1 辽宁科技大学土木工程学院, 辽宁 鞍山 114051
2 中国科学院空天信息创新研究院, 北京 100101
3 中国科学院大学资源与环境学院, 北京 100049
4 河南理工大学测绘与国土信息工程学院, 河南 焦作 454003
总悬浮物(TSM)是水环境评价的重要参数之一, 也是遥感水质反演的重要指标。 GF-1/WFV和GF-6/WFV作为高分系列对外免费开放的卫星数据, 在遥感监测中的应用较为广泛, 但目前针对两种数据的对比分析以及GF-6/WFV新增波段在水体水质参数反演中的适用性研究较少。 以云南滇池水域为研究区域, 对与水体实测数据同步过境(或时相相近)的GF-1/WFV和GF-6/WFV遥感影像采用统计分析的方法进行相同波段(蓝、 绿、 红、 近红外)一致性分析, 在此基础上运用经验回归方法分别构建两种数据的TSM反演模型, 并将加入GF-6/WFV新增波段的模型与GF-1/WFV构建的模型进行对比分析, 选择最优模型应用于滇池2020年的6幅GF-6/WFV图像得到滇池TSM分布图。 结果表明: GF-1/WFV与GF-6/WFV的蓝、 绿、 红、 近红外波段的相关系数分别为0.98, 0.98, 0.97和0.99, 两种数据的表观反射率具有很高的一致性。 GF-1/WFV基于蓝、 绿、 近红外波段构建的差值模型“B2+B4-B1”反演精度较高, 模型反演的均方根误差为6.35 mg·L-1, 平均绝对百分比误差为23.60%。 GF-6/WFV基于近红外、 红边1和红边2波段构建的比值模型“1/B5+B6”反演精度较高, 模型反演的均方根误差(RMSE)为3.07 mg·L-1, 平均绝对百分比误差(MAPE)为20.65%, 以GF-1/WFV构建的差值模型“B1-B4”与GF-6/WFV构建的“B5-B4”对比发现后者均方根误差减小了2.61 mg·L-1, 平均绝对百分比降低了32.33%, 实验表明加入红边波段的模型反演效果较其他模型更好。 采用建模公式得到了2020年滇池TSM分布图, 滇池TSM的变化范围在4~45 mg·L-1, 均值为18.23 mg·L-1, 总体空间分布呈现北重南轻的分布态势, 滇池TSM时间分布表现为上升-下降趋势。 该研究不仅可以为湖泊水质监测传感器波段设置提供参考和借鉴, 也为滇池水资源监管部门进行水质遥感监测提供了技术支撑。
滇池 总悬浮物 对比分析 GF-1/WFV GF-1/WFV GF-6/WFV GF-6/WFV Dianchi Lake Total suspended matter Comparison and analysis
光谱学与光谱分析
2022, 42(10): 2989
昆明理工大学国土资源工程学院, 云南 昆明 650093
低空无人机(UAV)测量凭借着低成本、 高效率、 高精度的数据采集模式, 可快速获取高空间分辨率的影像数据, 已经成为遥感领域的一种重要技术手段。 其中, 影像匹配技术是UAV影像数据处理的重要步骤, 图像间的匹配直接影响后期三维场景的精度及视觉效果。 针对高原山地的高差起伏变化大地形复杂, 植被覆被率高及地物分布不规则等问题存在, 致使在该区域UAV地形测量处理中因局部噪声造成影像匹配较难。 由于影像获取时受到该区特殊地形的限制, 大场景影像需要借助多幅影像匹配拼接得到。 目前, 基于特征点的影像匹配是一种图像配准技术, 不仅适用于低重叠度影像之间的匹配, 还可以运用到运动恢复图像间的匹配。 为探索特殊地形地貌条件下快速有效的UAV影像匹配技术, 提出一种面向高原山地复杂地形的集成尺度不变特征变换(SIFT)算法与最近邻次近邻距离比(NNDR)、 随机抽样一致算法(RANSAC)模型约束改进的UAV影像匹配方法。 主要技术流程为: 首先, 基于SIFT算法, 进行尺度空间的极值检测, 构建高斯金字塔函数, 通过高斯差分运算来实现特征点定位, 并对所检测到的特征点的邻域位置、 方向、 尺度等进行统计分析, 据此生成适合UAV影像特征的描述符; 其次, 集成“马式距离”和NNDR模型的综合运用, 进行特征点对的第一次约束优化提取及相似度检测, 在此基础上, 利用RANSAC算法, 引入匹配点对的均方根误差值(RMSE)进行第二次约束, 以实现匹配错误点对的剔除, 保证了影像匹配精确优化。 此外, 为了证实所提出优化算法的有效性, 选择了1组高原山地典型地貌UAV影像数据进行匹配试验, 结果表明: 面向高原山地复杂地形进行无人机影像匹配中, 所提出的改进算法不仅可以提取大量的特征点对, 同时还可以提高同名特征点的检测正确率, 并且配准正确率达到了85%, 因此更加适用于高原山地复杂地形的无人机影像匹配处理技术优化。
影像匹配 改进SIFT算法 对比分析 UAV Image registration Improved SIFT algorithm Contrastive analysis UAV 光谱学与光谱分析
