠加显示。

基础数据标准

16.1基础数据标准 16.1.1范围 基础数据标准化是的信息化重要工作之一,建立集中、规范统一的基础数据标准,是保证企业信息化系统正常运行的前提条件。此外,统一编码也是企业的一项重要的基础管理工作,对企业管理标准化具有促进作用。通过建立标准化制度,使各业务部门能够协同工作,能够消除重复性劳动,大幅度提高工作效率。 基础数据标准化的意义: 1、统一基础数据,便于计算机系统管理 手工管理状态之下,对基础数据处理存在很大的随意性,不便于计算机系统管理,只有对基础数据统一之后,才能充分体现计算管理所带来的效率。 2、保证基础数据的正确性 使用统一的基础数据编码,可以有效防止一物多码、一物多名、物名错乱等现象的发生。 3、集团范围内基础数据趋于统一、实现数据上报、汇总功能。 集团范围内使用统一基础数据,使业务数据上报、汇总成为可能,以实现集团管理。 16.1.2数据准备策略 根据项目实施工作的整体要求,根据各项静态基础数据的特点,以及数据准备工作量和难度,分别采用如下准备策略: 1、简单基础数据 由项目顾问组制定编码规范,安排业务培训,下发Excel格式的编码模板,由

企业各项目人员自行准备,此类基础数据比较简单,企业人员按示例数据整理即可,并能采用简单方法导入系统(导入方法在“导入实现方式”章节详细说明)。项目顾问组检查编码规范执行情况,并提供必要的工作指导。 2、复杂基础数据 由项目顾问组制定编码规范,安排业务培训,下发Excel格式的编码模板,与简单基础数据相比,数据结构要复杂得多,并且存在一些关联关系,对数据准备要求也比较高,占全部工作量50%以上,因此,需要采用专门的处理方法,其导入方法也比较特别。因此,复杂数据单独作为一类,企业需要配备更多的人员进行处理。以业务编码为例,除了物资管理部门外,技术部门也需要参与基础数据准备,以保证编码质量。项目顾问组重点进行指导检查,并根据实际需要提供更多的支持。 3、固定基础数据 本次实施的目标就是为了使集团范围内业务流程趋同,为集团业务汇总创造有利条件,因此,对于此类编码由项目顾问组提出建议方案,企业一般不再需要调整,以固定编码的方法主导实施,使业务流程趋于一致化(配合业务流程规范)。此类编码一般内容固定,有规范可遵循,数据量很少,按照统一的编码导入即可。目标。 16.1.3基础数据描述规范 中文名称 定义:赋予数据元的单个或多个中文字词的指称。 约束:必选 数据类型:字符串 说明:命名应明确的表达数据元的含义,尽量减少冗余,增加精确度;在同一环境下的所有名称应该是唯一的。 同义名称

高分二号卫星影像数据处理技术方案

1技术路线整体技术流程图 数据查询数据获取 数据预处理 质量检查整理提交原始数据正射校正 平面控制高程数据 辐射校正辐射定标 大气校正 配准融合整体镶嵌 范围裁切

2数据获取与准备方案 2.1影像数据 本项目所用遥感影像数据为高分二号遥感卫星数据。 高分二号卫星是我国自主研制的首颗空间分辨优于1米的民用光学遥感卫星,搭载有两台高分辨率0.8米全色、3.2米多光谱相机,具有亚米级空间分辨率、高定位精度和快速姿态机动能力等特点,有效地提升了卫星综合观测效能,达到了国际先进水平。高分二号卫星于8月19日成功发射,8月21日首次开机成像并下传数据。这是我国目前分辨率最高的民用陆地观测卫星,星下点空间分辨率可达0.8米,标志着我国遥感卫星进入了亚米级“高分时代”。主要用户为国土资源部、住房和城乡建设部、交通运输部和国家林业局等部门,同时还将为其他用户部门和有关区域提供示范应用服务。 高分二号卫星轨道和姿态控制参数 参数指标 轨道类型太阳同步回归轨道 轨道高度631km(标称值) 倾角97.9080° 降交点地方时10:30AM 侧摆能力(滚动)±35°,机动35°的时间≦180s 高分二号有效载荷技术指标 参数0.8m分辨率全色/3.2m分辨率多光谱相机 光谱范围 全色0.45~0.90μm 多光谱 0.45~0.52μm 0.52~0.59μm 0.63~0.69μm 0.77~0.89μm 空间分辨率 全色0.8m 多光谱 3.2m 幅宽45km(2台相机组合)

