收稿日期: 2016-09-22
随着全球化的发展,资源环境问题已不仅局限于局部区域,大区域乃至全球对环境资源问题的影响越来越强烈( 徐冠华 等,2013)。作为一个正在崛起的发展中大国,应对全球环境问题,增强自主技术创新能力,保障国家安全,支撑森林资源、粮食、生态安全、能源、水资源、产业转型升级等重大应用需求,“十二五”期间,中国对地观测技术发展迅速,并通过国家高科技研究发展计划(863计划)等重大项目攻关和国际合作,初步形成了多种分辨率、多谱段、多模式的全球卫星遥感观测与应用能力,但是与卫星数据获取能力的大幅提升相比,中国在全球资源环境高精度动态监测技术发展及其推广应用、遥感数据获取与信息服务的便捷化,以及大规模遥感数据处理平台建设与共享等方面仍存在诸多瓶颈问题( 周成虎 等,2008; 任伏虎和王晋年,2012; 戴芹 等,2008),亟需针对性地开展相关研究。倡导并践行“国家利益扩展到哪里,空间信息保障就延伸到哪里”的理念,迫切需要发展面向全球和重点区域的持续、动态观测能力,突破全球资源环境研究的理论和关键技术,建立全球资源环境遥感监测指标和技术体系,建立全球视野的资源环境动态监测产品和应用系统,发布全球、洲际和全国高质量空间要素遥感信息产品、专题应用系统、技术报告等成果,构建面向全球和重点区域的环境资源空间信息保障体系。
2、 地球资源环境动态监测技术研究进展 (2.1) 国内外研究现状与存在问题地球资源环境是人类生存和经济社会可持续发展的基础,是地球多圈层相互作用的综合体现,作为一个独特而复杂的层面,它与人类的生存和发展息息相关。在该层面上水、土、气、热、生、人等是最为活跃的因素,其综合作用塑造的资源环境也呈现出时空多变性( 蔡学林 等,2000)。近年来全球范围内的资源环境变化引起了世界各国的高度关注。资源环境评价与保护是一个综合的问题,涉及面很广,如何准确、快速地获取多种时空尺度资源环境变化参数是关键。传统的基于地面台站测量的手段远远不能满足对区域乃至全球尺度资源环境监测的需求,遥感由于具有全球性和周期性的数据获取能力而被寄予厚望( 刘纪远,1997; 冯筠和黄新宇,1999)。以美国、欧洲为代表的发达国家,陆续发射以资源环境和人类活动为主要监测目标的系列对地观测卫星,为开展各领域的遥感监测应用提供了大量、各式各样的数据源([2016-08] http://www.earth. nasa.gov; 紫晓,2005)。中国也初步建立和正在建立气象、资源、海洋、环境减灾等系列对地观测卫星系统( 童庆禧,2005)。目前,国内外利用多源对地观测遥感数据以及地面网络台站观测数据,初步实现了对地球表层资源环境要素的监测,形成了不同尺度遥感数据产品,为掌握地表资源环境要素时空演变规律发挥了重要作用( 历华 等,2007; 罗敬宁 等,2003; 张正 等,2016; Petit和Lambin,2001; Zhang,2010)。
随着全球环境变化和全球经济一体化进程加速,地球资源环境正在以前所未有的速度和强度变化,迫切需要发展从地表到近地空间的高时空分辨率、高精度、动态和全球尺度监测能力。以美国宇航局和欧空局为主的国际机构建立了全天候、多尺度卫星遥感体系,并为全球资源环境监测和地球科学研究提供了系列陆表、大气、海洋等全球遥感产品。中国也初步建立了陆地、海洋、大气等对地观测技术体系,为国家资源环境决策提供了大量的遥感监测信息。
目前全球尺度地球资源环境要素遥感产品集中在公里级低分辨率尺度,包括中国自主知识产权的全球遥感产品全球陆表特征参量产品(GLASS),这些低分辨率全球遥感产品为地球资源环境监测发挥了重大作用( 梁顺林 等,2013)。但随着国家利益日益全球化和“一带一路”国家发展战略提出,国家应用和科学需求对遥感技术提出了新的挑战,低分辨率遥感产品已不能满足新形势下的国家需求。
当前,伴随中国高分、资源、吉林等系列卫星、及欧洲哨兵(Sentinel)系列卫星、美国陆地卫星(Landsat)的高质量在轨运行,全球10—30 m卫星影像的每日全覆盖已经成为可能,对地观测正迅速进入中、高分辨率时代。美国利用Landsat数据生成了全球2000年—2012年森林面积变化监测产品( Hansen 等,2013);中国也基于Landsat数据生产和发布了全球第一套30 m分辨率的全球土地覆盖产品,但监测周期为5年—10年一次,尚未形成全球年度监测能力( Gong 等,2013)。
(2.2) 国外相关研究进展欧美在地球资源环境监测方面起步较早,特别是低分辨率卫星对地观测系统已经比较完善,并且在全球资源环境监测领域发挥了不可替代的作用,近年来在中高分辨率资源环境监测方面也逐步构建和完善中,相关情况见 表1。
