一种基于背景噪声迭代的星载激光雷达定标方法及系统

    公开(公告)号:CN119439131A

    公开(公告)日:2025-02-14

    申请号:CN202411519703.5

    申请日:2024-10-29

    Applicant: 武汉大学

    Abstract: 本发明提出了一种基于背景噪声迭代的星载激光雷达定标方法及系统。首先,构造理想背景大气总衰减后向散射系数,采用稳健线性拟合迭代方法得到夜间背景噪声与定标系数,实现星载激光雷达夜间探测信号的定标;结合CALIPSO官方定标方法的策略,设定日夜间定标转换区域,并进行简单层次检测,筛选出清洁大气定标转换区域;计算日夜间清洁大气定标转换区域的衰减散射比,获取定标转换系数,结合夜间定标系数完成日间定标系数与背景噪声的迭代计算,实现星载激光雷达日间探测信号的定标;本发明无需采集背景噪声便实现星载激光雷达昼夜定标,相较传统方法扩大了应用范围。本发明适用于不同高度探测条件下的星载激光雷达在轨定标,具有实用性和较高的准确度。

    一种基于多尺度假设检验的大气层次检测方法

    公开(公告)号:CN113504528A

    公开(公告)日:2021-10-15

    申请号:CN202110755581.X

    申请日:2021-07-05

    Applicant: 武汉大学

    Abstract: 本发明提出了一种基于多尺度假设检验的大气层次检测方法。本发明若应用于星载激光雷达,首先计算衰减散射比和衰减散射比信号噪声;设置一个固定大小为n的一维滑动窗口,根据泊松分布,或者高斯分布,或者伯努利分布判断窗口的中心点是否属于层次点,进一步通过滑动窗口对整条衰减散射比信号进行检测;之后舍弃部分不合理层次检测结果;最终得到这一大小窗口对应的层次检测结果。设置大小递增的多个一维滑动窗口,引入多尺度联合机制来融合每个尺度的优势以提高检测能力。本发明对层次更加敏感,能够在高水平分辨率下检测出更多的层次,检测结果完整合理,误检测更少,且该方法同时适用于地基和星载激光雷达信号处理。

    一种全天时全覆盖的近地表NO2浓度反演方法及系统

    公开(公告)号:CN119314595A

    公开(公告)日:2025-01-14

    申请号:CN202411496957.X

    申请日:2024-10-25

    Applicant: 武汉大学

    Abstract: 本发明公开了一种全天时全覆盖的近地表NO2浓度反演方法及系统,属于大气环境信息技术领域。方法包括获取卫星观测数据和地基观测数据,并进行预处理,得到匹配数据集;根据匹配数据集,构建第一NO2浓度反演模型和第二NO2浓度反演模型,运用两个模型分别得到第一NO2浓度反演结果和第二NO2浓度反演结果;基于泊松图像平差理论将第一NO2浓度反演结果和第二NO2浓度反演结果相融合,得到全面域NO2浓度反演结果;基于离散余弦变换校正全面域NO2浓度反演结果的反演误差,得到最终的近地表NO2浓度。本发明应用泊松平差和离散余弦变换并结合星地观测数据,获得全天时全覆盖的近地表NO2浓度数据。

    融合卫星与地基观测的PM1浓度反演方法及系统

    公开(公告)号:CN112016696B

    公开(公告)日:2022-10-04

    申请号:CN202010817931.6

    申请日:2020-08-14

    Applicant: 武汉大学

    Abstract: 本发明提供一种融合卫星与地基观测的PM1浓度反演方法及系统,进行数据采集与匹配,包括采集地基PM1数据、卫星AOD数据和相关气象地理参数,以卫星AOD数据空间分辨率为参照,对相关气象地理参数进行重采样;然后以PM1观测站为中心,采用预设空间半径和时间半径的时空窗口,计算时空窗口内的各输入特征的均值,并与相应观测站点实测的PM1浓度值相匹配,形成训练样本集;初始RF模型构建,根据模型的预测残差变化优化设定决策树的数量和构建二叉树时使用的变量个数;初始geo‑RF模型构建,包括定义空间邻近观测S‑PM1、前向时间邻近观测T‑PM1以及邻近空间距离约束,将时空邻近观测也作为解释变量输入至构建的初始RF模型中,得到geo‑RF模型;进行geo‑RF模型训练与PM1浓度估计。

    融合卫星与地基观测的PM1浓度反演方法及系统

    公开(公告)号:CN112016696A

    公开(公告)日:2020-12-01

    申请号:CN202010817931.6

    申请日:2020-08-14

    Applicant: 武汉大学

    Abstract: 本发明提供一种融合卫星与地基观测的PM1浓度反演方法及系统,进行数据采集与匹配,包括采集地基PM1数据、卫星AOD数据和相关气象地理参数,以卫星AOD数据空间分辨率为参照,对相关气象地理参数进行重采样;然后以PM1观测站为中心,采用预设空间半径和时间半径的时空窗口,计算时空窗口内的各输入特征的均值,并与相应观测站点实测的PM1浓度值相匹配,形成训练样本集;初始RF模型构建,根据模型的预测残差变化优化设定决策树的数量和构建二叉树时使用的变量个数;初始geo-RF模型构建,包括定义空间邻近观测S-PM1、前向时间邻近观测T-PM1以及邻近空间距离约束,将时空邻近观测也作为解释变量输入至构建的初始RF模型中,得到geo-RF模型;进行geo-RF模型训练与PM1浓度估计。

    一种基于多尺度假设检验的大气层次检测方法

    公开(公告)号:CN113504528B

    公开(公告)日:2022-04-29

    申请号:CN202110755581.X

    申请日:2021-07-05

    Applicant: 武汉大学

    Abstract: 本发明提出了一种基于多尺度假设检验的大气层次检测方法。本发明若应用于星载激光雷达,首先计算衰减散射比和衰减散射比信号噪声;设置一个固定大小为n的一维滑动窗口,根据泊松分布,或者高斯分布,或者伯努利分布判断窗口的中心点是否属于层次点,进一步通过滑动窗口对整条衰减散射比信号进行检测;之后舍弃部分不合理层次检测结果;最终得到这一大小窗口对应的层次检测结果。设置大小递增的多个一维滑动窗口,引入多尺度联合机制来融合每个尺度的优势以提高检测能力。本发明对层次更加敏感,能够在高水平分辨率下检测出更多的层次,检测结果完整合理,误检测更少,且该方法同时适用于地基和星载激光雷达信号处理。

Patent Agency Ranking