重访周期(侧摆时)5天覆盖周期(不侧摆)69天 高分二号样图 2.2基础数据 本项目所需要的基础数据资料如下表所示。 基础数据资料表基础数据 覆盖范围数据时间数据格式坐标系比例尺(分辨率)数字高程模 型(DEM )北京最新栅格WGS8430米ASTERDEM 和90米SRTM DEM 数字正射影 像图DOM 北京 局部2017栅格WGS842米高程数据准备情况 本项目高程数据拟采用可覆盖全国的ASTGTM30米的高程数据。本数据已进行过认真的分析检查和修改,检查修改方法为生成等高线,对各区域的高程值以及不连续、不合理或漏洞区域进行修改,修改后的高程数据可确保正射后数据

遥感卫星影像预处理做哪些

北京揽宇方圆信息技术有限公司热线:4006019091 遥感影像数据预处理 影像融合不同传感器的数据具有不同的时间、空间和光谱分辨率以及不同的极 化方式。单一传感器获取的影像信息量有限,往往难以满足应用需要, 通过影像融合可以从不同的遥感影像中获得更多的有用信息,补充单一 传感器的不足。全色图影像一般具有较高空间分辨率,多光谱影像光谱 信息较丰富。为提高多光谱影像的空间分辨率,可以将全色影像融合进 多光谱图像,通过融合既提高多光谱影像空间分辨率,又保留其多光谱 特性。对卫星数据的全色及多光谱波段进行融合。包括选取最佳波段, 从多种分辨率融合方法中选取最佳方法进行全色波段和多光谱波段融 合,使得图像既有高的空间分辨率和纹理特性,又有丰富的光谱信息, 从而达到影像地图信息丰富、视觉效果好、质量高的目的。 影像匀色相邻的遥感图像,由于成像日期、季节、天气、环境等因素可能有差异, 不仅存在几何畸变问题,而且还存在辐射水平差异导致同名地物在相 邻图像上的色彩亮度值不一致。如不进行色调调整就把这种图像镶嵌起 来,即使几何配准的精度很高,重叠区复合得很好,但镶嵌后两边的影 像色调差异明显,接缝线十分突出,既不美观,也影响对地物影像与专 业信息的分析与识别,降低应用效果。要求镶嵌完的数据色调基本无差 异,美观。遥感影像匀色后保证影像整体色彩一致性。 影像镶嵌将不同的图像文件合在一起形成一幅完整的包含感兴趣区域的图像,通 过镶嵌处理,可以获得更大范围的地面图像。参与镶嵌的图像可以是不 同时间同一传感器获取的,也可以是不同时间不同传感器获取的图像, 但同时要求镶嵌的图像之间要有一定的重叠度。 影像去云雾影像数据常常有云雾覆盖,针对有云雾覆盖的影像,可以通过后期技术 处理去除薄云雾,达到影像最佳效果。 影像纠正依据控制点,利用相应软件模块对数据进行几何精校正,这一步骤包括 利用地面控制点(GCPs)找出实际地形,计算配准中控制点的误差,利 用DEM消除地形起伏引起的位移,然后对图像进行重采样等。形成符合 某种地图投影或图形表达要求的新影像。 即插即用无使用门槛,可与各类GIS软件系统无缝衔接 第 1 页