在地球资源环境动态监测方面,国内相关研究机构也构建了星机地立体组网观测技术体系、全球环境资源空间信息系统、重大自然灾害响应系统、全球陆表特征参量产品生产系统、全球农情遥感监测技术体系等,并在相关行业开展了广泛而深入的应用,产生重大社会经济效益。 表2列举了主要的研究机构和相关成果。
值得一提的是,中华人民共和国科学技术部在十二五期间资助的3项国家高技术研究发展计划(863计划)分别在数据高效获取和遥感产品高精度定量生产方面奠定了技术基础,分别是“星机地立体组网协同观测关键技术”、“全球陆表特征参量产品生产与应用”和“全球地表覆盖遥感制图与关键技术研究”。通过以上项目的实施,形成了面向任务驱动的卫星、航空以及地面数据协同观测关键技术,打通了从应用需求出发的数据获取、产品生产与服务的完整链条;整理、汇编了全球近10颗卫星数据,通过模型算法研发,产生了服务全球监测低分辨率产品集GLASS和30 m分辨率的全球地表覆盖数据产品,具体体现如下:
中国科学院遥感与数字地球研究所承担的“星机地立体组网协同观测关键技术”在多星协同观测规划以及地面成像模拟仿真推演技术、事件驱动的多源遥感数据主动式服务、遥感小卫星星座地面服务技术、以及星机地协同观测实验控制与管理技术方面取得系列创新性的成果。面向遥感应用,通过时·空·谱·角等数据需求转换,建立应用需求导向的多星组网协同观测规划技术,为遥感产品生产计划、“星-机-地”协同观测提供重要依据,并已经构建了涵盖52颗卫星的地面成像仿真推演系统( 韩琼和章文毅,2013; 曹平 等,2014; 杨中 等,2014);以遥感应用为驱动,建立了遥感数据主动式快速服务技术,为用户提供一种新型遥感数据服务模式,将传统以卫星检索为中心的数据服务模式转变为应用需求为中心的服务模式,减小应用用户数据查询难度;构建了星机地综合实验管理和控制点最新技术方法和新型软件系统,实现对卫星、航空和地面同步实验的统一规划管理,极大地提高星机地协同实验的实验效果和效率,并在关键技术基础上,形成了卫星协同组网地面成像模拟仿真推演、主动式多源遥感数据汇聚服务和星机地系统观测实验控制等原型系统,积累了丰富的卫星数据源、地面成像光谱数据和全国航空资源数据库( 张志杰 等,2015; Zhang和Zheng,2012; 张永军 等,2014; Peng 等,2012; Ni 等,2013)。北京师范大学承担的“全球陆表特征参量产品生产与应用”项目建立了全球陆表特征参量产品生产系统,支持全球变化与地球系统模型研究。通过收集、整理、汇编了全球近10颗卫星的遥感数据及多种再分析数据,系统研发了陆表特征参量的遥感反演方法,生产了长时间序列、高质量、高精度全球陆表特征参量产品GLASS (Global LAnd Surface Satellite)。其中叶面积指数、地表反照率、地表宽波段发射率、下行短波辐射、光合有效辐射产品已经向全球发布( Li 等,2014; 杜克平和薛坤,2016; Yan 等,2012)。国家测绘地理信息局承担的“全球地表覆盖遥感制图与关键技术研究”项目研制完成了2010基准年的30 m全球地表覆盖遥感制图数据产品(GlobeLand30-2010),该数据覆盖南北纬80°的陆地范围,包括耕地、森林、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪等10种地表覆盖类型。
尽管低分辨率全球资源信息动态监测数据和产品服务相对完善,中高分辨率遥感数据获取能力也不断增强,但全球高时空分辨率的资源环境动态监测产品和信息服务能力远远滞后,国产卫星的利用效率还很低,成为我国进行全球高精度资源环境遥感动态监测的瓶颈。主要体现在以下方面:
(1) 虽然多卫星的综合数据获取能力大幅提高,但是多卫星的立体协同观测、融合处理技术和反演技术相对滞后,监测时空分辨率与精度不足,不能满足高时空分辨率精细动态监测需求。
(2) 时间序列卫星遥感为地表变化要素探测提供了新的机遇,但动态变化要素时序监测技术薄弱,难以满足全球资源环境高可信变化检测、分析评价、模拟预测等需求。
(3) 天地联合多尺度监测数据的高效汇聚与在线融合处理技术和能力不足,地基观测和卫星观测在观测精度、时空观测频率、覆盖程度方面的互补优势未能有效利用。
(4) 大规模遥感数据处理平台建设与共享等方面仍存在诸多瓶颈,遥感产品与信息服务能力不够。
因此,迫切需要针对以上问题开展技术攻关,建立中国自主的地球资源环境动态监测技术体系,提高国产卫星数据的应用水平和产业发展,提升中国的全球资源环境遥感监测技术和服务水平,服务于中国“一带一路”等全球战略。
