XiaoMi-AI文件搜索系统
World File Search SystemSpaceborne
一种从空间立体影像中描绘建筑物足迹的混合方法
城市地区的地理空间数据库 [1]。高分辨率星载立体 (HRSS) 传感器（例如 GeoEye、WorldView、QuickBird）的发射开启了一个新时代，提供了从太空获取立体图像和 3D 地图的可能性 [2]。事实上，建筑物识别、重建和变化检测已经使用立体图像匹配以及 3D 边缘匹配技术进行 [3,5-6]。如 [3] 所述，基于立体图像的 3D 边缘匹配提供了有希望的结果，但前提是建筑物在数据的空间分辨率方面足够大、具有简单的矩形形状并且与周围物体相比具有良好的辐射对比度。事实上，虽然使用非常高分辨率的航空图像进行 3D 边缘匹配可以详细重建建筑物足迹 [7]，但使用星载图像，同样的方法可能会遇到问题，特别是在两个核线图像中都无法清晰地检测到建筑物轮廓的情况下。此外，尽管影像匹配提供了表示建筑物高度的 DSM，但从该 DSM 中提取的建筑物大小和形状通常
石油污染监测 - 欧洲航天局
成本/收益考虑当石油污染监测基于星载和机载操作相结合时，成本效益比和成本效益已被证明会提高。对于北海每年 1800 万平方公里区域的石油泄漏监测，考虑使用一架飞机、两架飞机以及 ERS SAR 数据（覆盖 840 万平方公里）和一架飞机（960 万平方公里）的组合。配备 SLAR 的飞机在标准条件下每小时可以监测大约 15 000 平方公里。当地天气条件允许每周平均覆盖四天，每天飞行大约四个小时，每天覆盖大约 60 000 平方公里。评估中考虑了成本、时间范围（设定为二十年）以及社会影响。计算了所有涉及的服务提供商、最终用户和潜在污染者（例如石油公司、航运、沿海工业）的社会成本和收益。
石油污染监测 - 欧洲航天局
成本/收益考虑当石油污染监测基于星载和机载操作相结合时，成本效益比和成本效益已被证明会提高。对于北海每年 1800 万平方公里区域的石油泄漏监测，考虑使用一架飞机、两架飞机以及 ERS SAR 数据（覆盖 840 万平方公里）和一架飞机（960 万平方公里）的组合。配备 SLAR 的飞机在标准条件下每小时可以监测大约 15 000 平方公里。当地天气条件允许每周平均覆盖四天，每天飞行大约四个小时，每天覆盖大约 60 000 平方公里。评估中考虑了成本、时间范围（设定为二十年）以及社会影响。计算了所有涉及的服务提供商、最终用户和潜在污染者（例如石油公司、航运、沿海工业）的社会成本和收益。
最先进的卫星和机载海洋石油泄漏遥感技术：应用于 BP 深水地平线石油泄漏事件
深水地平线 (DWH) 大规模和持续性漏油事件对应急响应能力提出了挑战，需要在天气和操作层面进行准确、定量的石油评估。尽管经验丰富的观察员是溢油应急响应的中流砥柱，但训练有素的观察员人数很少，而且天气、石油乳化和场景照明几何等混杂因素也带来了挑战。广泛的机载和星载被动和主动遥感技术辅助了 DWH 溢油和影响监测。油膜厚度和油水乳化比是控制/清理的关键溢油响应参数，对于厚 (>0.1 毫米) 油膜，这些参数是从 AVIRIS（机载可见光/红外成像光谱仪）数据中定量得出的，使用基于近红外光谱吸收特征的形状和深度的光谱库方法。MODIS（中分辨率成像光谱仪）卫星，可见光谱宽带数据，表面浮油对太阳反射的调制，允许推断总浮油。多光谱专家系统使用神经网络方法提供快速响应厚度类别图。