一种基于多源云量的遥感卫星任务规划方法与流程

1.本发明涉及遥感卫星任务规划领域，尤其是涉及一种基于多源云量的遥感卫星任务规划方法。


背景技术：

2.光学遥感技术是指从距离100公里以上的高空对地面的目标进行探测以获得相关信息的技术，所用的空间载体为遥感卫星、空间站或航天飞机等，所用的光学遥感装备则是它的有效载荷，光学遥感装备是借助可见光或紫外线、红外线进行探测的空间相机、扫描仪或成像光谱仪等。
3.光学遥感卫星采用光学遥感技术，通过任务规划来安排遥感数据拍摄计划。光学遥感卫星的任务规划既需要精确计算模型，对卫星的运行轨道进行预报，又要综合考虑卫星平台和载荷的约束、用户的需求特点以及气象条件等因素进行卫星拍摄计划的编排。
4.在卫星任务规划中，为了能够提升卫星观测准确率，提高卫星数据使用率，需要及时调整卫星任务规划方案增加对动态环境的判别，尤其是云量的实时查看和预测。而目前光学遥感卫星的任务规划普遍采用人工观测实时气象云图进行卫星拍摄云量满足度的可行性分析，这样的方式受卫星云图数据来源影响，无法有效利用卫星资源，做出准确的云量预测。


技术实现要素：

5.为了解决上述至少一项技术问题，本技术的实施例提供了一种基于多源云量的遥感卫星任务规划方法。
6.本技术的实施例提供的一种基于多源云量的遥感卫星任务规划方法，包括：
7.获取多源历史云量数据和当日云掩膜数据；
8.基于所述多源历史云量数据、所述当日云掩膜数据，确定各来源历史云量数据基于权重指标的权重，所述权重指标包括分辨率、更新频率、预测天数以及差值最小次数；
9.根据各来源历史云量数据基于权重指标的权重计算最小网格的云量值；
10.基于所述最小网格的云量值对遥感卫星进行任务规划。
11.在一种可能的实现方式中，所述基于所述多源历史云量数据、所述当日云掩膜数据，确定各来源历史云量数据基于权重指标的权重，包括：
12.计算一个影像时相范围内所述各来源云量数据的平均云量和当日云掩膜数据的差值，获取预设时间内差值最小的次数；
13.获取各来源历史云量数据相对于所述权重指标的值；
14.基于预设判断标度和各来源历史云量数据相对于所述权重指标的值，计算所述权重指标基于各来源历史云量数据的权重和各来源历史云量数据相对于所述权重指标的权重；
15.基于所述权重指标基于各来源历史云量数据的权重和各来源历史云量数据相对
于所述权重指标的权重结果确定各来源历史云量数据基于权重指标的权重。
16.在一种可能的实现方式中，所述根据各来源历史云量数据基于权重指标的权重计算最小网格的云量值，包括：
17.获取最小网格对应各来源历史云量数据的云量值；
18.将最小网格对应各来源历史云量数据的云量值与对应来源历史云量数据基于权重指标的权重乘积之和作为最小网格的云量值。
19.在一种可能的实现方式中，所述计算一个影像时相范围内各来源云量数据的平均云量与当日云掩膜数据的差值，获取预设时间内差值最小的次数之前，还包括：
20.对所述多源云量数据与当日云掩膜数据进行归一化处理。
21.在一种可能的实现方式中，所述对所述多源云量数据与当日云掩膜数据进行归一化处理之后，还包括：
22.定义统一网格；
23.基于来源云量数据的网格大小计算其每一个单位面积网格的云量值；
24.基于所述单位面积的云量值计算统一网格的每一个网格的面积平均值，即为每个统一网格对应所述来源云量数据的初始云量值。
25.综上所述，本技术包括以下至少一种有益技术效果：
26.1.基于权重的计算方法，在长期的任务规划中对比分析云掩膜数据与多源云量数据，从而对云量数据权重完成动态修正，便于及时调整卫星任务规划方案，得到了更加准确的云量预测数据，提高了卫星资源的利用效率。
27.2.基于修正的云量数据权重完成任务的自动规划，取代现有技术上的手动规划，节省了很多任务规划中需要操作的时间，降低了人力成本，便于规划人员及时调整卫星任务规划方案。
28.应当理解，发明内容部分中所描述的内容并非旨在限定本技术的实施例的关键或重要特征，亦非用于限制本技术的范围。本技术的其它特征将通过以下的描述变得容易理解。
附图说明
29.结合附图并参考以下详细说明，本技术各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素。
30.图1示出了本技术实施例的基于多源云量的遥感卫星任务规划方法的流程图。
31.图2示出了本技术实施例的统一网格的一个网格对应任一来源的云量值的计算结果示意图。
32.图3示出了本技术实施例的递阶层次结构模型的示意图。
33.图4示出了本技术实施例的规划任务最大侧摆范围内的最大拍摄面积区域的示意图。
