區(qū)域掃描模式下風云二號氣象衛(wèi)星姿態(tài)求解方法

魏彩英 張曉虎 趙現(xiàn)綱韓 琦 林維夏

（國家衛(wèi)星氣象中心，北京100081）

區(qū)域掃描模式下風云二號氣象衛(wèi)星姿態(tài)求解方法

魏彩英 張曉虎 趙現(xiàn)綱*韓 琦 林維夏

（國家衛(wèi)星氣象中心，北京100081）

針對風云二號氣象衛(wèi)星區(qū)域掃描模式下姿態(tài)求解問題，提出了分別基于區(qū)域觀測圖像、姿態(tài)預報和粗-精姿態(tài)關系模型3種不同的衛(wèi)星姿態(tài)求解方法，并分析了它們的適用條件。利用FY-2E衛(wèi)星獲取的2013年7月8—14日的圖像進行模擬分析，姿態(tài)計算結果表明：利用基于區(qū)域觀測圖像方法求解的姿態(tài)對區(qū)域觀測云圖進行定位，誤差保持在2.5個紅外像元以內，該方法適用于連續(xù)區(qū)域觀測情況；利用基于預報的姿態(tài)求解方法對未來24 h內區(qū)域觀測云圖進行定位，平均誤差達到1個紅外像元，該方法適用于臨時啟動區(qū)域觀測時前24 h的區(qū)域云圖定位。利用粗-精姿態(tài)關系模型方法求解的姿態(tài)對區(qū)域觀測云圖進行定位，最大誤差為4.9個紅外像元，前24 h平均誤差為3.6個紅外像元，該方法可以在無精姿態(tài)數(shù)據(jù)時對區(qū)域觀測圖像進行應急定位。

靜止氣象衛(wèi)星；區(qū)域觀測；圖像定位；衛(wèi)星姿態(tài)

引 言

我國的風云二號系列靜止氣象衛(wèi)星通常單顆衛(wèi)星每小時獲取1張圓盤圖，而在每年汛期以及重大氣象服務時期，為了提高觀測資料的時效性，風云二號衛(wèi)星采用雙星加密模式，每顆星30 min接收1張圓盤圖（或半圓盤圖），雙星可以實現(xiàn)中國區(qū)域每15 min獲取1張圖像。這些加密觀測資料為氣象要素精細預報提供了豐富的數(shù)據(jù)，成為汛期和重大活動期間不可或缺的觀測手段［1-5］。

風云二號系列靜止氣象衛(wèi)星設計本身具有特定區(qū)域的掃描能力，在區(qū)域掃描模式下，單顆衛(wèi)星對局部地區(qū)可以實現(xiàn)幾分鐘1次的觀測，能夠提供比雙星加密更高時間分辨率的觀測資料。在區(qū)域掃描模式下，衛(wèi)星觀測的是條帶圖像，基于全圓盤圖像的定位方法無法直接用于條帶圖像的定位。由于一直未能解決條帶圖像的定位問題，導致風云二號衛(wèi)星區(qū)域觀測一直未能投入業(yè)務應用。

本文研究自旋穩(wěn)定靜止氣象衛(wèi)星區(qū)域觀測圖像定位技術，提出了3種區(qū)域觀測圖像定位方法，并分析了它們各自的適用條件，為實現(xiàn)風云二號氣象衛(wèi)星的區(qū)域觀測業(yè)務化提供了基礎。

1 國內外相關研究背景

目前，美國和歐洲的靜止氣象衛(wèi)星已實現(xiàn)了區(qū)域觀測功能，使其衛(wèi)星對地觀測的時效性大大提高。歐洲氣象衛(wèi)星應用組織在2008年5月實現(xiàn)了RSS（Rapid Scanning Service）服務［6］，利用位置為9.5°E的第2代氣象衛(wèi)星提供觀測區(qū)域為15°～70°N、每5 min 1次的觀測資料。

