郭弘扬 1,2,3徐淑静 1,2,3许世浩 1,2,3徐杨杰 1,2,3[ ... ]黄永梅 1,2,3
1 中国科学院 光束控制重点实验室, 成都 610209
2 中国科学院 光电技术研究所, 成都 610209
3 中国科学院大学, 北京 100049
空间激光通信系统中, 波前校正系统时间延迟引起校正器生成的校正面形与实际的畸变不匹配, 最终导致校正滞后误差。针对这一问题, 分析大气扰动产生的时序像差模型, 提出一种基于运动估计的波前预测补偿技术。在大气冻结模型假设下, 采用自适应根模式搜索(ARPS)运动估计算法, 根据参考帧与当前帧的畸变光斑图像对下一帧的大气扰动进行估计。仿真结果表明: 在50 Hz采样频率下, 波长为1550 nm、口径为0.1 m的望远镜系统在10 m/s等效风速时归一化光强图像校正残差从1.24 rad降低到1.17 rad。
空间光通信 运动估计 自适应根模式搜索算法 像差预测 波前校正 space optical communication motion estimation adaptive root pattern search algorithm aberration prediction wavefront correction
1 山东科技大学测绘科学与工程学院, 山东 青岛 266590
2 中国科学院遥感与数字地球研究所, 北京 100101
3 中科卫星应用德清研究院微波目标特性测量与遥感重点实验室, 浙江 德清 313200
4 中国科学院大学资源与环境学院, 北京 100049
5 University of Alicante, Alicante, 99, Spain
水稻株高是水稻本身以及土壤、 水文、 气象等因素的综合反映, 是水稻长势监测的重要指标。 准确、 高效、 大范围的株高反演为水稻品种识别、 物候监测、 病虫害评估和产量预测等提供了可靠的依据。 合成孔径雷达（SAR）, 具有全天时、 全天候、 穿透性的优势, 成为水稻株高反演的重要手段之一。 基于极化干涉测量（PolInSAR）的散射模型的反演算法具有严密的物理模型的支撑及较高的反演精度等特点, 成为植被高度反演研究的热点。 结合极化干涉SAR技术, 构建了一种基于RVoG（Random Volume over Ground）模型的水稻株高反演算法, 并利用2015年水稻生长季内9个时相的TanDEM-X极化干涉SAR数据, 进行了水稻株高反演试验。 首先基于每个时相下的极化干涉SAR数据分别得到8个复相干系数, 利用这8个复相干系数在考虑卫星双站模式等情况下进行去相干处理, 然后建立适用于水稻田特性的RVoG模型, 接着构建基于该模型的水稻株高反演迭代算法, 最后对9个时相下的TanDEM-X数据进行研究区的水稻株高反演及精度评定。 结果表明, 当水稻株高高于0.4m时, 该方法的反演结果较好, 决定系数（R2）为0.86, 均方根误差RMSE为6.79 cm; 当水稻株高较低时（水稻株高小于0.4 m）, 反演误差在0.1～0.8 m之间, 反演结果较差, 被明显高估。 通过分析认为, 基于极化干涉理论, TanDEM-X数据在较好地反映出水稻植株的较大体散射量的前提下, 利用所构建的基于RVOG模型的水稻株高反演算法, 能够较好地反演株高在0.33～1.2 m的水稻株高。
水稻 株高 极化干涉SAR RVoG模型 模式搜索法 Rice Rice height TanDEM-X TanDEM-X Polarimetric interferometry SAR (PolInSAR) RVoG model Pattern search algorithm