具体实施方式
34.图1示出了本技术实施例的基于多源云量的遥感卫星任务规划方法的流程图，参见图1该方法包括如下步骤：
35.步骤101，获取多源历史云量数据和当日云掩膜数据。
36.在本技术实施例中，可以通过编写代码自动获取各大云量数据平台提供的多源云量数据文件，通过卫星拍摄的遥感影像数据计算得到云掩膜数据。
37.在本技术实施例中，获取到多源云量数据之后，对多源云量数据进行数据解析。
38.其中，数据解析为将一种数据格式转换为另一种更易读取或更易操作的数据格式的过程。
39.示例地，能够读取的文件格式为netcdf数据格式的文件时，在一种可实现的方式中，一种云量数据来源为美国国家海洋和大气管理局(noaa)的gfs模型云量数据，将获取的grib1格式数据文件转换为netcdf数据格式的文件；在另一种可实现的方式中，一种云量数据来源为德国气象局(dwd)的icon模型云量数据，获取的文件格式为bz2文件，经过解压后文件格式为grib2文件，将grib2格式数据文件转换为netcdf数据格式的文件。
40.进一步地，为了不断更新历史云量数据，进而动态调整任务规划，需要对解析的云量数据进行存储与更新。
41.具体地，读取云量数据文件，根据各来源云量数据的网格范围存储对应的云量值，根据更新频率获取最新的云量数据，将每日相同时间的云量数据进行覆盖更新并存储。
42.进一步地，对获取的多源云量数据与云掩膜数据进行归一化处理。
43.具体地，采用极差变换法，基于如下公式将数据映射到[0,1]之间，对应网格范围，存储归一化值：
[0044]
x’＝(x-x
min
)/(x
max-x
min
)
[0045]
其中，所述x’为数据的归一化值；
[0046]
所述x为数据的实际值；
[0047]
所述x
max
为数据所在区间的最大值；
[0048]
所述x
min
为数据所在区间的最小值。
[0049]
示例地，云量数据来源1的云量值所在区间为0-1，云量数据来源2的云量值所在区间为0-10，云量数据来源3的云量值所在区间为0-100，转换结果如表1所示。
[0050] 来源1来源2来源3实际值0.52.372归一值0.50.230.72
[0051]
表1
[0052]
在本技术实施例中，极差变换法可以使不同量纲的数据处于[0,1]之间，便于后续进行加权平均综合计算，也可使用其他归一化方法如：向量归一化法、线性比例变换法等。
[0053]
进一步地，对所述多源云量数据进行网格统一化处理。
[0054]
在本技术实施例中，因不同来源的云量数据网格大小不同，所以需要对其进行网格统一化处理，便于后续统一对数据加权处理。
[0055]
具体地，首先定义统一网格。
[0056]
在本技术实施例中，因为地球是一个椭圆，统一网格需按照经纬度的度数划分以均匀覆盖卫星的拍摄范围。
[0057]
在一些可选的实施方式中，网格采用方格状经纬网，方格网的间距需小于星下点幅宽，所述星下点幅宽为卫星处于星下点拍摄时卫星的拍摄宽度，所述星下点为地球中心
与卫星的连线在地球表面上的交点。
[0058]
其中，任意经线上纬度1
°
的实际弧长为111km，任意纬线上经度1
°
的实际弧长为111km*cosα，所述α为该纬线的纬度，当卫星的星下点幅宽小于20km时，采用0.1x0.1方格状经纬网。
[0059]
需要说明的是，网格选择方格状经纬网仅是示例性的，还可以采用其他经纬网，如：弧线式经纬网等，经纬网的选择不影响任务规划，可自由选择便于计算的网格。
[0060]
进一步地，基于来源云量数据的网格大小计算其每一个单位面积网格的云量值。
[0061]
进一步地，基于如下公式将统一网格的每一个网格包括的所有单位面积网格的云量值相加再除以总的面积，获得统一网格的每一个网格的面积平均值，即为每一个网格对应此来源的云量值：
[0062]
x”＝(x1*a1+x2*a2+...+xn*an)/(a1+a2+...+an)
[0063]
其中，所述x”为任一来源云量数据对应每一个网格的云量值；
[0064]
所述x1，x2，...，xn为统一网格的每一个网格包含的单位面积网格的云量值；
[0065]
所述a1，a2，...，an为统一网格的每一个网格包含的单位面积网格的面积值。
[0066]
示例地，统一网格的一个网格对应任一来源的云量值的计算结果如图2所示。
[0067]
步骤302，基于所述多源历史云量数据、所述当日云掩膜数据，确定各来源历史云量数据基于权重指标的权重，所述权重指标包括分辨率、更新频率、预测天数以及差值最小次数。
