基于噪声估计的FY-2静止气象卫星杂散光分析与抑制

Stray light is a very big problem to calibrating data, there is serious stray light in FY-2 full disk image after launching, for that, the item does restraing stray light dehors traditional stray light model theory, created using noise estimation theory to do restraining stray light. Based on formula "Observer=Real Data+Noise(Stray Light)", estimating real data of the aim and noise are both realized using Kalman filter at the same time, by noise estimation restraing stray light achinved.At first separating earth and space image, also moon and the shade of second mirror knighthead would be eliminated. Secondly, stray light changes along area changing, staticing stray light and confirming real data of the aim would be after area effect, then initializing Kalman is finished. Thirdly, dynamic calculating observing transfer matrix, Kalman filter works using dynamic observing transfer matrix for estimating noise, in another word, restraing stray light is finished. At last, evaluates the effect by stray light in space image and by the next production using calibration data, summarizes the theory of restraing stray light based on noise estimation. The final aim is that the error after restraing stray light is less than remote sensing apparatus noise, that means the error goes down from 30 digital number to less than 4 digital number.

杂散光对遥感数据定量应用影响很大,针对FY-2在轨存在的以视场外目标能量多次反射为主的复杂杂散光,项目突破基于杂散光模板的杂散光抑制方法,创新性开展基于噪声估计的FY-2杂散光抑制研究。基于公式"实际观测值=目标观测真值+噪声（杂散光）"，用Kalman滤波器同时估计目标观测真值和噪声，通过噪声估计达到抑制杂散光的目的。首先分离地球圆盘和冷空间图像，并剔除冷空间图像上的月球、次镜支撑杆影子等异常信号；其次考虑杂散光尺度效应，在冷空间图像内进行尺度自适应的观测噪声协方差矩阵计算与观测初值确定：初始化Kalman滤波器；然后根据实际图像动态计算观测状态转移矩阵，进而用Kalman滤波器进行云图噪声估计，抑制杂散光；最后用冷空间杂散光、遥感数据定量产品评估杂散光抑制效果，形成基于噪声估计的杂散光抑制理论。FY-2红外杂散光大小达到30个计数值，抑制杂散光后的残差有望低于4个计数值（仪器背景噪声）

项目提出“基于噪声估计的FY-2静止气象卫星杂散光分析与抑制”方法。把光轴指向视场内目标的能量响应当做观测应该得到的真值，把杂散光当做观测时刻的噪声，此时“实际观测值=目标观测真值+噪声(杂散光)”，基于此公式，在杂散光能量来源位置未知的条件下，利用统计学分析噪声(杂散光)自身的特性，然后利用滤波器去除噪声后的目标值就是没有杂散光污染的目标真实能量，通过噪声抑制的方法去除叠加在目标上的杂散光，达到杂散光抑制的目的。.首先对地球边缘进行检测，分离地球圆盘与圆盘外冷空间图像，并剔除如月亮等在冷空间内出现的异物目标，避免异物给杂散光统计分析带来误差；其次计算地球圆盘外观测噪声协方差矩阵，并利用杂散光低频特性确定临近地球边缘的小区域杂散光值，进而利用小区域杂散光值连同实际观测值确定地球边缘目标观测真值、计算估计误差协方差矩阵；然后利用动态滤波抑制杂散光；最后进行杂散光抑制的评估与应用。.项目组已经按照既定目标开展了研究工作，取得了一定成果。.为开展研究需要，编写了杂散光处理软件，完成了数据解码、管理、异物剔除等工作；然后对FY-2F、G星开展了系统化的杂散光统计分析工作，获得时空分布特征，杂散光的变化规律是采用滤波进行抑制的基础；对杂散光滤波以后以月球ROLO定标评价杂散光滤波效果，对不同数据分别进行处理，根据6次临近月球观测进行定标斜率计算，不同方法的分母分别是“月球平均电压滤除杂散光并减基底噪声”、“月球平均电压滤除杂散光不减基底噪声”、“月球平均电压不除杂散光并减基底噪声”、“月球平均电压不除杂散光不减基底噪声”，结果显示，滤波去除杂散光后，定标斜率更接近地面辐射定标结果，并且斜率相对变化从15%降低到7%，显然杂散光滤波后的数据使计算结果更稳定、更接近真实值，表明了杂散光滤波的有效性，有力的支持了FY-2业务工作。.项目支持下发表了8篇文章；.共参加3次学术会议；.与2位定量遥感专家及遥感数据定量应用专家开展交流。

内容获取失败，请点击重试