3、 中高分辨率地球资源环境动态监测研究内容与关键技术中高分辨率地球资源环境动态监测技术针对全球及典型区域资源、能源、生态与健康、自然灾害等,涵盖遥感数据协同观测与处理、动态监测与模拟技术、服务平台与行业应用等,重点研究内容包括以下4个方面:
(1) 多源遥感立体协同观测与数据处理共性技术。研究全球及典型区域资源、能源、生态与健康环境、自然灾害要素等地球资源环境监测指标体系,满足地球资源环境要素的高精度、高分辨率监测要求;建立全球资源、能源、生态环境、自然灾害的监测指标体系,攻克多源卫星协同观测、融合处理、应急监测等关键技术,构建高效动态监测知识库。
(2) 地球资源环境要素遥感动态监测与模拟技术。面向全球典型区域资源、环境和生态等敏感因子的多时空尺度遥感监测、变化检测、分析评价与模拟预测,研究地表高可信变化检测与高精度模拟预测等关键技术,研发多种分辨率动态监测时序产品,形成基于多源多时相卫星影像的全球尺度及典型区域地表覆盖、自然灾害、资源能源、生态环境等标志性特征的高可信变化检测、分析评价、模拟预测技术。
(3) 建立地球资源环境动态监测技术体系与平台。基于目前先进的分布式计算、云计算和大数据管理技术,设计分布式遥感大数据按需服务的体系结构,突破大区域多源遥感数据云剖分和管理技术、面向应用领域的遥感算法模型统一描述技术、复杂场景下的智能调度技术、动态监测云服务的行业应用门户引擎等关键技术,建立动态监测算法模型库、环境要素监测流程库、模型运行配置参数库等知识库,研制包含多源异构分布式海量遥感监测数据汇聚系统、云存储系统、云计算系统在内的多源监测数据在线融合及协同分析云平台和行业应用门户快速构建平台,支撑全流程规模化的行业动态监测典型应用系统建设,为多源监测数据在线融合及协同分析提供分布式大数据管理与分析方面的基础技术平台。
(4) 地球资源环境动态监测综合应用示范。在全球资源、能源、生态环境、自然灾害等领域开展全球性与区域性示范应用,开展任务驱动的多源国产卫星协同立体监测技术、面向环境要素应急与监测耦合遥感观测技术、高可信变化检测分析技术、动态遥感数据驱动的地表变化模拟预测技术的应用示范。
为此,需要重点攻克如下四方面关键技术:
(1) 地球资源环境要素的高分辨率、高精度遥感监测。当前,中国初步形成了多种分辨率、多谱段、多模式的全球卫星遥感观测与应用能力。但是与卫星数据获取能力的大幅提升相比,中国在全球资源环境高分辨率、高精度监测方面仍存在诸多瓶颈问题,迫切需要发展面向全球和重点区域的高精度、立体化、全覆盖监测能力,突破全球资源环境高分辨率、高精度监测系列关键技术,需要针对国内外多源遥感数据开展立体协同观测、数据融合和归一化处理技术研究,形成光学、微波、激光雷达、高时频等国内外多源卫星协同的立体监测、预警、应急调查技术,建立地球资源环境要素监测指标体系与方法体系,形成全球尺度产品空间分辨率不低于30 m、重点区域产品空间分辨率不低于10 m的地球资源环境要素监测能力。
(2) 全球资源环境要素的长时间序列遥感时序产品。目前,全球资源环境遥感监测产品难以满足长时间序列动态监测需求,现有产品在空间上不完整,时间序列上不连续,产品时间跨度短,且现有同一参量产品不同尺度之间不自恰,需要发展普适性的尺度转换方法,研究基于多尺度时空过程统计建模方法的遥感产品融合与时空尺度扩展技术,生成地球资源环境要素和自然灾害要素的动态与应急监测产品,满足全球资源环境高可信变化检测、分析评价、模拟预测等需求。
(3) 多尺度监测数据的高效汇聚与在线融合空间信息处理。针对全球资源环境监测带来的“大数据问题”,如何实现多源异构海量数据网络组织、地学时空过程计算集成、地球系统模拟与多维表现等高效汇聚与在线融合分析是实现全球资源环境高效、动态监测的关键。将地球空间数据、地学高性能计算、地球系统模拟与表达呈现等系统进行有机集成,构建面向全球环境资源空间信息服务的空间信息处理平台,解决多尺度监测跨地域、跨机构、跨类型的观测数据高效汇聚问题和在线融合处理等关键性技术问题。
(4) 任务驱动的全流程规模化遥感应用云服务。实现全球资源、能源、生态环境、自然灾害动态监测技术推广应用,在多源遥感数据共享与信息服务的便捷化等方面仍存在诸多瓶颈问题,需要集成多源遥感数据立体协同监测、资源环境快速变化检测、高时空遥感数据融合等各项关键技术,并需要按照不同业务部门的任务需求,构建可业务运行的涵盖数据库、模型库、知识库为一体的综合云服务平台,支撑任务驱动的数据汇聚、模型调度、产品生成等在线遥感信息服务,形成公益性和商业化结合的全流程规模化遥感应用云服务。
