共查询到16条相似文献，搜索用时 109 毫秒
1.
微波成像仪是中国第二代极轨气象卫星风云三号卫星的主要载荷之一,灵敏度是评价成像仪系统性能的关键参数之一,可以衡量辐射探测精度,因此该参数的准确计算及其长期稳定性会直接影响遥感数据业务应用效果。经过地面及在轨数据验证,与传统均方根标准差方法相比,利用Allan标准差方法计算星载微波成像仪的在轨灵敏度,首先获得每条扫描线的遥感电压数据,然后分析相邻扫描线之间的电压偏差,最后再结合微波成像仪系统增益,即可获得在轨灵敏度参数。利用Allan方法分析灵敏度,可以有效去除环境噪声的影响,有助于反应星载微波成像仪在轨灵敏度的长期稳定性,更加真实地反映仪器本身的在轨性能演变。分析结果表明：3台微波成像仪在轨性能稳定,长时间观测过程中,FY-3 C\D星成像仪在轨灵敏度的标准差≤0.01 K,FY-3 B星成像仪灵敏度标准差≤0.012 K;3台仪器在10.65 GHz、18.7 GHz、23.8 GHz及36.5 GHz频点8个通道的灵敏度均优于0.5 K;对于89 GHz频点的两个接收通道,FY-3 C\D星微波成像仪的灵敏度优于0.5 K,B星微波成像仪优于0.6 K。本文利用Allan方法获得了风云三号微波成像仪的在轨灵敏度参数,证明该方法适用于微波辐射计在轨灵敏度的计算,同时针对微波成像仪的相关分析结果为国产星载微波成像仪在轨定量应用奠定了基础。 相似文献
2.
中国风云3号B星(FY-3B)上的微波成像仪MWRI通过5个频率(10.65 GHz,18.7 GHz,23.8 GHz,36.5 GHz和89.0 GHz)的双极化通道对地球表面进行监测。研究表明,MWRI资料的低频波段数据中存在着无线电频率干扰(RFI)现象,这些污染信号对遥感数据和反演产品质量产生极大的影响。本文尝试使用多通道回归方法和双主成分分析(DPCA)方法识别MWRI的10.65 GHz水平通道亮温海洋区域中的RFI信号。结果表明,双主成分分析法可以有效地识别出海洋上的RFI信号。微波成像仪10.65 GHz水平通道亮温数据中的RFI信号主要分布在地中海等欧洲附近海域,也存在于美国、日本、澳大利亚等近岸地区。 相似文献
3.
针对风云三号C星微波湿温探测仪(FY-3C/MWHTS)的陆地晴空观测资料,建立了一维变分反演系统,对大气的温湿廓线进行反演。为了更好地描述温湿廓线的相关性,同时减小温度和湿度在反演过程中相互之间的误差传递,提出了使用背景协方差矩阵的联合矩阵和单独矩阵进行组合反演的方法。对于MWHTS模拟亮温和观测亮温之间的偏差,使用逐扫描点的统计回归方法进行校正。选择中国部分陆地区域的晴空观测亮温进行温湿廓线的反演,并利用欧洲中期天气预报中心(ECMWF)再分析数据、美国国家环境预报中心(NCEP)分析数据以及无线电探空观测(RAOB)数据对反演结果进行验证,温湿廓线的反演结果与ECMWF再分析数据验证的最大均方根误差分别是2.59 K和11.87%,与NCEP分析数据验证的最大均方根误差分别是1.88 K和21.50%,与RAOB数据验证的最大均方根误差分别是3.43 K和25.48%,验证结果表明了反演结果的可靠性。另外与国外同类载荷AMSU观测亮温的物理方法和统计方法反演精度进行了对比,结果表明:MWHTS具有较强的湿度廓线以及高空温度廓线的探测能力,且针对MWHTS的观测亮温建立的一维变分反演系统具有较高的反演精度。与NCEP 6小时预报廓线的验证结果表明:反演的湿度廓线可以提高预报廓线的精度。 相似文献
4.
