“环境一号C卫星合成孔径雷达”征文通知

环境一号C(HJ-1-C)卫星是我国自主研制的第一颗民用合成孔径雷达卫星,其有效载荷为S波段合成孔径雷达(SAR),具有全天时、全天候对地观测能力,可以获得5米分辨率图像。环境一号C卫星可以与早前发射的环境一号A、B星组成环境与灾害检测预报的"小卫星星座",从而可以对生态环境和灾害进行大范围、全天候、     

HJ-1-C 卫星合成孔径雷达载荷的设计与实现

HJ-1-C 是我国环境与灾害监测小卫星2+1星座中的一颗合成孔径雷达(SAR)卫星,工作于S 波段,具有5 m 分辨率。SAR 载荷采用网状反射面天线和大功率放大器方案,具有重量轻、效率高的特点,适合于小卫星平台。目前HJ-1-C 卫星已在轨运行,获得我国首批S 波段星载SAR 图像,图像质量高,地物信息丰富,表明SAR 载荷的设计合理,试验和测试充分。HJ-1-C 卫星将为我国减灾和环境应用发展做出贡献。该文将对HJ-1-C卫星SAR 载荷的设计和研制进行全面介绍,包括其主要功能和技术指标,各部分的设计,以及研制、测试和试验工程,最后给出其在轨获得的图像。      

“海丝一号”中国首颗轻小型SAR卫星

2020年12月22日,由中国电科38所和天仪研究院联合研制的我国首颗商业SAR卫星“海丝一号”搭载长征八号运载火箭在文昌卫星发射中心成功发射。海丝一号历时1年完成研制,整星重量小于185kg,成像最高分辨率1m,可以全天候、全天时对陆地、海洋、海岸进行成像观测,具有轻小型、低成本、高分辨率特点,是我国首颗轻小型SAR卫星,是国际上首个C波段小卫星SAR,可为海洋环境、灾害监测,及国土调查等领域提供服务。     

用HJ-1B卫星数据反演地表温度的修正单通道算法

目前用于地表温度反演的单通道算法主要针对窄视场传感器建立.HJ-1B卫星红外相机为宽视场传感器,其热红外通道(IRS4)观测天顶角可达±33°以上,在地表温度反演时必须剔除传感器观测角度的影响.以大气辐射传输模拟为基础,建立了基于传感器观测天顶角-大气函数系数的修正单通道算法.针对HJ-1B卫星与Terra卫星过境时间...     

环境与减灾C星发射成功

11月19日6点53分,长征二号丙运载火箭在太原卫星发射中心成功发射,将环境与灾害监测预报小卫星C星送入预定轨道。同时,还成功搭载发射了一颗新技术验证卫星和蜂鸟试验载荷。这标志着我国环境与灾害监测预报小卫星星座"2+1"方案的正式建成。监测预报小卫星C星是我国首颗民用对地观测合成孔径雷达(SAR)小卫星,由中国航天科技集团公司所属中国空间技术研究     

环境一号C 卫星系统总体设计及其在轨验证

HJ-1-C 卫星是我国环境与灾害监测预报小卫星星座的一颗合成孔径雷达卫星,与光学卫星HJ-1-A/B 共同完成环境与自然灾害监测。该文介绍了中国第1 颗民用SAR 卫星的系统总体及载荷的设计特点,研究了卫星平台部分的数传、姿态控制、供配电和热控分系统对SAR 载荷的支持能力以及相互之间的匹配关系,同时,给出了卫星在轨测试验证的相应结果。      

HJ-1-C 卫星SAR 系统的内定标

HJ-1-C 卫星是我国环境与灾害监测小卫星星座中的一颗合成孔径雷达(SAR)卫星,目前已在轨运行。其SAR 系统采用网状反射面天线和集中式功率放大器,且具有星上在轨内定标的功能。该文详细介绍了HJ-1-C 卫星SAR 系统的内定标模式和算法,给出内定标器的设计和实现原理,并对SAR 系统在轨工作内定标数据进行分析。      

CBERS-02B影像HR数据的地形效应校正实现

中巴资源卫星CBERS-02B星是我国第一颗能为众多行业提供高分辨率图像数据的卫星,广泛应用于国土资源、农业、林业、水利、环保、灾害监测、测绘、城市规划等众多领域。考虑到山区地形对高分辨影像的山区地表特征反演精度的影响,对数字高程模型(DEM)精度对地形校正的影响进行了初步分析,比较了几种常用地形校正模型：C校正、SCS+C校正、Minnaert校正和Ekstrand-r校正,并对校正结果进行了评价,结果表明以往的地形校正方法对CBERS-02B影像HR数据具有一定可行性,从而为中巴资源卫星CBERS-02B影像的地形校正提供了依据。     