國內風云二號氣象衛(wèi)星的業(yè)務系統(tǒng)中通過圓盤圖像推導出精確的定位參數(shù)，保證了風云二號氣象衛(wèi)星云圖的定位質量和應用。

衛(wèi)星姿態(tài)是衛(wèi)星云圖準確定位的關鍵參數(shù)之一［7］，很多學者對衛(wèi)星姿態(tài)的求解方式進行了研究，文獻［8］針對自旋穩(wěn)定衛(wèi)星提出了一種利用GPS進行姿態(tài)確定的方法，文獻［9］提出了一種基于低噪音、高速率的攝像機來提高衛(wèi)星姿態(tài)估算精度的方法。針對資源三號衛(wèi)星的特點，諶一夫等［10］提出了逐點帶權多項式姿軌模型，推導衛(wèi)星姿態(tài)和軌道。很多學者利用濾波理論［11-15］對衛(wèi)星姿態(tài)進行預測和估算。目前，這些方法得到的姿態(tài)大都用來對衛(wèi)星進行姿態(tài)控制，仍難以直接用于圖像定位，圖像定位需要確定每個像素的精確位置。

2 圖像定位方法

風云二號氣象衛(wèi)星通過衛(wèi)星和地面系統(tǒng)協(xié)同工作完成對地觀測任務。風云二號氣象衛(wèi)星的星載多通道掃描輻射儀利用衛(wèi)星的自旋和掃描儀光學鏡筒的步進，實現(xiàn)對地球的二維掃描。掃描儀光學系統(tǒng)的視場非常窄，對于可見光和紅外／水汽通道分別只有35和140微弧度，分別相當于聚焦在星下點地面上1.25 km×1.25 km和5 km×5 km大小的面積。每一瞬間，掃描儀只從聚焦位置上獲取1個數(shù)據(jù)，稱為1個像元。衛(wèi)星每0.6 s自旋1周，同時取得4條可見光掃描線、1條紅外和1條水汽掃描線。每條掃描線所得的數(shù)據(jù)可量化分割出10000個可見光像元，2500個紅外、水汽像元。衛(wèi)星自旋1周后，鏡筒步進1次，步距為140微弧度，然后進行下一條掃描線的觀測。取完圖后鏡筒快速回掃，準備進行下一次觀測。

衛(wèi)星的空間位置不停變化，衛(wèi)星姿態(tài)也隨時間變化，這些因素對精確成像帶來了影響。準確定位需要知道每個瞬間衛(wèi)星的位置和姿態(tài)。3點測距系統(tǒng)被用來追蹤衛(wèi)星在各個時刻的準確位置，它用無線電波從主站到衛(wèi)星，以及從衛(wèi)星到兩個副站之間的傳輸時間，推出它們之間的距離，從而確定衛(wèi)星的位置。衛(wèi)星位置測定的技術目前已經(jīng)很成熟，衛(wèi)星圖像定位的關鍵是需要計算衛(wèi)星的準確姿態(tài)。

衛(wèi)星姿態(tài)是指衛(wèi)星星體在軌道上運行所處的空間位置狀態(tài)，可以用x，y和z3個方向的值表示。將直角坐標系的原點置于星體上，指向地面的z軸反映偏航方向，y軸反映俯仰方向，x軸反映滾動方向。衛(wèi)星姿態(tài)也可以用赤經(jīng)和赤緯來表示［16］。

本文根據(jù)不同的姿態(tài)計算原理和適用條件，提出了衛(wèi)星在區(qū)域掃描模式下的3種姿態(tài)計算方法。

2.1 基于區(qū)域觀測圖像的姿態(tài)確定方法

利用全圓盤圖像進行衛(wèi)星姿態(tài)確定的方法已經(jīng)在風云二號氣象衛(wèi)星業(yè)務系統(tǒng)中成功得到應用［17］，衛(wèi)星姿態(tài)參數(shù)的側滾、俯仰分量在衛(wèi)星角動量坐標系中呈周期性變化，且互相轉化，利用圖像上的特征點的變化即可求解衛(wèi)星姿態(tài)方程。衛(wèi)星的星下點屬于地理位置和圖像位置兩者均已知的觀測目標，它們可以被作為己知條件來求解衛(wèi)星的姿態(tài)。