4、 展 望未来,地球资源环境动态监测技术将在技术、行业和社会经济三方面产生显著影响。在技术层面,地球资源环境监测研发的模型算法全部集成到全流程规模化遥感应用云服务平台上,实现国内外遥感数据汇聚与便捷化服务、模型算法程序的公开公用、遥感大数据云计算环境的开放共享,成为国家“国家大数据战略”、“一带一路”等经济发展规划提供资源、能源、生态与健康环境、自然灾害等空间动态信息的获取门户,为国家宏观决策提供重要的科学数据和技术支撑。
在行业方面,提高国产卫星数据产品的生产能力,提升国产卫星的应用水平,服务于资源、能源、生态与健康环境、自然灾害等监测与预警等行业领域,搭建起科学研究和行业应用之间的桥梁,为行业部门业务运行提供切实可行的技术支撑,诸如土地资源信息、农业生产基础信息的高效获取、环境保护和林业遥感监测和重大自然灾害动态模拟与监测等。
在社会经济方面,形成以政府客户、行业客户、遥感专业工作者、大众用户及其他潜在用户为目标客户群,通过任务驱动的全流程遥感应用云服务平台凭借丰富的数据源、先进的模型库和大规模协同处理优势,以互联网或移动终端的方式为大众用户提供空间信息服务,所形成的相关技术将很大程度推动中国互联网+动态监测服务市场的形成和扩展。
[3] | 蔡学林, 朱介寿, 阳正熙, 侯中健. 资源环境与21世纪地球科学发展趋势[J]. 成都理工学院学报, 2000, 27 : 221 –225. Cai X L, Zhu J S, Yang Z X, Hou Z J. Resources environment and prospects in the earth science for the 21st century[J]. Journal of Chengdu University of Technology, 2000, 27 : 221 –225. |
[4] | 曹平, 章文毅, 马广彬. 遥感卫星成像模型研究及仿真[J]. 遥感信息, 2014, 29 : 62 –66, 81. Cao P, Zhang W Y, Ma G B. Imaging model of remote sensing satellite and its simulation[J]. Remote Sensing Information, 2014, 29 : 62 –66, 81. |
[5] | 戴芹, 刘建波, 刘士彬. 海量卫星遥感数据共享的关键技术[J]. 计算机工程, 2008, 34 : 283 –284. Dai Q, Liu J B, Liu S B. Key techniques of massive remote sensing data sharing[J]. Computer Engineering, 2008, 34 : 283 –284. |
[6] | 杜克平, 薛坤. GPU加速的水体辐射传输Monte Carlo模拟模型研究[J]. 湖泊科学, 2016, 28 : 654 –660. Du K P, Xue K. Accelerating Monte Carlo radiative transfer simulation of water using GPU technique[J]. Journal of Lake Sciences, 2016, 28 : 654 –660. DOI: 10.18307/2016.0322 |
[7] | 冯筠, 黄新宇. 遥感技术在资源环境监测中的作用及发展趋势[J]. 遥感技术与应用, 1999, 14 : 59 –70. Feng Y, Huang X Y. Roles of remote sensing technology on monitoring resources and environment and its trends[J]. Remote Sensing Technology and Application, 1999, 14 : 59 –70. |
