Synthetic aperture radar raw signal generation and image simulation of typical targets

Synthetic aperture radar (SAR) raw signal generation and SAR image simulation of typical targets are very significant for the validation of SAR imaging algorithms, the interpretation of SAR images, and automatic target recognition of SAR images. Based on analysis of the existing SAR raw signal generation and SAR image simulation methods, a new method for SAR raw signal generation and SAR image simulation is proposed. This method combined the curved surface pixel method (CSPM) and the two dimensional FFT (2DFFT) based SAR raw signal generation model. CSPM is used to calculate the target reflectivity, while the 2DFFT method is employed to obtain the raw signal. The simulations are carried out, and the effectiveness of this method is validated by the results of simulating some typical targets.     

风廓线雷达资料在强对流天气预报中的应用

强对流天气局地性强,难以准确、提前监测预警,常造成严重的人员伤亡和经济损失。为了弥补探空资料在连续观测中时间间隔长的不足,利用风廓线雷达对环境风场开展连续观测,分析常熟市沿江地区发生的一次强对流天气过程。结果表明,风廓线雷达资料能够一定程度上反映垂直方向上的风场、垂直气流等气象要素,雷达资料反演的垂直风切变和垂直速度也与强对流天气特征相吻合,可为强对流天气的监测预警提供参考。     

农业害虫自动识别与监测技术

随着计算机和互联网技术的发展,信息技术已被广泛地应用于植物保护领域,推动农业害虫的监测走向信息化、智能化和精准化。我们综述了农业害虫自动识别与监测技术的最新研究进展,分析了各种技术的特点与优势。这些技术均需要特定的设备获取农业害虫及其生境的信息,提取昆虫信息特征,并利用这些特征进行昆虫种类的识别与计数,达到害虫监测的目的。图像识别技术适合于自动识别与监测栖息于作物表面的害虫,昆虫雷达(厘达或激光雷达)技术特别适合于自动识别与监测高空中飞行的害虫,而声音识别技术在自动识别与监测隐蔽害虫方面具有优势。最近发展起来的基于深度学习的害虫识别方法避免了传统的手工设计特征方法,提高了害虫识别的鲁棒性,展示了一旦建立完整的昆虫信息库就可以实现害虫自动识别与监测的可能;这给昆虫学家提出了一个艰巨的任务,即鉴定和正确标识机器学习所需的大量的昆虫信息。     

雷达昆虫学研究进展及应用前景

雷达昆虫学经过近50年的发展,取得一系列的重要成果。本文系统介绍了各类昆虫雷达的体制和功能,总结了相似体制天气雷达与昆虫雷达的主要区别,回顾了各相关国家雷达昆虫学的实践情况,归纳了昆虫雷达建制技术取得的进步,并展望了雷达应用的前景及其今后昆虫雷达建制技术的发展方向,以期促进我国昆虫雷达事业的发展。     

葡萄园植保机器人路径规划算法

为提高植保机器人葡萄园作业在垄行识别和路径规划中的准确度和可靠性,该文提出了一种基于支持向量机(support vector machine,SVM)的多支持向量配比权重进行葡萄园垄行识别与农业机器人作业路径规划的算法。该算法利用Kalman滤波器对由激光雷达扫描获取的粗大实况果园数据信息进行预处理,校正数据中的噪声离群点,然后结合SVM,获得垄行环境中的分割超平面和分类边际线,最后根据样本点与分类边际线存在的几何间隔关系判别各点所占相对权重,获取垄线安全预估测位置并进行农业机器人作业导航线的规划拟合。通过对多个实际样本的试验与测试,拟合导航线与实际垄行中心线平均角度偏差为0.72°,相对植保机器人的平均距离偏差为4.22 mm。试验结果表明,该算法能够有效的识别与定位植保机器人所需导航线的位置,拟合的导航线满足葡萄园植保机器人准确作业的要求。     

基于高度融合的植保无人机仿地飞行方法研究

多旋翼植保无人机在坡地作业过程中一般作业于作物上方1.5~3 m的近地空中,需要保持稳定的仿地飞行才能保障无人机的安全飞行和喷洒均匀性。提出了一种仿地飞行方法,通过前置毫米波雷达进行坡度判断,在坡度起伏较小时,将差分GPS高度与对地毫米波雷达高度进行卡尔曼滤波融合以提高精度,在坡度变化超出阈值时,将前置毫米波雷达与对地毫米波雷达的高度进行多雷达高度信息融合以提高响应速度,最后采用模糊PID控制算法控制无人机高度。通过仿真和实地飞行测试,实现了植保无人机坡地仿地飞行高度误差小于40 cm的目的,保证了无人机的环境适应能力和喷洒均匀性,为植保无人机在不同地形下的全自动作业奠定了基础。     