遥感实习2卫星数据的预处理流程

数据预处理的一般过程包括几何校正、图像镶嵌与裁剪、辐射定标与大气校正等环节。

图1 数据预处理一般流程 通常我们直接从数据提供商获取未定标的DN 图像,然后定标为辐射亮度图像,对辐射率亮度图像进行大气校正得到地表反射率图像。 一、辐射定标与大气校正 1、辐射定标Radiometric calibration :将记录的原始DN 值转换为大气外层表面反射率(或称为辐射亮度值)。 目的:消除传感器本身的误差,确定传感器入口处的准确辐射值 方法:实验室定标、机上/星上定标、场地定标 不同的传感器,其辐射定标公式不同。L=gain*DN+Bias 在ENVI 中,定标模块:Basic Tools>Preprocessing>Calibration Utilities>模块 2、大气校正Atmospheric correction :将辐射亮度或者表面反射率转换为地表实际反射率 目的:消除大气散射、吸收、反射引起的误差。 分类:统计型和物理型 目前遥感图像的大气校正方法按照校正后的结果可以分为2种: 1) 绝对大气校正方法:将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。包括:基于辐射传输模型、基于简化辐射传输模型的黑暗像元法、基于统计学模型的反射率反演 2) 相对大气校正方法:校正后得到的图像,相同的DN 值表示相同的地物反射率,其结果不考虑地物的实际反射率。包括:基于统计的不变目标法、直方图匹配法等。 方法的选择问题,一般而言: 1) 如果是精细定量研究,那么选择基于辐射传输模型的大气校正方法。 2) 如果是做动态监测,那么可选择相对大气校正或者较简单的方法。 3) 如果参数缺少,没办法了只能选择较简单的方法了。 在ENVI 中,Basic tools>preprocessing>calibration utilities>FLAASH 二、数字图像镶嵌与裁剪 1、镶嵌 当研究区超出单幅遥感图像所覆盖的范围时,通常需要将两幅或多幅图像拼接起来形成一幅或一系列覆盖全区的较大的图像。 在进行图像的镶嵌时,需要确定一幅参考影像,参考图像将作为输出镶嵌图像的基准,决定镶嵌图像的对比度匹配、以及输出图像的像元大小和数据类型等。镶嵌得两幅或多幅图像选择相同或相近的成像时间,使得图像的色调保持一致。但接边色调相差太大时,可以利 Digital Numbers Radiance TOA Reflectance Geometric correction Step 1 Step 2 Surface Reflectance Step 3 Step 4 Analysis

卫星测高原理及应用领域

卫星测高原理及应用领域 20 世纪80 年代以来, 随着计算机技术和空间技术的高速发展, 地球科学在宏观和微观的研究上进入了一个迅速发展和深入探索的时期。在此期间, 地球科学各分支学科出现了大量新的学科生长点, 提出了许多新学科、新概念、新技术。卫星测高学就是在这种形势下随着卫星遥感遥测技术的应用而发展起来的新型边缘学科, 它利用卫星上装载的微波雷达测 高仪, 辐射计和合成孔径雷达等仪器, 实时测量卫星到海面的距离、有效波高和后向散射系数, 并通过数据处理和分析, 来研究大地测量学、地球物理学和海洋学方面的问题。 卫星测高技术的发展至今虽然只有二十多年的历史,但大量的研究结果表明, 卫星测高在研究海洋大地水准面和重力异常方面, 在研究地球物理和海洋参数方面, 都显示出了巨大的潜力。卫星测高作为一项高科技测量技术,它以人造卫星作为测量仪器的载体, 借助着空间技术、电子技术、光电技术和微波技术等高新技术的发展, 在空间大地测量领域产生了一场深刻的变革。正如国际上著名的大地测量学家莫里兹教授1993 年所指出的那样:“同GPS 一样, 卫星测高也在空间大地测量学领域掀起了一场革命。”(Moritz, 1993) 。 一卫星测高原理 卫星测高仪是一种星载的微波雷达。测高仪的发射装置通过天线以一定的脉冲重复频率向地球表面发射调制后的压缩脉冲, 经海面反射后, 由接收机接收返回的脉冲, 并测量发射脉冲的时刻与接收脉冲的时刻的时间差。根据此时间差及返回的波形, 便可以测量出卫星到海面的距离。 二卫星测高的应用领域 卫星测高数据的应用随着卫星定轨精度和测高仪观测精度的提高以及数据处理方法的改进, 其应用范围越来越大, 社会效益及经济效益越来越明显。发射测高卫星之初的目的比较单一, 就是试图从空中采用遥测的方法确定海面形状, 以期研究大洋环流和其它海洋学参数。之后,由于测高数据的精度大大提高了, 卫星测高在地球物理学领域和大地测量学领域也得 到了空前应用。比如研究海洋大地水准面、海洋范围的重力异常、洋面波高、洋面风场等等, 此外, 卫星测高还被广泛用于研究海潮振幅的分布模式、探测南极大陆周围海冰的位置及格