资源三号02星激光测高仪在轨几何检校与试验验证 总被引：1，自引：0，他引：1
我国在资源三号02星上首次搭载了一台用于对地观测的试验性载荷——激光测高仪,开展对地观测的激光测高试验。由于卫星发射时的振动以及入轨后空间环境变化等因素影响,激光测高仪的指向、测距等系统参数相对于发射前地面测量值可能发生变化,从而引起激光的平面和高程误差。本文根据资源三号02星激光测高仪特点,提出了一种基于地面探测器的在轨几何检校方法,该方法构建了以指向、测距为系统误差的严密几何检校模型,以激光测距值残差最小为原则,利用地面探测器捕获的激光光斑位置作为参考,实现系统误差参数高精度在轨几何检校。利用卫星在轨测试期间多个试验场数据进行检校后,以有关DEM数据作为地面参考比对,地形坡度小于2°区域内的激光点高程精度由检校前的100~140m提高到2~3m。利用平坦地区激光足印内少量GPS外业控制点进行验证对比,检校后激光高程测量的绝对精度优于1m。试验结果表明了资源三号02星激光测高仪在轨几何检校方法的有效性和正确性。 相似文献
5.
两种星载微波辐射计被动亮温数据的交叉定标 总被引：3，自引：0，他引：3
针对两种不同星载微波辐射计在长时间序列的变化探测研究中存在时空间差异问题,应用时空匹配交叉定标方法,选取亚马逊雨林作为高亮温地面观测目标和格陵兰地区为低亮温地面观测目标,采用原始轨道扫描数据对微波成像仪和先进微波扫描辐射计的时空上相匹配的5通道水平和垂直极化亮度温度数据进行交叉定标。研究结果表明,校正决定系数都在0.99以上,均方根误差均小于1.3K,定标系数精确度高,匹配数据拟合程度非常好。精确的交叉定标系数,对于我国FY3号以及后续卫星等微波定标参数确定、同国外卫星的长时间序列衔接以及数据质量的评估等具有重要意义。 相似文献
6.
风云三号(FY-3)的微波成像仪(MWRI)能够全天候获取全球大气水汽含量、云雨参数及海面温度等的空间分布,并可为数值天气预报提供初始场信息进而提高天气预报的准确性。但FY-3C MWRI O-B(O是卫星观测亮温,B是数值天气预报模式模拟亮温)偏差结果存在较大升降轨差异,严重制约了遥感信息的正确提取以及在数值天气预报模式中的业务同化应用。本文通过分析定标方程各参数:定标黑体物理温度、热反射镜背瓣亮温、热反射镜物理温度、冷空反射镜物理温度、接收通道温度、黑体观测计数值、冷空观测计数值、定标斜率、定标截距,并对定标方程各项进行敏感性分析,找出了引起MWRI升降轨偏差的主要原因是热反射镜的发射率异常增大引起的。经过不断调整MWRI的热反射镜发射率,使升轨O-B与降轨O-B的概率分布逐渐重合,初步估算了热反射镜发射率。本文的订正方法可指导未来仪器的发展,并为直接同化MWRI辐射数据提供了条件。 相似文献
7.
风云三号卫星被动微波反演海洋上空云液态水含量 总被引：2，自引：0，他引：2
云液态水含量是气候和水循环研究的重要云微物理参数，也是目前气候变化研究中的最不确定因素之一。通过极轨气象卫星被动微波观测的光谱和极化特征能够实现对云液态水含量的直接测量，本文介绍了一种基于风云三号卫星微波成像仪（MWRI）观测亮温的全天候云液态水含量反演算法，利用快速辐射传输模式、云模型和大气廓线库建立MWRI模拟亮温库并训练反演系数的宽气候态物理算法可以保证算法系数在不同季节和不同地区的适应性。同时提出了一种基于观测增量（O-B）筛选晴空像元并对算法系数及比例因子进行订正的方法。利用统计直方图方法和卫星间交叉比对方法对反演产品精度进行了检验，统计直方图方法检验结果表明，FY-3C云水反演误差为0.028 mm，FY-3D为0.025 mm，与国外同类产品的精度相当；与低轨卫星微波辐射计GMI云水产品的交叉比对结果表明，两者具有较高一致性，均方根误差为0.0325 mm。FY-3C/3D CLW产品目前已经投入业务应用，上下午星组网能够一天内基本覆盖全球，实现全球云水分布监测。 相似文献
8.
