相互逼近技术用于小行星702(Alauda)的高精度位置测量试验

来源 :天文研究与技术-国家天文台台刊 | 被引量 : 0次 | 上传用户:yaocjs
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
将相互逼近(Mutual Approximation)技术从天然卫星的天体位置测量拓展到小行星和邻近盖亚(Gaia)星表参考星的相对位置测量,希望获得更高的小行星位置测量精度.使用中国科学院云南天文台1 m光学望远镜在2020年11月11~12日对小行星702(Alauda)进行了观测试验.在观测资料中,目标小行星共有5次相互逼近事件.参考Gaia DR2(Data Release 2)星表,归算结果显示,在准确度方面,相互逼近技术与经典天体测量(四常数模型)具有良好的一致性;在测量精度方面,相互逼近技术在赤经、赤纬两个方向分别为6毫角秒和2毫角秒,相比经典天体测量在位置测量精度上有6~10倍的提高.
其他文献
以全球变暖为主要特征的气候变化已成为全球性环境问题,对全球可持续发展带来严峻挑战.2015年《巴黎协定》确定了自2020年后国家自主贡献的减排方式,并从2023年开始每5a开展一次全球碳盘点.2019年第49届IPCC全会明确增加了基于卫星遥感的排放清单校验方法.欧盟、美国、日本、加拿大等正在大力发展温室气体排放的MVS (Monitoring and Verification Support)能力.本文调研分析了全球碳盘点对卫星遥感技术的需求,介绍了全球碳盘点卫星遥感的技术原理,梳理了温室气体卫星遥感、
随着遥感大数据时代的到来,为快速处理和分析海量遥感数据,国内外涌现了众多遥感云计算平台,使得全球尺度、长时间序列遥感数据的快速分析和应用成为可能.本文在分析国内外遥感云计算平台现状的基础上,针对大数据时代国内缺少功能完备的遥感云计算平台,且国外遥感云计算平台对国产卫星数据支持不足等问题,基于容器云技术,构建了包含国产卫星数据且集数据、算力和技术于一体的时空遥感云计算平台PIE(Pixel Information Expert)-Engine Studio,实现了脚本驱动的遥感数据的按需获取以及海量数据的快
卫星遥感是人类观测地球的主要途径,随着遥感技术商业化,全球商业遥感卫星数量快速增长,涌现出许多高分辨率遥感卫星和全球遥感星座,使用卫星对地球进行更全面、更精确、更实时的监测成为可能,但目前卫星遥感数据获取存在重复、盲目、不及时,与用户需求脱节、大量数据闲置等一系列问题,缺乏一个有效的平台和应用模式,搭起卫星数据提供商和用户之间的桥梁.本文基于只需对变化信息进行定向监测和更新即可实现对地表实时监测这一前提出发,提出了一套卫星遥感和互联网结合的地球实时变化监测在线服务云平台,平台通过以用户感兴趣区域的自动变化
潮间带湿地是滨海湿地的重要组成部分,具有维持生物多样性、促进碳汇等重要生态功能.及时、准确地掌握潮间带湿地现状是实现潮间带湿地可持续管理目标的基础.先前的潮间带湿地分类研究依赖于训练样本、人工设定阈值或后处理等,本研究基于GEE (Google Earth Engine)平台开发一种自动、快速、高精度的潮间带湿地分类方法.该方法首先构建高质量密集时序Sentinel-2影像堆栈;然后,分析不同潮间带湿地的遥感特征,基于最大光谱指数合成算法(MSIC)和大津算法(Otsu)建立多层自动决策树分类模型.应用该
传统水体提取算法大多基于某一时期单景遥感影像,无法表现出水体随着时间和空间高度可变的特性,虽然国内外已出现部分时序水体数据产品,但其空间分辨率及水体边界的精度仍无法满足一些研究和应用的需要.本文以地表环境复杂的长江流域为研究区,基于GEE (Google Earth Engine)云平台,使用Sentinel-2 MSI年内长时序影像集结合像元的“时间特征”,提出一种在大尺度环境下更具普适性、可操作性且效果更好的高精度水体提取算法,即基于时序影像数据结合多指数和“时间特征”并融合DEM的算法.该算法选择自
刘震云的长篇小说《吃瓜时代的儿女们》具有广阔而独特的叙事空间,既有“乡土”“都市”的现实社会空间,也有符号代码构成的虚拟网络空间.叙事空间范围扩大,使互不相干的人发生联系、交往,但依然不能消弭现代人孤独的生存困境.小说在现实与网络、真实与虚幻间达到一种反讽、荒诞和间离的叙事效果,构成小说前言多于正文的独特文本结构.前言部分书写鲜活的个人生活史,在附录中呈现被网络语言挤压的干瘪空洞的符号,体现出刘震云对个人生活史沉入当代历史的深入思考.
针对基于深度学习的分类模型在训练样本较少时所遭受的潜在过拟合问题,提出一种具备过拟合抑制的生成式对抗网络分类算法,并应用于高光谱图像分类.该算法在每次迭代时,首先,依据训练样本的标签信息使判别器网络拟合训练样本的数据分布;然后对训练样本的高维特征进行均值最小化,该过程会重新更新判别器网络参数,减小参数的值和方差,以抑制过拟合;最后,将本算法应用于针对高光谱图像所设计的光谱空间分类模型进行分类.实验结果表明,在标准数据集Indian Pines和Pavia University中随机选取1%标记样本进行训练
太阳耀斑大多数发生在磁极复杂的黑子群上空,因此,黑子群磁类型可以作为预测太阳耀斑的重要依据.针对同时具有白光图和磁图数据的太阳黑子分类,提出了一种双流卷积神经网络(Convolutional Neural Network,CNN)的黑子群磁类型分类方法.该方法通过两个网络分支同时提取白光图和磁图特征,在全连接层对两类特征进行融合,最后用于训练和分类.实验结果表明,该方法能较好地避免单通道网络模型的信息损失以及使用双通道图像合成出现的白光图和磁图的相互影响,加权F 1分数可达84.87%,平均准确率可达84
潮间带湿地具有重要的生态和经济价值,但受到全球变化影响,发生大面积退化甚至丧失.掌握潮间带湿地的时空分布特征,对海岸带资源的科学管理具有重要意义.由于受到多云多雨天气和潮汐动态淹没的影响,单时相遥感数据难以获取完整的潮间带湿地信息.因此,本研究开发了一种基于时序遥感指数的潮间带湿地分类算法,并以福建省亚热带海岸带为例,基于Google Earth Engine (GEE)云平台,利用2017年-2019年Landsat 8时序影像数据,提取潮间带光滩、高潮滩植被和低潮滩植被3种典型湿地类型,分类结果总体精
毫秒脉冲星对引力波探测、太空导航等具有重要意义.通过引证ATNF(Australia Telescope National Facility)数据库,指出双星系统与毫秒脉冲星存在密切关系.分析了500 m口径球面射电望远镜(Five-hundred-meter Aperture Spherical radio Telescope,FAST)早期科学数据中心脉冲双星搜索能力的现状,目前Ransom版本的加速度搜索算法虽在中央处理器上进行了高度优化,但在庞大的数据量下,仍十分耗费算力.首先概述脉冲双星及轨道运