MODIS的HJ-1B红外通道星上定标系数交叉验证

HJ-1B卫星自发射以红外通道共进行了7次星上黑体定标,针对星上定标系数的验证工作开展较少,以MODIS第31、32通道为参考源,分别基于光谱响应差异和线性统计关系两种方法对HJ-1B红外通道星上定标系数进行验证.首先,计算两个传感器表观辐亮度的匹配关系,进而计算出HJ-1B红外通道的等效离表亮温,通过与HJ-1B红外通道基于星上定标系数反演得到的离表亮温进行比较,实现对星上定标系数的验证.通过半高宽法、矩方法和查找表法这三种不同的方法计算得到了2009年9月14日星上定标系数.结果表明:三种方法中,查找表法精度较高, 且HJ-1B查找表法星上定标系数反演亮温与基于光谱响应差异和线性统计关系计算的等效亮温偏差较小,分别为0.02 K和0.81 K.这两种交叉验证方法的精度均在1 K以内,证明了该方法的可行性,且基于光谱响应差异的验证方法精度更高.该研究为光学载荷在轨辐射定标的验证提供了理论基础.     

导航卫星双基地SAR几何优选及实测边坡成像

基于导航卫星的星-地双基地SAR（GNSS-BSAR）作为一种新型的地表观测手段,具有重访时间短、覆盖范围广、系统成本低等显著优势。当地面接收机与目标场景距离较近时,由于GNSS-BSAR的分辨率较低,导致目标场景的成像结果与其在同一等距离线上的镜像混叠在一起,无法进行图像解译和形变反演处理。针对以上问题,本文提出了一种基于分辨率设计和等距离多普勒特性分析的导航卫星双基地SAR几何优选方法。该方法在选定实验场景的基础上,进行GNSS-BSAR分辨性能与等距离-多普勒特性的多目标联合优化,选定能够避免镜像模糊现象的导航卫星辐射源,实现GNSS-BSAR几何构型优选。基于以上方法,在重庆边坡地区设计GNSS-BSAR实验,成功获取了无镜像模糊的实测边坡成像结果,验证了几何优选方法的有效性。      

环境减灾C 星在轨测试期间冰凌灾害应用能力评价

2012 年11 月19 日,环境减灾卫星一号C 星成功发射,是我国第1 颗民用合成孔径雷达(SAR)卫星,也是目前世界上唯一在轨运行的S 波段SAR 卫星。在轨测试阶段,民政部国家减灾中心对C 星在冰凌灾害方面的应用能力进行了初步的评价,同时利用资源三号卫星多光谱影像进行相对精度评价。结果表明,S 波段SAR 卫星对于冰凌具有极好的响应,对于完全封冻、未完全封冻和浮冰区域,可有效地辨识,具备较好的减灾应用能力。S 波段SAR 卫星数据将填补我国乃至世界上SAR 卫星数据的波段空白,减灾应用潜力有待进一步深入挖掘。      

基于高性能机群的环境一号C 卫星SAR 图像全分辨率快视实时处理系统设计与实现

该文设计和实现了基于高性能机群的环境一号C 卫星 SAR 图像全分辨率快视实时处理系统,该系统对环境一号C 卫星2012 年12 月9 日首次开机获取的SAR 遥感数据进行了快视图像处理。结果表明:该快视处理系统完全满足SAR 图像全分辨率快视实时处理能力。该系统是我国首次实现星载SAR 图像全分辨率快视实时处理的业务运行系统。      

Sea ice monitoring by L-band SAR: an assessment based on literature and comparisons of JERS-1 and ERS-1 imagery

Spaceborne single-polarization C-band synthetic aperture radar (SAR) imagery is widely used to gather information about the state of the sea ice cover in the polar regions. C-band is regarded as a reasonable choice for all-season monitoring capabilities. For specific mapping tasks, however, other frequency bands can be more suitable. In the first part of this paper, the summary of a literature study dealing with the utilization of L-band SAR imagery for sea ice monitoring is presented. Investigations reveal that if deformation features such as ice ridges, rubble fields, and brash ice are to be mapped, L-band radar is superior in a number of cases. The second part of this paper addresses the comparison of JERS-1 and ERS-1 SAR images that were acquired over sea ice east of Svalbard and along the east coast of Greenland. The effects of the different frequencies, polarizations, and incidence angles of the two SAR systems are discussed. It is demonstrated that the images of both sensors complement one another in the analysis of ice conditions, resulting in a more detailed view of the sea ice cover state.     