[8] | Gong P, Wang J, Yu L, Zhao Y C, Zhao Y Y, Liang L, Niu Z G, Huang X M, Fu H H, Liu S, Li C C, Li X Y, Fu W, Liu C X, Xu Y, Wang X Y, Cheng Q, Hu L Y, Yao W B, Zhang H, Zhu P, Zhao Z Y, Zhang H Y, Zheng Y M, Ji L Y, Zhang Y W, Chen H, Yan A, Guo J H, Yu L, Wang L, Liu X J, Shi T T, Zhu M H, Chen Y L, Yang G W, Tang P, Xu B, Giri C, Clinton N, Zhu Z L, Chen J, Chen J. Finer resolution observation and monitoring of global land cover: first mapping results with Landsat TM and ETM+ data[J]. International Journal of Remote Sensing, 2013, 34 : 2607 –2654. DOI: 10.1080/01431161.2012.748992 |
[9] | 韩琼, 章文毅. 多星联合成像编程技术研究[J]. 遥感信息, 2013, 28 : 19 –23. Han Q, Zhang W Y. Joint imaging programming of multi-satellites[J]. Remote Sensing Information, 2013, 28 : 19 –23. |
[10] | Hansen M C, Potapov P V, Moore R, Hancher M, Turubanova S A, Tyukavina A, Thau D, Stehman S V, Goetz S J, Loveland T R, Kommareddy A, Egorov A, Chini L, Justice C O, Townshend J R G. High-resolution global maps of 21st-century forest cover change[J]. Science, 2013, 342 : 850 –853. DOI: 10.1126/science.1244693 |
[11] | Li C L, Gao Z H, Wang B Y, Bai L, Wu J J, Sun B and Ding X Y. 2014. The identification and classification of sandy lands by application of the object oriented method//Dragon 3Mid Term Results. Chengdu, China: [s.n.] |
[12] | 历华, 曾永年, 贠培东, 黄健柏, 杨凯, 邹杰. 利用多源遥感数据反演城市地表温度[J]. 遥感学报, 2007, 11 : 891 –898. Li H, Zeng Y N, Yun P D, Huang J B, Yang K, Zhou J. Study on retrieval urban land surface temperature with multi-source remote sensing data[J]. Journal of Remote Sensing, 2007, 11 : 891 –898. |
[13] | 梁顺林, 袁文平, 肖青, 赵祥, 马明国, 曾晓东, 刘素红, 程晓. 全球陆表特征参量产品生成与应用研究[J]. 中国科学院院刊, 2013, 28 : 122 –131. Liang S L, Yuan W P, Xiao Q, Zhao X, Ma M G, Zeng X D, Liu S H, Cheng X. Generation and application of global land surface satellite (GLASS) products[J]. Bulletin of Chinese Academy of Sciences, 2013, 28 : 122 –131. |
[14] | 刘纪远. 国家资源环境遥感宏观调查与动态监测研究[J]. 遥感学报, 1997, 1 : 225 –230. Liu J Y. Study on national resources & environment survey and dynamic monitoring using remote sensing[J]. Journal of Remote Sensing, 1997, 1 : 225 –230. |