本文研究最冷目标地物替代法计算Jason-2微波辐射计JMR年度漂移。针对Jason-2卫星微波辐射计(JMR),利用微波辐射计传输模型,建立JMR 3个通道的全球最低亮温观测值的理论计算模型,模拟其3通道全球地物观测最冷亮温;基于2008年—2012年Jason-2地球物理数据(GDR)产品中全球对地观测亮温序列和模型计算的最冷亮温,建立亮温序列的最小观测亮温统计模型,查找全球地物观测最冷亮温序列;根据地物年度变化特性,建立光谱分析模型,去除最冷亮温序列的年度谐波;去除年度谐波后,采用线性拟合的方法外推最冷亮温序列的理论最小值,并据此计算Jason-2微波辐射计仪器的年度漂移量。 相似文献
9.
风云3号B星(FY-3B)上的微波成像仪(MWRI)通过10.65 GHz,18.7 GHz,23.8GHz,36.5 GHz和189.0 GHz5个频率的双极化通道对地球表面进行监测。自卫星发射至今,MWRI资料的地理定位误差还未进行深入研究。为了提高FY-3B MWRI L1级数据地理定位精度,基于海、陆响应的升、降轨亮温差理论NDM(Node Differential Method),通过卫星位置和速度矢量建立卫星姿态模型、采用非线性最优化方法估计卫星姿态偏差,进而对MWRI 89 GHz通道的地理定位误差进行分析与订正。结果表明,2015年1—9月份俯仰、滚动和偏航角度的平均偏差分别为-0.220°,0.068°和0.062°,对应沿轨误差大约3—4 km,跨轨误差小于1 km。定位误差订正后,地中海、澳大利亚区域海岸线附近的升降轨亮温差明显减小;观测亮温在红海和南美洲东南部区域的分布和海岸线更加吻合,定位精度得到明显提高。 相似文献
10.
风云三号D星(FY-3D)微波成像仪采用10.65 GHz、18.7 GHz、23.8 GHz、36.5 GHz和89.0 GHz双极化通道对地表辐射信息进行测量,定标精度会直接影响遥感数据的准确性。影响定标精度的主要因素之一是成像仪系统的非线性特征,用物理参数-非线性系数表示。所以准确计算非线性系数是地面热真空定标试验的主要目的之一,在95-298 K范围内设置不同变温源温度点,每一个温度点对应一个非线性系数,这些非线性系数的平均值即是系统最终的非线性系数值。受系统原理和试验条件的限制,计算平均值时需要确定变温源温度的有效范围,目前使用的范围确定方法是设计师首先依据经验提出几组可能的温度范围,然后对比每个范围的定标结果,选出最优的温度范围。显然,这种方法很容易受到人为因素的影响,而且由于不具备遍历所有温度范围的试验条件,无法确定每个变温源温度点的有效性。为了准确获得非线性系数值,首先通过分析热真空定标试验数据证明非线性系数与场景亮温无关,然后提出了一种优化计算方法,采用t准则确定有效范围得到非线性系数值。对比优化前后两种方法的结果表明,新方法的非线性亮温拟合残差的平均值和标准差值以及非线性亮温的最大拟合值都减小了。由此可见,新方法在计算非线性系数时可以获得更准确的变温源温度范围,可以优化非线性亮温的拟合效果,并且将定标精度提高0.04 K,优化效果在10 GHz接收机以及环境温度较高时尤为明显。 相似文献
11.