[0068]
在本技术实施例中，首先计算一个影像时相范围内所述各来源云量数据的平均云量和当日云掩膜数据的差值，获取预设时间内差值最小的次数。
[0069]
其中，时相为按时间序列拍摄的遥感卫星影像的时间段，示例地，一个时相范围为卫星拍摄一组影像的时间。
[0070]
具体地，计算一个时相范围内各来源归一化云量数据的平均云量值，将平均云量值与云掩膜数据值进行对比，获取差值，示例地，如表2所示。
[0071] 云掩膜数据值平均云量差值来源10.20.180.02来源20.180.180来源30.150.180.0.3
[0072]
表2
[0073]
其中，将各来源归一化云量数据值相加除以来源个数进行平均值计算，得到平均云量。
[0074]
进一步地，计算预设时相范围内差值最小的次数，并将差值最小的次数进行归一化处理。
[0075]
示例地，在一较佳的实施例中，选取一年内差值最小的次数，并进行归一化处理的结果如表3所示。
[0076] 差值最小次数归一化值来源110001来源230000来源315000.75
[0077]
表3
[0078]
进一步地，获取各来源历史云量数据相对于权重指标的值。
[0079]
示例地，当有三个来源的云量数据相对于四个权重指标数据：分辨率、更新频率、预测天数、差值最小次数的值时，每个来源的各个指标数据如表4所示。
[0080] 分辨率(km)更新频率预测天数差值最小次数来源1133101来源2226101来源3251210.75
[0081]
表4
[0082]
进一步地，基于预设判断标度和各来源历史云量数据相对于所述权重指标的值，计算所述权重指标基于各来源历史云量数据的权重和各来源历史云量数据相对于所述权重指标的权重。
[0083]
示例地，采用ahp层次分析法计算所述权重指标基于各来源历史云量数据的权重和各来源历史云量数据相对于所述权重指标的权重。
[0084]
在本技术实施例中，ahp层次分析法为将一个复杂的目标决策问题作为一个系统，将目标分解为多个目标或准则，通过定性指标进行相关计算，以作为多方案优化决策依据的系统方法，其层次结构模型包括目标层、准则层和方案层。权重指标数据包括但不限于分辨率、更新频率、预测天数与差值最小次数。
[0085]
具体地，首先，建立递阶层次结构模型，如图3所示。
[0086]
其中，目标层的目标为选择云量来源；准则层的指标包括分辨率、更新频率、预测天数、差值最小次数；方案层的方案包括来源1，来源2，来源3。
[0087]
进一步地，构建判断矩阵，依照表4数据根据判断标度填写判断矩阵的值，预设判断标度的具体含义如表5所示。
[0088][0089][0090]
表5
[0091]
具体地，准则层的判断矩阵如表6所示，将矩阵记为z，则：
[0092][0093] 分辨率更新频率预测天数分辨率10.3330.2更新频率312预测天数50.51
[0094]
表6
[0095]
方案层的判断矩阵如表7所示，对于分辨率的判断矩阵记为f1，对于更新频率的判断矩阵记为f2，对于预测天数的判断矩阵记为f3,则：
[0096][0097]
分辨率来源1来源2来源3来源1123来源20.510.5来源30.3321
[0098]
表7
[0099]
f2、f3的判断矩阵与矩阵值计算方法与fi相同，此处不予赘述。
[0100]
根据矩阵z、矩阵f1、矩阵f2以及矩阵f3得到准则层和方案层的权重矩阵如表8所示。
[0101] 准则层权重来源1来源2来源3分辨率0.113268630.547216430.189709340.26307422更新频率0.507602590.547216430.189709340.26307422预测天数0.379128780.221124790.318917130.45995809
[0102]
表8
[0103]
进一步地，基于所述权重指标基于各来源历史云量数据的权重和各来源历史云量数据相对于所述权重指标的权重结果确定各来源历史云量数据基于权重指标的权重。
[0104]
示例地，各来源云量数据对目标层的初始权重值，如表9所示。
[0105]
来源初始权重排序来源10.421来源20.283来源30.302
[0106]
表9
[0107]
需要说明的是，除了本技术实施例采用的ahp层次分析法计算各来源历史云量数据基于权重指标的权重，也可采用其他计算权重的方法进行计算，如topsis等，具体方法与ahp层次分析法计算各来源历史云量数据基于权重指标的权重属于同一构思，其具体实现
过程详见本技术实施例，这里不再赘述。
[0108]
