卫星遥感仪器人工智能辐射定标与数字孪生

【作者】 陈博洋； 孙胜利； 徐娜； 饶鹏； 张立国； 韩昌佩； 武胜利； 涂步华；

【机构】 国家卫星气象中心(国家空间天气监测预警中心)； 许健民气象卫星创新中心； 中国气象局遥感卫星辐射测量和定标重点开放实验室或中国气象局空间天气重点实验室； 中国科学院上海技术物理研究所； 上海卫星工程研究所；

【摘要】 遥感卫星数据高精度定量应用的关键之一是遥感仪器辐射定标,辐射定标是把遥感器计数值(Digital Number,DN)转换成具有明确物理意义的量值的桥梁。目前,星上黑体是红外或者微波遥感仪器实现在轨辐射定标的主流方法,然而受到卫星空间、重量等限制,星上黑体性能往往会受影响、导致定标精度下降,并且很多大口径红外卫星尤其是很多商业小卫星,根本没有安装在轨黑体的空间和重量冗余,从而很难实现高精度定量遥感。为了丰富遥感卫星在轨辐射定标范式,我们提出了一种新的辐射定标方法:人工智能辐射定标(Artificial Intelligence Radiometric Calibration,AIRC),我们首先在理论上证明了红外遥感卫星辐射定标系数是传感器状态(包含物理状态和环境状态)参数的函数;接下来,我们利用人工智能方法训练了辐射定标网络(Radiometric Calibration Neural Network,RCNN)来映射遥感仪器状态参数到辐射定标系数的关系;当需要定标系数时,只需要向RCNN输入以温度为代表的遥感仪器状态参数,RCNN就能直接生成红外遥感卫星的在轨辐射定标系数。基于风云气象卫星长期在轨实测数据开展AIRC试验,结果表明:红外波段AIRC模型精度可优于0.02K;微波波段AIRC方法实现了0.5K模型精度:AIRC为遥感卫星在轨高精度辐射定标提供了新的可用方法。AIRC在光电效应层面研究辐射定标的内在机理,实现了从基准溯源(Reference Traceability,RT)到状态溯源(States Traceability,ST)的转变。AIRC是对当前辐射定标理论和方法的有益拓展,可以实现没有在轨黑体的红外/微波遥感仪器的在轨辐射定标,也便于和观测黑体的星上定标以及交叉定标、替代定标等其它辐射定标方法联合工作,共同促进跨平台构建全球统一的红外遥感卫星观测系统,为更多科学发现提供辐射基准长期一致的红外遥感数据集。进一步的,基于AIRC构建了遥感仪器的数字孪生体,在实现了卫星遥感仪器监测功能的同时,通过RCNN可以进行辐射定标系数预测,同时展开了仪器辐射关键点分析,为后续遥感仪器研制设计反馈了宝贵的在轨经验。更多还原