遥感数据预处理

遥感讲座——遥感影像预处理 据预处理是遥感应用的第一步,也是非常重要的一步。目前的技术也非常成熟,大多数的商业化软件都具备这方面的功能。预处理的大致流程在各个行业中有点差异,而且注重点也各有不同。下面是预处理中比较常见的流程。 1、数据预处理一般流程 数据预处理的过程包括几何精校正、配准、图像镶嵌与裁剪、去云及阴影处理和光谱归一化几个环节,具体流程图如图所示。 各个行业应用会有所不同,比如在精细农业方面,在大气校正方面要求会高点,因为它需要反演;在测绘方面,对几何校正的精度要求会很高。 2、数据预处理的各个流程介绍 (一)几何精校正与影像配准 引起影像几何变形一般分为两大类:系统性和非系统性。系统性一般有传感器本身引起的,有规律可循和可预测性,可以用传感器模型来校正;非系统性几何变形是不规律的,它可以是传感器平台本身的高度、姿态等不稳定,也可以是地球曲率及空气折射的变化以及地形的变化等。 在做几何校正前,先要知道几个概念: 地理编码:把图像矫正到一种统一标准的坐标系。 地理参照:借助一组控制点,对一幅图像进行地理坐标的校正。 图像配准:同一区域里一幅图像(基准图像)对另一幅图像校准

影像几何精校正,一般步骤如下, (1)GCP(地面控制点)的选取 这是几何校正中最重要的一步。可以从地形图(DRG)为参考进行控制选点,也可以野外GPS测量获得,或者从校正好的影像中获取。选取得控制点有以下特征: 1、GCP在图像上有明显的、清晰的点位标志,如道路交叉点、河流交叉点等; 2、地面控制点上的地物不随时间而变化。 GCP均匀分布在整幅影像内,且要有一定的数量保证,不同纠正模型对控制点个数的需求不相同。卫星提供的辅助数据可建立严密的物理模型,该模型只需9个控制点即可;对于有理多项式模型,一般每景要求不少于30个控制点,困难地区适当增加点位;几何多项式模型将根据地形情况确定,它要求控制点个数多于上述几种模型,通常每景要求在30-50个左右,尤其对于山区应适当增加控制点。 (2)建立几何校正模型 地面点确定之后,要在图像与图像或地图上分别读出各个控制点在图像上的像元坐标(x,y)及其参考图像或地图上的坐标(X,Y),这叫需要选择一个合理的坐标变换函数式(即数据校正模型),然后用公式计算每个地面控制点的均方根误差(RMS)根据公式计算出每个控制点几何校正的精度,计算出累积的总体均方差误差,也叫残余误差,一般控制在一个像元之内,即RMS<1。 (3)图像重采样 重新定位后的像元在原图像中分布是不均匀的,即输出图像像元点在输入图像中的行列号不是或不全是正数关系。因此需要根据输出图像上的各像元在输入图像中的位置,对原始图像按一定规则重新采样,进行亮度值的插值计算,建立新的图像矩阵。常用的内插方法包括: 1、最邻近法是将最邻近的像元值赋予新像元。该方法的优点是输出图像仍然保持原来的像元值,简单,处理速度快。但这种方法最大可产生半个像元的位置偏移,可能造成输出图像中某些地物的不连贯。 2、双线性内插法是使用邻近4个点的像元值,按照其距内插点的距离赋予不同的权重,进行线性内插。该方法具有平均化的滤波效果,边缘受到平滑作用,而产生一个比较连贯的输出图像,其缺点是破坏了原来的像元值。 3、三次卷积内插法较为复杂,它使用内插点周围的16个像元值,用三次卷积函数进行内插。这种方法对边缘有所增强,并具有均衡化和清晰化的效果,当它仍然破坏了原来的像元值,且计算量大。 一般认为最邻近法有利于保持原始图像中的灰级,但对图像中的几何结构损坏较大。后两种方法虽然对像元值有所近似,但也在很大程度上保留图像原有的几何结构,如道路网、水系、地物边界等。

相关文档
最新文档