XiaoMi-AI文件搜索系统
World File Search SystemSpaceborne
双基地和多基地 SAR 中振荡器噪声的影响
I. 引言 双基地和多基地合成孔径雷达 (SAR) 系统通过安装在不同平台上的发射和接收天线进行操作 [1], [2]。这种空间分离具有多种操作优势，将提高未来星载 SAR 任务的能力、可靠性和灵活性 [3], [4]。双基地和多基地卫星配置的强大应用包括单程横轨和沿轨干涉测量、高分辨率宽幅 SAR 成像、用于改进场景分类的双基地成像、分辨率增强、SAR 层析成像和频繁监测 [4]。然而，双基地和多基地 SAR 任务的实施也带来了一些新的挑战，例如近距离卫星编队中的避碰、为提供适当基线的轨道设计、增加对模糊性的敏感性以及仪器同步 [4]–[12]。本信讨论了双基地和多基地 SAR 数据采集过程中振荡器稳定性有限的影响。在分布式 SAR 系统中，振荡器误差值得特别关注，因为在单站 SAR 中，低频相位误差不会消除，而单站 SAR 中相同的振荡器信号用于调制和解调 [7]。为了进行定量研究，我们在第二部分中引入了一个系统理论模型，该模型在随机过程框架内描述了超稳态振荡器 (USO) 的残余相位误差
评估 GEDI 的 LiDAR 数据对巴西桉树人工林冠层高度和木材体积的估算
摘要 — 过去二十年来，星载激光雷达系统凭借其准确估算树冠高度和地上生物量的能力，在遥感领域获得了发展势头。本文旨在利用最新的全球生态系统动态调查 (GEDI) 激光雷达系统数据来估算巴西桉树人工林的林分尺度优势高度 (H dom) 和林分体积 (V)。这些人工林由于树冠覆盖均匀且可进行精确的实地测量，因此提供了有价值的案例研究。基于几个 GEDI 指标，使用了几个线性和非线性回归模型来估计 H dom 和 V。 H dom 和 V 估计结果表明，在低坡度地形上，使用逐步回归方法可获得最准确的 H dom 和 V 估计值，均方根误差 (RMSE) 分别为 1.33 m（R 2 为 0.93）和 24.39 m 3 .ha − 1（R 2 为 0.90）。解释 H dom 和 V 超过 87% 和 84% 变异性 (R 2 ) 的主要指标是表示 90% 的波形能量发生于地面以上高度的指标。对六种可用的不同处理算法发出的后处理 GEDI 指标值进行测试表明，H dom 和 V 估计的准确性取决于算法，使用算法 a5 相对于 a1，两个变量的 RMSE 均增加了 16%。最后，选择最后检测到的模式或最后两个模式中较强的模式的地面回波也会影响 H dom 估计精度，使用后者会导致 12 厘米 RMSE 降低。
使用完全... 在 VHR SAR 图像中检测建筑物
摘要 — 这是预接受版本，要阅读最终版本，请访问 IEEE Xplore 上的《IEEE 地球科学和遥感学报》。本文解决了自动检测人造结构尤其是非常高分辨率 (VHR) 合成孔径雷达 (SAR) 图像中的建筑物这一极具挑战性的问题。在这方面，本文有两大贡献：首先，它提出了一种新颖的通用工作流程，该工作流程首先将星载 TomoSAR 点云（通过使用称为 SAR 断层扫描 (TomoSAR) 的先进干涉技术处理 VHR SAR 图像堆栈生成）在辅助信息的帮助下（即使用公开可用的 2D 建筑物足迹或采用光学图像分类方案）分为建筑物和非建筑物，然后将提取的建筑物点反投影到 SAR 成像坐标上，以自动生成大规模基准标记（建筑物/非建筑物）SAR 数据集。其次，这些标记数据集（即建筑物掩码）已用于构建和训练最先进的深度全卷积神经网络，并附加条件随机场（表示为循环神经网络）来检测单个 VHR SAR 图像中的建筑物区域。这种级联结构已成功应用于计算机视觉和遥感领域，用于光学图像分类，但据我们所知，尚未应用于 SAR 图像。结果
运动结构摄影测量和无人机/无人机技术的河流和水生应用
运动结构 (SfM) 近来在河流和水生科学中迅速流行起来。这种流行在很大程度上要归功于廉价无人机/无人驾驶飞机的广泛使用，它们有助于缓解地形挑战并提供高效、可重复和高精度的图像和地形数据。这些数据可以具有前所未有的时空覆盖范围，包括河流和水生地形、水力学、地貌和栖息地质量的测量。SfM 数据还提供了水下考古、结构和水生生物的全新量化。研究正在从地形测量的概念验证转向真正的应用，包括粒度测绘、水深测量、地貌测绘、植被测绘、恢复监测、栖息地分类、地貌变化检测和沉积物输送路径描绘。将点云分析和正射影像镶嵌图与数字高程模型 (DEM) 相结合已被证明可以有效地提供对河流和水生系统的新过程理解。水下和水下研究开始克服可访问性、可见性和图像失真的问题。档案照片和视频（水上和水下）正在使用 SfM 工作流程进行重新处理，以根据历史调查生成三维表面和物体，从而延长可以检测到变化的时间段。最近，已经开发了 SfM 工作流程
最佳选择城市二氧化碳的卫星XCO2图像...