[15] | 罗敬宁, 范一大, 史培军, 陆文杰, 周俊华. 多源遥感数据沙尘暴强度监测的信息可比方法[J]. 自然灾害学报, 2003, 12 : 28 –34. Luo J N, Fan Y D, Shi P J, Lu W J, Zhou J H. Information-comparable method of monitoring the intensity of dust storm by multisource data of remote sensing[J]. Journal of Natural Disasters, 2003, 12 : 28 –34. |
[16] | Ni L, Zhang B, Gao L R, Li S S and Wu Y F. 2013. Optimising the use of hyperspectral and multispectral data for regional crop classification//Proc. SPIE 8745, Signal Processing, Sensor Fusion, and Target Recognition XXII. Baltimore, Maryland, USA: SPIE [DOI: 10.1117/12.2015646] |
[17] | Peng D L, Zhang B, Liu L Y, Fang H L, Chen D M, Hu Y, Liu L L. Characteristics and drivers of global NDVI-based FPAR from 1982 to 2006[J]. Global Biogeochemical Cycles, 2012, 26 : GB3015 . DOI: 10.1029/2011GB004060 |
[18] | Petit C C, Lambin E F. Integration of multi-source remote sensing data for land cover change detection[J]. International Journal of Geographical Information Science, 2001, 15 : 785 –803. DOI: 10.1080/13658810110074483 |
[19] | 任伏虎, 王晋年. 遥感云服务平台技术研究与实验[J]. 遥感学报, 2012, 16 : 1331 –1346. Ren F H, Wang J N. Turning remote sensing to cloud services: technical research and experiment[J]. Journal of Remote Sensing, 2012, 16 : 1331 –1346. |
[20] | 童庆禧. 关于我国空间对地观测系统发展战略的若干思考[J]. 中国测绘, 2005 : 46 –49. Tong Q X. Several considerations on Chinese earth observation system development strategy[J]. China Surveying and Mapping, 2005 : 46 –49. |
[21] | 徐冠华, 葛全胜, 宫鹏, 方修琦, 程邦波, 何斌, 罗勇, 徐冰. 全球变化和人类可持续发展: 挑战与对策[J]. 科学通报, 2013, 58 : 2100 –2106. Xu G H, Ge Q S, Gong P, Fang X Q, Cheng B B, He B, Luo Y, Xu B. Societal response to challenges of global change and human sustainable development[J]. Chinese Science Bulletin, 2013, 58 : 2100 –2106. DOI: 10.1007/s11434-013-5947-3 |
[22] | Yan G J, Ren H Z, Hu R H, Yan K and Zhang W M. 2012. A portable multi-angle observation system//2012 IEEE International Geoscience and Remote Sensing Symposium. Munich: IEEE: 6916-6919 [DOI: 10.1109/IGARSS.2012.6352572] |
