热带风暴 Noul 在西南亚造成破坏并造成数人死亡。越南自然资源与环境部国家遥感局 (MONRE) 进行了 EOR。在数据提供者节点 (DPN) 中,遥感成像、传感和处理中心 (CRISP)、地理信息和空间技术发展机构 (GISTDA)、印度空间研究组织 (ISRO)、日本宇宙航空研究开发机构 (JAXA) 和 NARL 提供了观测数据。在这次 EOR 中,尽管请求者的关注区域相当广泛,但在规划观测时,DPN 成功地通过 OPTEMIS 有效地共享了观测区域。
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。
基于卫星的地球观察结果具有广泛的应用,例如自然灾害警告,全球温度影响分析,天气条件分析和土地利用分类。但是,目前用于土地利用分类的机器学习技术在时间和精力方面是昂贵的。有两种可能解决此问题的方法。第一个是变性量子算法。它们是一类量子算法,针对近乎中等规模的量子计算时代的应用。这些算法采用共同参数化的量子电路和经典优化技术来查找从给定应用点起具有理想特性的量子电路或状态。vqas通常在寻找量子哈密顿量的低能状态时发现应用程序,解决了大约二次无约束的二进制优化问题和训练量子神经网络。在地球观测区域中,最有希望的应用领域在于QNN,因为应用VQAS允许创建采用量子信息处理工具的新分类方法。第二种方法是使用量子计算机用于使用自动编码器降低维度的混合机学习方法,以及量子算法的量子算法,量子算法供电量子算法来降低培训成本。使用常规深度学习技术的自动编码器在GPU上执行,而深度信念网络则在D-Wave量子退火器上运行。这种混合方法允许对两个模块进行独立训练,部分减少了重新训练模型所需的时间和能量(请参见图I)。