步骤103，根据各来源历史云量数据基于权重指标的权重计算最小网格的云量值。
[0109]
具体地，首先获取最小网格对应各来源历史云量数据的云量值；然后将最小网格对应各来源历史云量数据的云量值与对应来源历史云量数据基于权重指标的权重乘积之和作为最小网格的云量值。
[0110]
示例地，当某一个网格的各来源云量值如表10所示时，此网格的初始云量值为：0.3*0.42+0.4*0.28+0.2*0.30＝0.298
[0111]
来源云量初始权重来源10.30.42来源20.40.28来源30.20.30
[0112]
表10
[0113]
步骤104，基于最小网格的云量值对遥感卫星进行任务规划。
[0114]
在本技术实施例中，光学遥感卫星的任务规划一方面需要通过精确计算模型，对卫星的运行轨道进行预报，包括卫星瞬时时刻的空间位置，飞行速度，飞行方向；另一方面，要综合考虑卫星平台和载荷的约束，用户需求特点，气象条件等因素进行卫星拍摄计划的编排。
[0115]
具体地，首先基于卫星轨道两行根数进行轨道可视范围计算。
[0116]
在本技术实施例中，基于卫星轨道两行根数，构建卫星运动轨迹模式模型，用于确定给定历元时刻下，绕地运行空间目标的轨道根数，使用合适的预测模型，可以以一定精度估计出目标在轨道上任意一点的位置和速度，获得卫星轨道计算结果。
[0117]
在一较佳的实施例中，利用sgp4模型的轨道运算方法，计算依赖卫星在地固系(ecef)的星下点坐标以及速度，地固坐标后对速度进行归一化处理得到地固系坐标轴的限制范围(axis)，获取卫星的实时高度h，基于卫星的幅宽w，计算0侧摆的星下点左右范围的角度ha，最大侧摆角为maxa，则摆动最大角度ta的计算公式为：
[0118]
ta＝maxa+ha
[0119]
地心与最大侧摆位置的夹角θ的计算公式为：
[0120]
θ＝(h+tan(ta*π/180))/6378137
[0121]
axis与θ经过四元数转换计算出地固系偏移位置，并将地固系坐标转换成wgs84坐标的经纬度坐标。
[0122]
根据最大侧摆以及卫星轨道计算结果，进行待规划任务地过轨计算，所述计算可通过传播算法、贪婪算法或遗传算法等算法进行。
[0123]
进一步地，划分拍摄时间，使可视范围内包含区域目标。
[0124]
其中，在一较佳的实施例中，默认步长时间采用与最小拍摄单元相等的时间，根据默认步长时间确定拍摄时间。示例地，某卫星最小拍摄单元为3s，默认的步长时间为3s。
[0125]
进一步地，基于卫星的自动移动进行拍摄范围对比，得到规划任务最大侧摆范围内的最大拍摄面积区域。
[0126]
具体地，基于卫星的自动移动，通过调整卫星侧摆以及拍摄时间进行拍摄范围的对比，得到规划任务最大侧摆范围内的最大拍摄面积区域，即为规划任务的最优拍摄范围
示例地，如图4所示。
[0127]
进一步地，基于最小网格的云量值计算规划任务最优拍摄范围内网格云量的平均值。
[0128]
具体地，获取与规划任务最大拍摄面积区域相交的网格的云量值，通过每个网格的云量值相加除以相交的网格个数获得云量的平均值。
[0129]
进一步地，判断网格云量的平均值是否超过任务的预设云量要求，若超过，调整卫星侧摆使网格云量的平均值满足任务的预设云量要求，反之，结束规划。
[0130]
根据本公开的实施例，实现了以下技术效果：
[0131]
基于权重的计算方法，在长期的任务规划中对比分析云掩膜数据与多源云量数据，从而对云量数据权重完成动态修正，得到了更加准确的云量预测数据，依靠自动任务规划取代现有技术上的手动规划，节省了很多任务规划中需要操作的时间，降低了人力成本，提高了卫星资源的利用效率。
[0132]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。
[0133]
应当理解的是，本文提及的“至少一个”是指一个或多个，“多个”是指两个或两个以上。在本技术实施例的描述中，除非另有说明，“/”表示或的意思，例如，a/b可以表示a或b；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，为了便于清楚描述本技术实施例的技术方案，在本技术的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。
[0134]
以上所述为本技术提供的示例性实施例，并不用以限制本技术实施例，凡在本技术实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。