技术领域
本发明属于卫星观测信噪比在轨估算技术领域,具体是一种用于低亮度区域气象卫星仪器可见光谱段的信噪比在轨量化方法。
背景技术
卫星传感器设计需具有足够的信噪比SNR,以解决对观测区域的细微变化测量。一般使用以下两类方法估算卫星仪器噪声水平:一类是指定仪器等效噪声辐射而不是SNR,此方法带来的误差较大,难以满足高精度的观测要求;二类是在特定输入辐射条件下,通过实验室测量计算出SNR。信噪比计算需确定卫星传感器观测时的能量信号与仪器的噪声。
然而,卫星传感器的噪声与观测时的辐射信号有关;现有的在轨计算SNR的技术方案通常采用星上定标源观测数据进行信噪比的测算,其使用了积分球光源、太阳和漫反/透射板光源作为输入信号,不同仪器所设定的输入辐射信号不同,导致在轨测算信噪比所参照的输入辐射信号不同,所得到的SNR不具备可比性。
发明内容
本发明的目的在于克服现有技术的缺陷,提供一种用于低亮度区域气象卫星仪器的信噪比在轨量化方法。
为实现上述目的,本发明采用了如下技术方案:
一种用于低亮度区域气象卫星仪器的信噪比在轨量化方法,包括以下步骤:
观测目标区域选择;
筛选晴空无耀斑影响的目标区域;
均匀目标筛选,输入信号和噪声信号分离;
传感器输入信号和噪声的确定;
计算传感器信噪比SNR。
优选的,所述观测目标区域选择,选择原则包括:区域观测能量相对集中稳定、潜在的均匀目标多、晴空率高及目标易于获取。
优选的,所述筛选晴空无耀斑影响的目标区域,包括:
设定太阳天顶角筛选阈值、耀斑角筛选阈值及晴空筛选阈值;
基于卫星遥感器定标参数计算得到大气顶反射率,若目标区域太阳天顶角>太阳天顶角筛选阈值1且太阳天顶角<太阳天顶角筛选阈值2、耀斑角>耀斑角筛选阈值且大气顶反射率<晴空筛选阈值,则保留,反之剔除。
优选的,所述大气顶反射率计算公式为:
Ref=(EV-SV)*Slope*d
其中,EV与SV为对地观测和冷空观测数码值,Slope为反射率定标斜率,d为日地距离,SZA为太阳天顶角。
优选的,所述均匀目标筛选,输入信号与噪声信号的分离,包括:设定空间窗口及筛选阈值,基于窗口内
优选的,所述均匀目标筛选,输入信号与噪声信号的分离,还包括:对判定为均一目标的空间窗口,计算均值MEAN和标准差STD,进行数据累积。
优选的,所述传感器输入信号和噪声的确定,包括:基于累积的标准差STD数据,计算概率分布直方图,进行高斯拟合确定该噪声数据是否符合正态分布,若满足检验的显著性水平,则判定此噪声符合正态分布,以符合正态分布标准差STD数据的均值作为传感器噪声Rnoise,以对应的均值MEAN数据的均值作为传感器输入信号Rsignal。
优选的,所述计算传感器信噪比SNR,计算公式为:
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明对基于实际卫星遥感器对地观测数据计算信噪比进行了统一的量化方法确定,基于卫星遥感器无云低亮度场景下的在轨观测辐射数据实时估算信噪比;
本发明可以直接利用卫星遥感器对地观测数据有效分离观测信号中的噪声,得到低亮度观测辐射下的仪器噪声和信噪比,可以将此方法用于卫星遥感器在轨信噪比实时估算,获得仪器SNR在轨变化监测结果,用以监视仪器在轨性能的变化。
附图说明
图1是本发明一种用于低亮度区域气象卫星仪器的信噪比在轨量化方法的流程图;
图2是本发明优选实施例中均匀目标阈值选择为1.0075时的FY-3B/MERSI波段8(412nm)噪声分布直方图;
图3是本发明优选实施例中FY-3B/MERSI波段8(412nm)、9(443nm)和10(490nm)的SNR和对应信号辐亮度。
具体实施方式
以下结合附图1-3,进一步说明本发明一种用于低亮度区域气象卫星仪器的信噪比在轨量化方法的具体实施方式。本发明一种用于低亮度区域气象卫星仪器的信噪比在轨量化方法不限于以下实施例的描述。
实施例1:
本实施例给出一种用于低亮度区域气象卫星仪器的信噪比在轨量化方法的具体结构,如图1所示,包括以下步骤:
观测目标区域选择;
筛选晴空无耀斑影响的目标区域;
均匀目标筛选,输入信号和噪声信号分离;
传感器输入信号和噪声的确定;
计算传感器信噪比SNR。
具体地,观测目标区域选择,选择原则包括:区域观测能量相对集中稳定、潜在的均匀目标多、晴空率高及目标易于获取。
具体地,筛选晴空无耀斑影响的目标区域,包括:
设定太阳天顶角筛选阈值、耀斑角筛选阈值及晴空筛选阈值;
基于卫星遥感器定标参数计算得到大气顶反射率,若目标区域太阳天顶角>太阳天顶角筛选阈值1且太阳天顶角<太阳天顶角筛选阈值2、耀斑角>耀斑角筛选阈值且大气顶反射率<晴空筛选阈值,则保留,反之剔除。
具体地,大气顶反射率计算公式为:
Ref=(EV-SV)*Slope*d
其中,EV与SV为对地观测和冷空观测数码值,Slope为反射率定标斜率,d为日地距离,SZA为太阳天顶角。
具体地,均匀目标筛选,输入信号与噪声信号的分离,包括:设定空间窗口及筛选阈值,基于窗口内
进一步的,均匀目标筛选,输入信号与噪声信号的分离,还包括:对判定为均一目标的空间窗口,计算均值MEAN和标准差STD,进行数据累积。
进一步的,传感器输入信号和噪声的确定,包括:基于累积的标准差STD数据,计算概率分布直方图,进行高斯拟合确定该噪声数据是否符合正态分布,若满足检验的显著性水平,则判定此噪声符合正态分布,以符合正态分布标准差STD数据的均值作为传感器噪声Rnoise,以对应的均值MEAN数据的均值作为传感器输入信号Rsignal;
进一步的,计算传感器信噪比SNR,计算公式为:
实施例2:
本实施例给出了风云三号气象卫星B星(FY-3B)的中分辨率光谱成像仪(MERSI)的具体结果,如图1-3所示,包括以下步骤:
1.基于设定的贫瘠大洋区域,提取遥感器观测数据:
设定观测目标区域范围为-32.3°E~-11°E,-25°N~0°;
由FY-3B/MERSI L1B文件读取设定经纬度范围内的数据,提取对地观测数码值EV、冷空观测数码值SV、太阳天顶角SZA,利用定标参数计算大气顶反射率:
Ref=(EV-SV)*Slope*d
其中,EV为对地观测,SV为冷空观测数码值,Slope为反射率定标斜率,d为日地距离,SZA为太阳天顶角。
2.晴空无耀斑影响的数据筛选:
设定太阳天顶角SZA筛选阈值2为70°,筛选阈值1为0度,耀斑角GlintA筛选阈值为35°,晴空/云判识筛选阈值为0.08,采用波段3(670nm)进行晴空/云判识,若某一像元的SZA>0°且SZA<70°且GlintA>35°且Ref(B3)<0.08,则保留该像元。
3.均匀目标筛选与输入和噪声信号分离:
针对步骤2中筛选后的数据,设定3×3的滑动窗口,进行均匀目标判识;以窗口内最大值/最小值进行阈值判断,确定该窗口内的目标是否均一,均匀目标阈值TH可在1.002~1.008(以0.0005为间隔)自动选择,若3×3窗口内存在无效值或者窗口的最大值/最小值超过TH,则剔除。
针对每一个判定为均一目标的3×3窗口,计算反射率均值(MEAN)和标准差(STD),并进行数据累积,用于后续的输入信号和噪声信号计算。
4.传感器输入信号和噪声的确定
针对步骤3累积的标准差(STD)数据,计算概率分布直方图,使用高斯拟合确定该噪声数据是否符合正态分布;
利用概率分布曲线与高斯拟合曲线的面积差进行最佳均匀目标阈值的确定,此时检验的显著性水平值(P值)若小于0.05,则认为此噪声分布是满足要求的;
以符合正态分布的标准差(STD)数据的均值作为传感器噪声R
5.计算传感器信噪比SNR:
根据信噪比的计算公式,得到仪器最终的SNR评估值:
工作原理:
如图1所示,首先,以清洁海洋区域无云场景的卫星观测数据作为研究对象;其次,根据场景需要,筛选符合要求(晴空、无耀斑)的像元数据;然后,以数据窗口内的统计特征,筛选均匀目标;累积均匀目标的均值和标准差;最后,拟合标准差数据的概率分布曲线,以符合正态分布的标准差数据的均值作为仪器的噪声,对应的均值数据的均值作为信号,进而计算仪器信噪比。
依据上述辐射量化方法,作为计算仪器噪声的基础,选择MERSI的连续5日数据,同时计算不同均匀目标判识阈值(1.002~1.008,以0.0005为间隔)下的噪声分布特征,并利用概率分布曲线与高斯拟合曲线的面积差进行最佳均匀目标阈值的确定。
依据上述均匀目标窗口标准差数据,通过其概率密度分布是否符合正态分布判断均匀目标判识阈值的合理性,进而得到真实的噪声数据。
本发明对基于实际卫星遥感器对地观测数据计算信噪比进行了统一的量化方法确定,基于卫星遥感器无云低亮度场景下的在轨观测辐射数据实时估算信噪比;
本发明可以直接利用卫星遥感器对地观测数据有效分离观测信号中的噪声,得到对应观测辐射下的仪器噪声和信噪比,可以将此方法用于卫星遥感器在轨信噪比实时估算,获得仪器SNR在轨变化监测结果,用以监视仪器在轨性能的变化。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
机译: 用于医师的工作区域,特别是手术区域的亮度受控的医用照明装置,具有用于确定工作区域中的亮度的装置,用于根据亮度调节照明强度的装置
机译: 用于医师的工作区域,特别是手术区域的亮度受控的医用照明装置,具有用于确定工作区域中的亮度的装置,用于根据亮度调节照明强度的装置
机译: 具有低亮度光源输出区域,高亮度光源输出区域的照明装置和包括相同的显示装置