由于卫星微波成像仪频率的非保护性,微波成像仪资料受到相近频率的无线电信号干扰影响,主要干扰源于洋面反射的静止电视卫星信号。为提高微波成像仪资料的准确性,尤其是洋面资料的可用性,对电视卫星信号干扰的检测和特征分析尤为重要。中国风云3号C星(FY-3C)上搭载了微波成像仪。本文使用标准化主成分分析法来识别FY-3C微波成像仪的电视卫星干扰信号,并分析电视卫星信号干扰的主要空间特征。研究表明,FY-3C微波成像仪中心频率为10.65 GHz和18.7 GHz的4个低频通道受到卫星信号干扰。10.65 GHz通道在欧洲海域英吉利海峡和地中海西部希腊沿岸地区受到电视卫星信号干扰,并且干扰信号位置和强度与FY-3C卫星和欧洲静止电视卫星相对空间位置有关;18.7 GHz通道主要受到美国电视卫星的干扰,在北美东、西沿岸海域都存在干扰信号。FY-3C微波成像仪在中国海域不受电信号干扰影响,主要因为中国静止电视卫星频率与微波成像仪各通道频率不一样。 相似文献
12.
Lili Wu Xiaofeng Li Kai Zhao Xingming Zheng 《Journal of the Indian Society of Remote Sensing》2017,45(1):89-100
Snow depth parameter inversion in the farmland using passive microwave remote sensing is of great significance to the agricultural production in Northeast China. Firstly, the Helsinki University of Technology (HUT) snow emission model was validated in the farmland based on microwave radiation imager (MWRI) onboard FengYun-3B satellite (FY-3B). The results showed that there was a big difference between the brightness temperature of HUT model simulation and MWRI for 18.7 GHz horizontal polarization (18.7 H) and 36.5 GHz horizontal polarization (36.5 H). To improve HUT model, the empirical parameter in the model was localized. Then the localized HUT (LHUT) model was built, where the extinction coefficient was calculated by the new extinction coefficient formula. Next, LHUT model was validated based on MWRI data and compared with HUT model. The results showed that LHUT underestimates slightly the brightness temperature with 0.91 and 4.19 K for 18.7 and 36.5 H respectively, and LHUT is superior to HUT model. Finally, the genetic algorithm (GA) was used to invert snow depth based on LHUT. The results showed that snow depth was underestimated with 6.79 cm based on LHUT. The inverted snow depth based on LHUT model is in better agreement with the measured snow depth. 相似文献
13.
根据中国风云气象卫星FY-3B MWRI与近年在轨业务运行的Aqua卫星AMSR-E的技术参数,基于晴空大气辐射传输模型的模拟,分析了技术参数入射角等对辐射亮度温度Tb(Brightness temperature)的影响。以此依据,对AMSR-E原始多通道Tb数据进行入射角修正。采用二次多项式拟合方法,用入射角修正后的AMSR-ETb数据对FY-3B MWRITb数据进行各通道的辐射校准,并进行了数据对比。基于辐射校准后的FY-3BMWRI各通道Tb特征,用极化与散射特征指数,对2011年长江流域两湖地区的连续发生的干旱、降雨、水涝灾害等进行了评估与分析,并与AMSR-E的对应结果及地面观测站的记录结果进行了一致性的比较。研究表明,这些分析结果与地面观测记录比对的结果是一致的,FY-3B MWRI可以有效地监测旱涝灾害。 相似文献
14.