摘要。从CO 2柱平均干摩尔分数（XCO 2）的Spaceborn图像中估算城市CO 2发射的兴趣越来越大。排放估计方法已被广泛测试并应用于实际或合成图像。但是，仍然缺乏选择值得处理的图像的客观标准。这项研究分析了一种自动化方法的性能，用于估计城市排放作为目标城市和大气条件的函数。，它使用具有合成真理的合成数据和9920 XCO 2的合成卫星图像在全球最大的31个城市中，由全球自适应网格模型，海洋 - 陆地 - 大气模型（OLAM）产生，在这些城市高度重大的城市中放大。我们使用一种应用于这种合成图像集合的决策树学习方法根据这些发射和大气条件来定义标准，以选择合适的卫星图像。我们表明，基于高斯羽流模型的发射估计方法的自动化方法设法估算了92％的合成图像。我们的学习方法确定了两个标准，即风向的空间可变性和目标城市的排放预算，这些预算折磨了其处理的图像，其处理可得出合理的发射估计，从而从那些处理产生大量的估计。图像对应于风向低空间可变性（小于12°）和高城市排放（大于2.1 kt co 2 H-1）的图像占图像的47％，并且其处理的相对误差在发射范围内产生了相对误差，中位数为-7％，二级分支范围
数字高程模型的空间形态分析...
简介。空间分析是任何 GIS 研究的顶峰。空间分析有四种传统类型：表面分析、空间叠加和邻接分析、线性分析和栅格分析。数字高程模型 (DEM) 的空间分析是一项复杂的科学任务。DEM 是相对于任何参考基准的陆地表面高程的数字表示。DEM 经常用于指代地形表面的任何数字表示。DEM 是地形数字表示的最简单形式。DEM 用于确定地形属性，例如任意点的高程、坡度、坡向。DEM 广泛用于水文和地质分析。DEM 的水文应用包括地下水建模、确定滑坡概率、洪水易发区制图。DEM 是土壤状态、景观和栖息地建模的基础。DEM 的空间结构形态分析可以看作是景观及其地质生态状态信息清单的一种方法。该技术能够综合有关侵蚀-积累过程强度不同的景观位置的信息。此类信息对于组织区域平衡的自然管理系统至关重要。调查方法。许多 GIS 软件应用程序既有商业来源也有开源来源。有两个流行的应用程序：ArcGIS 和 QGIS。本研究使用 ArcGIS 工具和 Topo to Raster 方法进行了研究，以创建特定的 DEM 模型。地形转栅格是一种专门的工具，用于从地形组件（例如高程点、等高线、河流线、湖泊多边形、汇点和研究区域边界多边形）的矢量数据创建符合水文要求的栅格表面。此工具应用于本地级研究。应用 TIN 建模为数据不足的区域生成附加数据，以进行正确的地形转栅格插值。ArcGIS Spatial Analyst Extension Toolkit 中的水文建模工具可以描述表面的物理组成部分。水文工具使我们能够确定流向、计算流量累积、描绘流域并创建河流网络。DEM 的空间分析用于形态景观组织的建模，与 Philosofov (1960) 提出的地形形态研究方法有关。其本质是由对由 DEM 创建的划定流域和流积表面应用数学运算决定的。调查结果。地形地貌测量在过去几十年中得到了广泛的发展，在方法论和研究主题领域取得了重要成果。针对最常见的地形参数 - 测高、坡度、坡向、带状剖面、线纹和排水密度、表面粗糙度、等基线和水力梯度，提出了一种将 GIS 和统计学整合到地形分析中的方法。地貌分析的有效方法是结构地形学和地形测量学，它们以前基于地形图分析，现在基于可靠的 DEM。DEM 是地形的网格化数字表示，每个像素值对应于基准面以上的高度。自 Miller 和 Laflamme (1958) 的开创性工作以来，DEM 已发展成为许多科学应用不可或缺的一部分。DEM 可以通过地面调查、数字化现有硬拷贝地形图或通过遥感技术创建。DEM 现在主要使用遥感技术创建。遥感技术包括摄影测量 (Uysal et al., 2015; Coveney and Roberts, 2017)、机载和星载干涉合成孔径雷达 (InSAR) 和光检测和测距 (LiDAR)。