2022, 42(5): 1497
1 西安理工大学机械与精密仪器工程学院, 陕西 西安 710048
2 陕西省计量科学研究院光学计量测试中心, 陕西 西安 710100
针对阈值增量在评价动态眩光方面存在的不足之处,从人眼视觉特性出发,提出一种基于亮度对比分析原理的动态眩光评价方法,建立动态眩光评价模型。以人眼视野范围的变化为切入点,研究驾驶员行驶速度的改变对其感受自身所处照明环境等效光幕亮度的影响因子,利用多种数学模型对行驶速度与对应行驶速度下动、静态等效光幕亮度比率之间的关系进行曲线估算,探索动、静态眩光差异系数。实验结果表明,动、静态眩光差异系数与驾驶员行驶速度呈正相关;从拟合优度和方差检验等方面分析,动静态眩光差异系数与行驶速度之间的关系用指数型函数模型描述效果最佳。该评价方法可为动态眩光评价体系的建立奠定基础,为我国道路照明设计提供设计依据与解决方案。
视觉光学 视野范围 动态眩光 亮度对比分析 等效光幕亮度 光学学报
2021, 41(17): 1733001
淮北师范大学物理与电子信息学院, 安徽 淮北 235000
基于多轴差分吸收光谱技术 (MAX-DOAS) 反演 NO2 柱浓度的方法, 构建了相应的地基 MAX-DOAS 系统, 开展了 NO2 柱浓度变化特征的观测。反演中选取天顶方向的光谱作为参考光谱, 通过非线性最小二乘法反演出 NO2 斜柱浓度 (SCD), 结合不同观测方向的斜柱浓度得到 NO2 差分斜柱浓度 (dSCD), 再利用几何近似法得到大气质量因子 (AMF), 最终获取 NO2 垂直柱浓度 (VCD)。于 2019 年 6 月至 2020 年 5 月在淮北地区开展了为期一年的外场实验, 研究结果表明淮北地区 NO2 VCD的月均值在观测期间内呈现倒“U”型变化, 在 12 月份达到最高值 2.13×1016 molecules·cm-2, 在 8 月份达到最低值 5.23×1015 molecules·cm-2。将 MAX-DOAS 观测结果的日均值与 OMI 卫星 (云系数分别为 0
多轴差分吸收光谱技术 NO2 垂直柱浓度 对比分析 multi-axis differential optical absorption spectro OMI OMI NO2 vertical column density contrastive analysis 大气与环境光学学报
2021, 16(2): 107
1 中国石油海洋工程有限公司天津分公司， 天津 300450
2 中国石油大学(北京)， 北京 102200,
3 中国石油大学(北京)， 北京 102200
为探究相控阵超声阵列换能器中不同阵元参数对声场的影响，以相控阵超声波检测基本原理和声场辐射理论为支撑，应用MATLAB软件进行数值模拟分析，建立辐射声场模型，进行不同参数下的阵列换能器指向性和声场分析。分析了阵元各项参数变化时对波束质量、聚焦范围、成像效果的影响，结果表明：阵元中心频率过小会使成像分辨率过低，阵元中心频率过大会使声场穿透力弱，检测深度浅；阵元数的增加显著提高成像效果，但是也会使成本大大提高；当阵元宽度由0.1增加到0.3，成像效果显著改善，再增加到0.6，成像效果改善不明显；阵元中心距增加会提高聚焦精度和成像效果，但是超过0.8时，成像效果急剧下降；偏转角度小于30°时，成像效果稳定且清晰，当偏转角度过大时，成像效果明显变差；聚焦深度太小使得声束聚焦性差，成像效果不好，当聚焦深度大于检测表面，成像效果好。对于指导实际超声相控检测具有一定指导意义。
相控阵超声波检测 MATLAB软件 数值模拟 辐射声场模型 对比分析 phased array ultrasonic testing Matlab-Field II software numerical simulation radiation sound field model comparative analysis
淮北师范大学,物理与电子信息学院,安徽 淮北 235000
基于2018年12月8日～12月31日淮北地区多轴差分吸收光谱技术(MAX-DOAS)获得的太阳散射光谱观测数据,反演了该地区NO2对流层柱浓度, 并分析了冬季不同天气下NO2浓度日变化特征。观测结果表明NO2浓度高值出现在12月18日～12月27日期间,日均值最大值6.83×1016 molecules/cm2出现在12月27日,约为日均值最低值的2.9倍。结合风场轨迹模型研究了不同大气条件下的风场,发现在NO2浓度较低时段主要为 偏北风场, NO2浓度高值时段偏南风场增加,表明城区产生的污染向观测区域进行了输送。将MAX-DOAS结果与OMI卫星结果进行了 对比,发现两者具有较好的一致性(R2=0.88)。