[23] | 杨中, 李国庆, 解吉波, 于文洋, 邓红帅, 雷星松. 基于OGC规范的多星多传感器卫星地面系统设计与实现[J]. 计算机应用研究, 2014, 31 : 137 –140. Yang Z, Li G Q, Xie J B, Yu W Y, Deng H S, Lei X S. Design and implementation of multi-satellites ground systems based on OGC service standards[J]. Application Research of Computers, 2014, 31 : 137 –140. |
[24] | Zhang J X. Multi-source remote sensing data fusion: status and trends[J]. International Journal of Image and Data Fusion, 2010, 1 : 5 –24. DOI: 10.1080/19479830903561035 |
[25] | Zhang Y and Zheng M. 2012. Bundle block adjustment with self-calibration of long orbit CBERS-02B imagery. ISPRS-International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XXXIX-B1: 291-296 [DOI: 10.5194/isprsarchives-XXXIX-B1-291-2012] |
[26] | 张永军, 熊金鑫, 余磊, 凌霄. 严密定位模型辅助的国产卫星影像匹配[J]. 武汉大学学报 (信息科学版), 2014, 39 : 897 –900. Zhang Y J, Xiong J X, Yu L, Ling X. Automatic matching for optical imagery acquired from domestic satellites based on rigorous orientation model[J]. Geomatics and Information Science of Wuhan University, 2014, 39 : 897 –900. |
[27] | 张正, 唐娉, 李宏益, 冯峥. 多源数据协同定量遥感产品生产系统的领域模型[J]. 遥感学报, 2016, 20 : 184 –196. Zhang Z, Tang P, Li H Y, Feng Z. Refined domain model for multisource data synergized quantitative remote sensing production system[J]. Journal of Remote Sensing, 2016, 20 : 184 –196. DOI: 10.11834/jrs.20164293 |
[28] | 张志杰, 张浩, 常玉光, 陈正超. Landsat系列卫星光学遥感器辐射定标方法综述[J]. 遥感学报, 2015, 19 : 719 –732. Zhang Z J, Zhang H, Chang Y G, Chen Z C. Review of radiometric calibration methods of Landsat series optical remote sensors[J]. Journal of Remote Sensing, 2015, 19 : 719 –732. DOI: 10.11834/jrs.20154240 |
[29] | 紫晓. 伽利略系统——人类卫星导航技术的新飞跃[J]. 科学新闻周刊, 2005, 8 : 42 –43. Zhi X. Galileo System——A new leap in the technology of human satellite navigation[J]. Science Newsweek, 2005, 8 : 42 –43. |
[30] | 周成虎, 欧阳, 李增元. 我国遥感数据的集成与共享研究[J]. 中国工程科学, 2008, 10 : 51 –55. Zhou C H, Qu Y, Li Z Y. Integration and sharing of remote sensing data in China[J]. Engineering Sciences, 2008, 10 : 51 –55. |