机载和卫星合成孔径雷达（SAR）提供全天空条件下的天气数据；然而，SAR 通常无法区分厚（>100 μ m）的油膜和薄油膜（至 0.1 μ m）。UAVSAR（无人驾驶飞行器 SAR）的信噪比显著提高，空间分辨率更高，可以成功区分与油膜厚度、表面覆盖率和乳化程度相结合的模式。使用 AVIRIS 研究了现场燃烧和烟羽，并证实了星载 CALIPSO（云气溶胶激光雷达和红外路径探测卫星观测）对燃烧气溶胶的观测。CALIPSO 和水深测量激光雷达数据记录了浅层地下石油，尽管需要辅助数据进行确认。机载高光谱、热红外数据具有夜间和阴天收集优势，并且与 MODIS 热数据一样被收集。然而，解释挑战和缺乏快速反应产品阻碍了其大量使用。快速反应产品是响应利用的关键——数据需求对时间至关重要；因此，高技术准备水平对于遥感产品的运营使用至关重要。DWH 的经验表明，开发和投入使用新的溢油应急遥感工具必须先于下一次重大石油泄漏事件发生。© 2012 Elsevier Inc. 保留所有权利。
激光交联任务编队飞行的 6U 纳米卫星设计
随着近年来星载数据量的不断增长，自由空间光学 (FSO) 或激光通信系统正备受关注，因为它们可以实现超过 1 Gbps 的超高数据速率。使用红外光学终端和纳米卫星的超高速卫星间链路系统 (VISION) 是一项技术演示任务，旨在建立和验证使用两颗编队飞行的 6U 纳米卫星的激光交联系统。最终目标是在数千公里的距离上实现 Gbps 级的数据速率。为了建立空间对空间激光通信，每个卫星的有效载荷光轴应在交联过程中精确对齐。有效载荷是激光通信终端 (LCT)，包括可部署空间望远镜 (DST)，它可以提高光学链路性能。6U 纳米卫星总线采用商用现货 (COTS) 组件设计，以实现敏捷系统开发。为了实现精确的编队飞行，该平台配备了带有 GNSS 接收器和 RF 交联器的相对导航系统、星跟踪器、3 轴反作用轮 (RW) 和推进系统。提出的激光交联系统概念将有助于未来构建具有高速和安全链路的 LEO 通信星座。
砷化镓器件的可靠性
过去几年中，砷化镓 (GaAs) 晶体管和集成电路在太空和军事领域的应用大大扩展。开发这种化合物半导体的主要原因是 GaAs 器件可以在更高频率下工作，并且比硅器件具有更高的抗辐射能力。然而，目前硅技术在可靠性方面仍然占有相当大的领先地位。硅优越可靠性的基础是与生俱来的，在于其氧化物的性质，这种氧化物可以在受控条件下生长，并具有更好的保护性能。不幸的是，GaAs 的氧化物不具备这些品质。我们对市售 GaAs 信号晶体管进行可靠性研究的目的是独立评估它们在星载射频 (RF) 系统（如 X 波段发射器和 S 波段信标接收器）中的使用成熟度。具体来说，在本文中，我们报告了对高电子迁移率晶体管 (HEMT)、信号金属半导体场效应晶体管 (MESFE T)、功率 MESFET 和数字过程控制监控设备的评估。为了帮助读者理解 GaAs 技术，
使用GIS