FY-3C微波成像仪海面温度产品算法及精度检验 总被引：2，自引：2，他引：0
海洋表面温度(SST)是海洋学和气候学一个十分重要的物理因子,而卫星被动微波遥感能够穿透云层,实现全天候、大范围观测,因此利用中国FY-3C微波成像仪(MWRI)反演SST具有重要意义。FY-3C MWRI SST产品采用统计算法,首先利用MWRI降水和海冰产品剔除含降水和海冰的像元,之后选择时空间隔0.2 h和0.2°离海岸100 km以外的FY-3C MWRI观测亮温与浮标观测值进行匹配,再将全球在空间上分为4个纬度带,时间上分为12个月,并分升轨和降轨,分别建立浮标海温观测结果和MWRI亮温之间的统计关系,实现对SST的估算。将|估算海温-30年月平均海温|≥2.5 K的像元标识为51,发现这些像元基本分布在陆地边缘地区及大风速地区,剔除标识为51的像元后的精度验证结果表明:与全球浮标资料相比,FY-3C MWRI SST轨道产品升轨精度为–0.02±1.22 K,降轨精度为–0.15±1.28 K;与全球分析场日平均海温OISST相比,FY-3C MWRI SST日产品升轨精度为0.00±1.03 K,降轨精度为–0.09±1.08 K。微波辐射计的性能及其定位定标精度、上游卫星产品(降水检测和海冰检测)的精度、陆地的干扰及高风速对微波信号的影响均会造成SST估算误差,如何改进算法中风速大于12 m/s时的估算精度是下一步的工作重点。 相似文献
15.
基于风云-3B（FY-3B）卫星的微波成像仪（MWRI）数据对HUT模型（Helsinki university of technology snow emission model）进行验证,结果表明,无论是18.7 GHz还是36.5 GHz水平极化亮温,HUT模型模拟亮温都与MWRI亮温存在较大的偏差。因此,本文对消光系数进行了本地化改进,得到了改进的HUT模型（IMPHUT模型）。IMPHUT模型在18.7 GHz水平极化和36.5 GHz水平极化时的模拟亮温偏差分别为-0.91 K和-4.19 K,较原始的HUT模型模拟精度（偏差分别为14.03 K和-16.33 K）有很大提高。最后,利用遗传算法进行雪深反演,基于IMPHUT模型的雪深反演（偏差为-6.79 cm）优于HUT模型和Chang算法,反演与实测雪深具有较好的一致性。 相似文献
16.
本文对2011-07-01—2011-09-30风云三号B星(FY-3B)搭载的微波成像仪MWRI(Microwave Radiometer Imager)和Aqua卫星搭载的微波扫描辐射计AMSR-E(Advanced Microwave Scanning Radiometer for Earth Observing System)观测数据获取的海冰密集度产品进行比较及印证。首先,逐日比较FY-3B/MWRI和Aqua/AMSR-E区域平均海冰密集度;其次,逐月比较FY-3B/MWRI和Aqua/AMSR-E月平均海冰密集度;最后,使用Aqua卫星搭载的中等分辨率成像光谱辐射计MODIS数据进行印证。MWRI和AMSR-E比较结果为(1)MWRI与AMSR-E逐日区域平均海冰密集度变化趋势一致,MWRI海冰密集度均高于AMSR-E,7—9月MWRI与AMSR-E逐日平均偏差月平均值分别为8.55%、7.67%、2.58%,逐日标准差月平均值分别为12.16%、12.08%、10.43%,二者差异逐月减小。(2)MWRI与AMSR-E月平均海冰密集度差呈现逐月递减趋势,7—9月MWRI与AMSR-E逐月平均偏差分别为7.37%、6.53%、1.51%,逐月标准差分别为4.61%、4.36%、3.64%,MWRI与AMSR-E差异逐月减小的原因是二者在密集度较低的边缘区域差异较大,而夏季随着边缘区域海冰的融化,二者差异逐渐减小。MWRI和AMSRE海冰密集度与MODIS印证结果为:(1)密集度小于95%情况下,MWRI与AMSR-E海冰密集度均比MODIS偏高,AMSR-E更接近MODIS,MWRI高估,误差较大。(2)密集度大于等于95%情况下,MWRI与AMSR-E海冰密集度均比MODIS偏低,AMSR-E偏低更多,MWRI结果更好。 相似文献