极化干涉SAR森林冠层高反演的地形坡度改正

极化干涉SAR森林冠层高反演是当前SAR领域研究的热点。经典的森林冠层高反演算法主要基于随机地表二层相干散射模型(Random Volume over Ground,RVo G),该模型在山区受到植被层下地表的地形坡度影响,反演精度存在较大误差。为了提高森林冠层高反演精度,采用地形坡度改正的S-RVo G(Sloped Random Volume over Ground)模型,结合三阶段算法,应用德国宇航局DLR提供的星载Tan DEM-X全极化干涉数据反演森林冠层高,并对结果进行验证。结果表明:坡度级为II、III级,RVo G模型反演效果接近于S-RVo G模型;坡度级为IV级,RVo G模型与二调平均树高的相关关系明显下降,加权相对误差和RMSE增大;S-RVo G模型与二调平均树高保持显著相关关系,反演误差同比小于RVo G模型。因此,S-RVo G模型一定程度上改正了地形坡度造成的误差,提高了森林冠层高反演精度,在坡度大的地区精度提升程度更为明显。     

基于多时相合成孔径雷达与光学影像的冬小麦种植面积提取

小麦是中国最重要的农作物之一,准确、及时掌握小麦种植面积具有重要意义。以探索合成孔径雷达(synthetic aperture radar,SAR)与光学数据对种植结构复杂地区冬小麦识别的能力,提高识别精度为目的。该研究以多时相SAR(Sentinel-1A)和光学影像(Landsat-8)为数据源,选取种植结构复杂的都市农业区为研究区。构建不同特征向量组合,利用支持向量机(support vector machine,SVM)提取冬小麦种植面积。通过对比分析基于不同特征向量组合的冬小麦识别精度,结果表明:1)使用SAR后向散射数据得到85.7%的制图精度和87.9%的用户精度;2)添加SAR数据纹理信息,总体精度高达90.6%,比单独使用后向散射数据在制图精度和用户精度上分别提高7.6%和6.7%;3)当SAR数据和光学影像结合时,总体精度高达95.3%(制图精度97%,用户精度98.4%),比单独使用SAR数据在制图精度和用户精度上分别提高3.7%和3.8%。因此,基于SAR数据的都市农业区冬小麦分类,有着较高分类精度,纹理信息和光学影像的添加能有效提高识别精度。研究结果可为SAR数据的农作物识别和应用提供理论基础。     

新一代星载云雨测量雷达系统技术研究

双频率、多极化星载云雨测量雷达是遥感探测技术发展的必然趋势。深入研究了新一代双频多极化星载云雨测量雷达系统技术,给出了双频多极化雷达系统框图与主要指标,分析了天线子系统实现方案,提出了天线子系统的技术指标;考虑了中央电子设备子系统的实现方案,并计算了星载云雨测量雷达的数据率。该研究为开展空间云雨测量雷达系统研究进行了有益的尝试,可为我国未来空间云雨测量雷达的设计与研制提供参考。     

北京地区越冬代旋幽夜蛾迁飞的虫源分析

目的研究越冬代旋幽夜蛾Scotogramma trifolii在北京地区的灯下消长动态和迁飞虫源,为其预测预报和有效防治提供依据。方法2007—2009年利用垂直监测昆虫雷达、探照灯和相关设备对旋幽夜蛾的迁飞过程开展实时监测,通过GRADS图形处理软件分析其迁飞高峰期盛行的空中风场,结合Hysplit_4软件对其迁飞轨迹进行分析,探讨北京地区越冬代旋幽夜蛾迁飞扩散的虫源。结果旋幽夜蛾迁飞高峰期,卵巢发育进度集中为2—3级,雌雄性比1,高峰期过后雌雄性比1;夜间迁飞主要集中在风向有利风速较大的300—500m高度,持续飞行时间可达8h以上;轨迹分析显示,虫源主要来自陕西、山西北部和内蒙古鄂尔多斯、呼和浩特、乌盟等中西部地区,随偏西气流向东北、东南方向迁飞扩散。结论越冬代旋幽夜蛾具有明显的迁飞现象,根据其迁飞行为进行早期监测预警具有重要意义。