Aster GDEM的数字高程模型（DEM）：DEM是由无植被或建筑物的高程数据产生的地形表面的3D表示。它有助于计算影响太阳辐射效率和屋顶太阳能电池板效率的斜率，方面和阴影。先进的Spacemane热排放和反射辐射仪全球数字高程模型（Aster GDEM）是美国宇航局与日本经济，贸易和行业之间的合作。Aster GDEM以30米的高分辨率提供了全球高程数据，这是对地形的详细分析所必需的。它提供了高分辨率高程数据，用于地形分析，水文建模，坡度和方面分析，太阳辐射估计，基础设施计划，自然资源管理和灾难管理。钦奈的DEM对于绘制屋顶潜力，相对于地形识别建筑物的身高，建立屋顶倾斜度，方向以及评估周围地形和结构对太阳暴露的影响至关重要。USGS Earth Explorer Web应用程序允许用户搜索，预览和下载地球上任何位置的地理空间数据，并且在此需要在钦奈中分析太阳能屋顶潜力。
技术 - 海军研究实验室
永磁材料 声学匹配场处理 脉冲 X 射线照相术 氮化镓晶体管开发 经济性和可持续性 伽马射线照相术 断裂力学原理 分子结构分析和诺贝尔奖 合成润滑剂 海军用聚四氟乙烯 定量 X 射线荧光分析 改进的锅炉水处理 断裂试验技术 半绝缘砷化镓晶体 离子注入冶金术 氟化网络聚合物 磁性材料和半导体技术 低太阳吸光度船用涂料 快速固化防腐涂料 顶部伪装和防滑甲板涂料 高温防滑甲板 空间研究与技术 首次探测到太阳的远紫外光谱 首次探测到来自太阳的 X 射线 维京探空火箭计划 先锋计划 — 火箭先锋计划 — Minitrack 和空间监视先锋计划 — 卫星和科学 X 射线天文学太阳辐射 (SOLRAD) I 美国第一颗作战情报卫星 TIMATION 和 NAVSTAR GPS 高层大气遥感星载太阳日冕仪海事领域意识深空计划科学实验 (Clementine) 光波长干涉测量战术卫星自主系统龙眼无人系统氢燃料电池
iGNSS-R 海面测高仪的测高质量与沿轨空间分辨率之间的关系：机载实验示例
测高质量与沿轨空间分辨率是表征干涉全球导航卫星系统反射测量 (iGNSS-R) 海面测高性能的关键参数，二者通过信号处理时间紧密相关。其中，海面高度 (SSH) 测量的质量包括精密度和准确度。为了在观测区域获得更高的测高质量，需要更长的信号处理时间，这将导致沿轨空间分辨率的损失；反之，更高的沿轨空间分辨率需要更密集的采样，导致测高质量不理想。本研究以机载iGNSS-R观测数据为例，从精密度和准确度的角度分析了测高质量与沿轨空间分辨率之间的关系。结果表明，降低沿轨空间分辨率会提高测高质量。精度范围为0.28～0.73 m，精度范围为0.24～0.65 m。但这种变化并不是线性的，随着沿轨空间分辨率的恶化，测高质量改善的程度会降低。本文的研究结果可为未来星载iGNSS-R测高任务的参数配置提供科学参考。
一种从空间立体影像中描绘建筑物足迹的混合方法
从遥感图像中自动提取建筑物轮廓线已用于更新城市地区的地理空间数据库 [1]。高分辨率星载立体 (HRSS) 传感器（例如 GeoEye、WorldView、QuickBird）的发射开启了一个新时代，提供了从太空获取立体图像和 3D 地图的可能性 [2]。事实上，建筑物识别、重建和变化检测已经使用立体图像匹配以及 3D 边缘匹配技术进行 [3,5-6]。如 [3] 所述，基于立体图像的 3D 边缘匹配提供了有希望的结果，但前提是建筑物在数据的空间分辨率方面足够大、具有简单的矩形形状并且与周围物体相比具有良好的辐射对比度。事实上，虽然使用非常高分辨率的航空图像进行 3D 边缘匹配可以详细重建建筑物轮廓线 [7]，但使用星载图像，同样的方法可能会遇到问题，特别是在两幅对极图像中都无法清晰检测到建筑物轮廓的情况下。此外，虽然影像匹配提供了代表建筑物高度的DSM，但是从该DSM提取的建筑物大小和形状通常被高估，因此需要辅助信息。