A Markov random field model for classification of multisourcesatellite imagery

A general model for multisource classification of remotely sensed data based on Markov random fields (MRF) is proposed. A specific model for fusion of optical images, synthetic aperture radar (SAR) images, and GIS (geographic information systems) ground cover data is presented in detail and tested. The MRF model exploits spatial class dependencies (spatial context) between neighboring pixels in an image, and temporal class dependencies between different images of the same scene. By including the temporal aspect of the data, the proposed model is suitable for detection of class changes between the acquisition dates of different images. The performance of the proposed model is investigated by fusing Landsat TM images, multitemporal ERS-1 SAR images, and GIS ground-cover maps for land-use classification, and on agricultural crop classification based on Landsat TM images, multipolarization SAR images, and GIS crop field border maps. The performance of the MRF model is compared to a simpler reference fusion model. On an average, the MRF model results in slightly higher (2%) classification accuracy when the same data is used as input to the two models. When GIS field border data is included in the MRF model, the classification accuracy of the MRF model improves by 8%. For change detection in agricultural areas, 75% of the actual class changes are detected by the MRF model, compared to 62% for the reference model. Based on the well-founded theoretical basis of Markov random field models for classification tasks and the encouraging experimental results in our small-scale study, the authors conclude that the proposed MRF model is useful for classification of multisource satellite imagery     

基于场景模型的热红外遥感成像模拟方法

为实现升空后运行的卫星的整体性能处于最佳状态,通常在卫星发射前,采用计算机仿真的方法对从地表到影像获取的整个遥感物理过程进行模拟.针对现有模拟方法不能全部采用辐射传输、成像等物理模型,实现大场景、复杂地表覆盖情况下的热红外遥感成像模拟,在基于场景模型的热红外遥感成像模拟基础上,将模拟系统分为地表场景模拟、大气作用模拟及传感器成像场景,重点对模拟各场景所涉及的物理模型和算法进行了综述和分析,并初步构建了大场景、复杂地表覆盖下模拟的技术框架,是对热红外遥感成像模拟的一种全新而有益的尝试,对相关研究工作也有一定参考价值.     

多源卫星遥感数据监测巢湖蓝藻水华爆发研究

湖泊蓝藻水华的精准动态监测,可为水利及环保部门评价污染水体的防治效果、优化和调整防治政策提供依据。论文以巢湖为研究对象,利用Landsat TM/OLI、HJ-1B CCD/IRS和NPP-VⅡRS三种不同空间分辨率的影像数据,通过归一化水体指数（Normalized Difference Water Index,NDWI）实现巢湖水域范围提取,利用归一化植被指数（Normalized Difference Vegetation Index,NDVI）和浮游藻类指数（Floating Algae Index,FAI）提取2010~2014年共22景巢湖蓝藻的爆发区域。进一步的,对NDVI和FAI两种方法计算的蓝藻爆发区域进行对比分析,评价Landsat、HJ-1B以及VⅡRS三种影像数据对巢湖蓝藻水华空间和时间的监测效果及适用性,进而结合气象因素分析不同气象因子对蓝藻水华爆发的影响。研究结果表明:（1）相比NDVI指数,FAI指数（Landsat和HJ-1B数据为主,VⅡRS数据辅助）能降低薄云对蓝藻水华提取效果的影响,可提高蓝藻水华爆发区域、程度的识别能力;（2）气象因子中气温和日照时长加重了蓝藻水华爆发的严重程度,降水则对蓝藻水华的爆发起到一定的抑制作用。综上所述,论文引入VⅡRS卫星影像研究巢湖蓝藻水华爆发,利用FAI指数降低薄云对蓝藻水华爆发面积提取精度的影响,取得的研究结果可为基于多源卫星遥感数据的巢湖蓝藻水华动态监测系统开发提供重要的方法支持,有利于推进卫星遥感技术在安徽省河长制和湖长制中发挥重要作用。