星载 InSAR 是创建全球 DEM 的最常用技术，也是最广泛使用的开放获取全球 DEM 背后的技术；航天飞机雷达地形测绘任务 (SRTM)。与其他全球 DEM 相比，SRTM 具有可访问性、特征分辨率、垂直精度以及更少的伪影和噪声，因此仍然是最受欢迎的全球 DEM（Rexer 和 Hirt，2014；Jarihani 等人，2015；Sampson 等人，2016；Hu 等人，2017）。评估 SRTM 数据的准确性（Farr，T. G.，P. A. Rosen 等人。(2007)，Rodriguez，E.，C. S. Morris 等人。(2005) 允许将其用于区域研究。SRTM 数据被定义为不足以在本地研究中生成可靠的 DEM。
热带降雨测量任务 (TRMM) 降水...
TRMM降水雷达（PR）是第一台星载降雨雷达，也是TRMM上唯一能够直接观测降雨垂直分布的仪器。TRMM PR的频率为13.8 GHz。PR可以实现陆地和海洋的定量降雨估计。PR还可以提供降雨高度信息，这对基于辐射计的降雨率反演算法很有用。PR的覆盖范围足够小，可以研究不均匀降雨对低频微波辐射计通道相对粗糙覆盖范围的影响。PR的主要设计和性能参数如表0-2所示[Kozu等，2001]。PR的观测几何如图0-1所示。在正常观测模式下，PR 天线波束在 ±17 的横向轨道方向上扫描，结果从一端到另一端的扫描宽度为 220 公里。PR 的天线波束宽度为 0.71 ，在 ±17 的扫描角度内有 49 个观测角度箱。当 TRMM 处于 350 公里的标称高度时，水平分辨率（覆盖区大小）在天底为 4.3 公里，在扫描边缘约为 5 公里。TRMM PR 的距离分辨率为 250 米，等于天底的垂直分辨率。对于每个观测角度箱，雷达回波采样是在海面和 15 公里高度之间的距离门上进行的。对于天底入射，还收集了高达 5 公里高度的“镜像”。此外，还部分收集了表面回波（扫描角度在 ±9.94 以内）和降雨回波（扫描角度在 ±3.55 以内，高达 7.5 公里）的“过采样”回波数据。这些过采样数据将用于精确测量表面回波水平和融化层结构。根据发射前地面测试和轨道测试确定，最小可检测 Z（对应于噪声等效接收功率）从 23.3 dBZ（基于规范要求）提高到 20.8 dBZ。这主要是由于发射功率增加和接收器噪声系数降低。
使用 LiDAR 数据得出的地形属性对城市地区数字土壤测绘的地貌进行分类：以德国柏林为例
摘要：本研究采用基于知识的模糊分类方法，通过分析从数字高程模型 (DEM) 获得的形态参数 (地形属性) 对城市地区可能的土壤地貌进行分类。以柏林市区为例，比较了两种不同分辨率的 DEM 在寻找地貌、土壤类型之间的特定关系以及这些 DEM 用于土壤制图的适用性方面的潜力。几乎所有的地形参数都是从高分辨率光探测和测距 (LiDAR)-DEM (1 m) 和先进星载热发射和反射辐射计 (ASTER)-DEM (30 m) 获得的，这些参数被用作对选定研究区域内地貌进行分类的阈值，总面积约为 39.40 km 2 。通过将地面点样本作为地面真实数据与分类结果进行比较，评估了两种分类的准确性。基于 LiDAR-DEM 的分类在将城市地区的地貌分类为地貌（子）类别方面表现出良好的效果。总体准确度为 93%，这说明该分类结果令人满意。而基于 ASTER-DEM 的分类准确度为 70%。基于 ASTER-DEM 的分类较为粗糙，需要与土壤形成因素直接相关的更多详细信息来提取地貌参数。在对地貌进行分类时，使用 LiDAR-DEM 分类的重要性尤为明显
自由空间信道中连续变量测量设备独立的量子密钥分发
