近日，地理与空间信息学院韩杰博士与中国科学院空天信息创新研究院、南京信息工程大学合作在国产星载超大视场传感器在轨辐射定标领域取得最新研究成果。

全球辐射定标场（RadCalNet）向科研人员免费发布五个定标站点的自动化观测数据集，这极大的降低了星载传感器在轨辐射定标成本。然而，由于该数据集仅包含垂直角度观测参数，这不适用于超大视场传感器在轨辐射定标。同时数据集存在部分时刻数据缺失问题，影响了在轨辐射定标频次。

为解决该瓶颈问题，韩杰博士与中国科学院空天信息创新研究院陶醉研究员、南京信息工程大学谢勇教授合作提出了一种利用随机森林算法，拓宽RadCalNet数据角度适用范围并高精度模拟缺失数据的方法。基于此方法，实现了GF-6卫星超大视场WFV传感器在轨辐射定标，经检验发现其定标精度优于8.48%，不确定度优于5.54%。该研究成果可为进一步提高RadCalNet数据集利用率，提升国产星载新型传感器在轨辐射定标频次，监测其辐射性能变化提供重要技术参考。

相关成果以“Radiometric Calibration of Large-View-Angle Satellite Sensor at Railroad Valley Playa Site Despite Incomplete RadCalNet Datasets”为题发表在《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》上，地理与空间信息学院韩杰博士为第一作者，南京信息工程大学谢勇教授为通讯作者。

该研究得到国家自然科学基金（42476169）、河南省本科高校青年骨干教师培育项目（2024GGJS121）和许昌学院优秀青年骨干教师培育项目（XCXYQNGG2023014）的共同资助。

原文链接：https://ieeexplore.ieee.org/document/11163646