多轴差分吸收光谱技术 NO2垂直柱浓度 变化特征 对比分析 multi-axis differential optical absorption spectro NO2 vertical column density variation characteristics contrastive analysis 大气与环境光学学报
2020, 15(3): 217
1 湖南科技大学海洋矿产资源探采装备与安全技术国家地方联合工程实验室, 湖南湘潭 411201
2 湖南科技大学信息与电气工程学院, 湖南湘潭 411201
针对开关磁阻电机温度场分析中模型网格划分对分析结果造成的影响, 提出一种变密度网格划分方法。首先建立开关磁阻电机的有限元模型, 然后针对其主要发热部件电机绕组采用六面体变密度网格划分, 其余部件采用自动网格划分, 并在此基础上进行了相应的有限元温度场分析, 同时与采用传统四面体自动网格划分方法作了对比研究, 最后通过实验对上述变密度网格划分方法作了进一步的实验验证, 结果表明: 所提出的变密度网格方法有效提高了开关磁阻电机温度场分析的准确性, 因而具有较好的应用价值。
开关磁阻电机 温度场分析 有限元法 变密度网格划分 对比分析 switched reluctance motor, temperature field analy
遥感信息与图像分析技术国家级重点实验室, 核工业北京地质研究院, 北京 100029
蚀变信息提取是高光谱遥感地质应用的重要内容。 基于特殊吸收峰的蚀变矿物提取是蚀变信息提取的重要手段。 由于大气的吸收和散射作用, 为了获得更为真实的地物反射光谱, 必须进行大气校正。 目前, 国内外针对大气校正的对比研究主要集中在大气校正前后图像的质量改善、 地物分类效果的提升以及校正图像像元光谱与实际地物光谱的相关关系等方面, 而对不同校正方法获得的像元光谱与实际光谱吸收峰位的对应情况则很少讨论, 这对于依赖吸收峰特征进行蚀变矿物提取的地质遥感极为不利。 利用CASI-SASI航空高光谱成像系统, 采集了甘肃龙首山地区的航空高光谱遥感数据, 并运用ASD光谱仪, 对该地区实际地物光谱进行了测量。 以此为基础, 开展了FLAASH、 快速大气校正（QUAC）、 经验线（EMPL）等方法大气校正结果的对比研究。 通过对比分析, 发现FLAASH, QUAC和EMPL均能在一定程度上消除大气的影响, 改善航空高光谱遥感的图像质量, 但EMPL方法得到的反射率与实际反射率相关性最好。 此外, 运用人工目视方法开展了实际地物反射光谱的吸收峰位与不同校正方法得到的对应像元反射光谱的吸收峰位的对比研究, 发现不同校正方法得到的像元光谱的吸收峰位与实际峰位均存在不同程度的差异, 虽然EMPL对吸收峰位的保留效果最好, 但依然有“漏峰”的现象。 据此, 提出运用多种大气校正方法开展综合研究, 以提高不同类型的蚀变带定位准确度。
高光谱遥感 大气校正 对比分析 Hyperspectral remote sensing CASI/SASI CASI/SASI Atmospheric correction Comparison research 光谱学与光谱分析
2019, 39(9): 2677
1 中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
针对空间相机快速反射镜的工作条件和工作要求, 提出了快速反射镜的结构轻量化设计方案。以100 mm口径圆形反射镜为研究对象, 设计了利用加强筋减重的反射镜轻量化结构, 并提出了基于镜面抗弯刚度等效的等效标准圆镜厚度的计算方法; 分别设计了基于镶嵌体结构的背部三点支撑方案和背部中心支撑方案, 有限元对比分析的结果表明, 采用背部中心支撑方案可以避免镜座与反射镜之间因温度变形不协调引起的多个支撑点相互干涉, 镜面面形精度较高, 并且由于结构简单, 其摆动组件的总质量更轻; 为了进一步提高快速反射镜结构的综合性能, 同时以摆动组件的总质量及镜面面形的均方根值为优化目标, 对背部中心支撑方案下快速反射镜的主要结构参数进行了多目标优化, 优化结果显示, 加强筋的高度和镶嵌体的壁厚对结构综合性能的贡献最大; 最终优化方案下快速反射镜的摆动组件总质量仅为95.75 g, 结构的一阶谐振频率为217 Hz, 在-8 ℃温度载荷的作用下, 镜面面形的RMS为7.26 nm, 满足设计要求的同时, 反射镜实现了40.4%的轻量化率。
快速反射镜 轻量化 背部中心支撑 对比分析 有限元仿真 多目标优化 fast steering mirror lightweight rear support in center contrastive analysis finite element simulation multi-objective optimization 红外与激光工程
2019, 48(4): 0418001