量子密码术 [1] 是最古老的量子技术之一，已成为应对量子计算机挑战的杰出候选技术 [2]。尤其是量子密钥分发 (QKD)，其发展速度非常快，其最终目标是使远距离用户能够共享一个密钥，该密钥必须无法被窃听者获知，从而提供高度安全的加密。QKD 系统面临的关键挑战包括通信系统中的信道损耗和噪声水平。这是影响 QKD 性能及其实现的两个主要障碍，尤其是在长距离传输中 [3]。直到最近，光纤一直是研究和实验大多数 QKD 协议的主要平台。但它们的长距离安全距离有限，主要是因为光纤链路的透射率呈指数衰减。一般来说，有两种解决方案可以克服这一限制：使用量子中继器[4-10]或使用自由空间和卫星链路[11-17]。当前基于地面光纤的量子通信系统的覆盖范围仅限于几百公里[18]，而我们似乎即将建立全球量子通信网络，即量子互联网[19,20]。因此，最近的研究引起了人们对星载 QKD 和空间量子通信的浓厚兴趣[17]，旨在了解自由空间、高空平台站（HAPS）系统和卫星链路如何帮助突破当前的距离限制，同时保证实现量子安全。人们已经取得了重要进展，特别是在单向空间量子通信的极限和安全性方面[21-23]，结果表明，秘密比特可以在湍流大气中安全地分发，无论是弱湍流还是强湍流[24]。在 QKD 科学的另一个不同分支中，独立于测量设备 (MDI) 的 QKD [25,26]（相关实验另见参考文献 [27-29]）是放宽典型点对点 QKD 协议中的信任假设的最有趣和研究最充分的方案之一。更准确地说，在 MDI 中，人们不需要假设将在他们之间分发密钥的合法方的检测设备是可信的。这是因为据称不受信任的第三方
利用太阳同步轨道进行太空太阳能发电
1. Glaser, P. (1973)。将太阳辐射转换为电能的方法和装置。美国专利商标局，华盛顿特区 2. JE Drummond, JE (1980)。低地球轨道和地球同步地球轨道的比较，Power Conversion Technology, Inc. 3. Jones, R. (2010)。替代轨道 - 一种新的太空太阳能发电参考设计，在线空间通信杂志，2010 年第 16 期 http://spacejournal.ohio.edu/issue16/jones.html 4. Mankins, JC Mankins。(2006)。美国土木工程师学会地球与空间会议论文集。2006 年大会，德克萨斯州联盟城。空间电网 - 太空太阳能发电的进化方法。美国国家航空航天局，华盛顿特区 5. Komerath, N., Boechler, N. Wanis, N. (2006)。空间电网 — 空间太阳能发电的进化方法，美国土木工程师学会地球与空间分会 2006 大会论文集，德克萨斯州联盟城，2006 年 4 月 6. Brown, C. (1992)。波束微波电力传输及其在空间中的应用，IEEE 微波与技术学报，第 40 卷第 6 期。 7. 格鲁曼航空航天公司，星载雷达研究，1974 年 8. Komerath, N., Nicholas B. (2010)。空间电网，佐治亚理工学院航空航天工程学院，美国佐治亚州亚特兰大 30332-0150 9. Criswell, D. (2009)。月球太阳能发电 (LSP) 系统：实现可持续繁荣的实用方法，搜索与发现文章 #70070 10. Bekey, R. 和 Boudreault, R. (1999)。经济上可行的太空电力中继系统，Elsevier Science Ltd. 出版。11. Hopkins, M. (1980)。卫星发电站和非成本不确定性风险方面。兰德公司。12. Geoffrey A. Landis，《重新发明太阳能卫星》，美国国家航空航天局，格伦研究中心，俄亥俄州克利夫兰，2004 年。13. Mankins, JC (1997)。重新审视太空太阳能：新架构、新概念和技术，IAF-97-R.2.03，第 38 届国际宇航联合会，美国国家航空航天局高级项目办公室。14. 美国国家科学院国家研究委员会。(2001)。为太空太阳能奠定基础：对 NASA 太空太阳能投资战略的评估。对 1999-2000 年进行的 NASA 空间太阳能 (SSP) 探索性研究和技术 (SERT) 计划的评估，95 页。15. Komerath, N.、Venkat V. 和 Butchibabu, B. 空间电网的参数选择