利用浮标和NWP风场对HY-2散射计联合定标验证

本文对海洋二号卫星微波散射计(Haiyang-2 Scatterometer,HY-2 SCAT)进行了海洋定标算法研究,并使用数值天气预报模型风场(Numerical Weather Prediction,NWP)和浮标数据对定标后反演风场进行联合验证.通过匹配2012年12月份的HY-2 SCAT反演风场、NWP风场及浮标的观测数据,共得到无降雨条件下的3112个25km分辨率的匹配数据.对匹配数据进行分析时,采用基于变量的误差分析方法能够得到比传统线性回归方法更精确的验证结果.选取在风场U、V分量进行联合验证能得到较在风速、风向上更为有利的验证结果.验证结果表明,经过海洋定标法之后的HY-2 SCAT测量后向散射系数的误差残余小于0.15dB,其反演风场与浮标及NWP数据相吻合,U、V分量相对浮标及NWP数据偏差均小于0.23m/s,验证了该定标算法的有效性及定标后反演风场的高精度.     

基于YOLOv5的轻量化目标检测算法

使用搭载YOLOv5算法的无人机对物体进行目标检测时，由于其权重文件占有较大内存而要求无人机有较高的硬件配置，这在很大程度上约束了无人机进行目标检测的发展。为了解决这一问题，提出了一种改进的YOLOv5算法。使用深度可分离卷积代替普通卷积层，以使YOLOv5s轻量化。由于无人机从空中俯瞰物体，拍摄的图片具有较大的视野，因此将Dropblock与注意力机制添加至YOLOv5s主卷积层的底层来增加YOLOv5s的泛化能力与识别能力，进而提高YOLOv5s的小目标检测能力。使用所提方法对车辆数据集进行训练，获得了83%的训练准确率，并通过对比试验证明了所提方法比原始YOLOv5s具有更强的小目标检测能力。