對于全圓盤圖像可以容易獲得上述兩個基準點，但對于區(qū)域云圖則不同，由于圖像不是完全的地球圖像，可能不包含星下點的圖像位置，這時需要根據(jù)局部圖像來分析計算基準點的圖像位置。

地球形狀為不規(guī)則的扁球體，赤道略呈橢圓形，紅外云圖以24 h周期變化，云圖在衛(wèi)星觀域內的大小和位置在不同時刻均不相同，因此無法找到一個參數(shù)固定的紅外地球云圖幾何模型。

風云二號氣象衛(wèi)星觀測的全圓盤紅外云圖可以近似為一個平面橢圓，紅外云圖地球輪廓為該模型的邊緣點，其邊緣模型方程可以用5個獨立的參數(shù)A，B，C，D，E來確定。對于不同時刻的紅外云圖，這5個參數(shù)具有不同的結果，需要建立數(shù)學模型來計算每張紅外云圖的幾何參數(shù)。紅外云圖的邊緣點模型可以用以下方程來表示：

式（1）是關于5個參數(shù)的復雜非線性方程，模型中心（x0，y0），長軸半徑a0，短軸半徑b0，長軸與x軸夾角θ，（x，y）為邊緣點坐標，通過變量代換，解算該模型，求出模型的幾何參數(shù)，可將式（1）簡化為

設Pi（xi，yi）（i＝1，2，3，…，l，l≥5）為紅外地球云圖輪廓上的邊緣點，根據(jù)最小二乘法原理［18］，應求目標函數(shù)

的最小值來確定參數(shù)A，B，C，D，E的值，由極值原理可知，欲使F最小，必有

通過式（4），可求得A，B，C，D，E的值，即求出模型的5個參數(shù)［19-21］，得到星下點參數(shù)，再利用文獻［17］的方法求出衛(wèi)星姿態(tài)，并對區(qū)域觀測圖像進行定位。

2.2 基于預報的姿態(tài)求解方法

基于區(qū)域觀測圖像的姿態(tài)確定方法適用于連續(xù)接收區(qū)域觀測圖像的情況。正常情況下，風云二號氣象衛(wèi)星收取圓盤圖像，遇到特殊天氣時會應急獲取高頻次的區(qū)域圖像。在區(qū)域觀測剛啟動時，由于區(qū)域圖像積累數(shù)據(jù)少，采用基于區(qū)域觀測圖像的姿態(tài)確定方法對圖像定位可能誤差較大。

基于預報的姿態(tài)求解方法是根據(jù)接收圓盤圖時計算出的精確姿態(tài)，根據(jù)姿態(tài)變化的規(guī)律預報未來的衛(wèi)星姿態(tài)，它適用于已有精確的軌道姿態(tài)參數(shù)情況下，采用數(shù)學模型預報未來24 h的定位參數(shù)。

根據(jù)歷史姿態(tài)參數(shù)的數(shù)據(jù)分析，可采用二次多項式函數(shù)作為目標函數(shù)，進行衛(wèi)星自旋矢量赤經(jīng)、赤緯的求解。衛(wèi)星自旋矢量的赤經(jīng)或赤緯隨時間變化的模型可表示為

其中，f（t）為衛(wèi)星自旋矢量的赤經(jīng)或赤緯，t為時間（采用相對儒略日），a，b，c為待定的參數(shù)。

設fi（ti）（i＝1，2，3，…，N，N≥50）為歷史衛(wèi)星自旋矢量的赤經(jīng)時間序列，根據(jù)最小二乘法原理［18］，應求目標函數(shù)f（i）］2的最小值來確定參數(shù)a，b，c的值，由極值原理，欲使F最小，必有則

通過解方程組，可求得a，b，c的值，即可得到衛(wèi)星自旋矢量的赤經(jīng)隨時間變化的函數(shù)，同理可求得衛(wèi)星自旋矢量的赤緯隨時間變化的函數(shù)。然后根據(jù)函數(shù)求解相應時刻的衛(wèi)星姿態(tài)，最后再利用文獻［17］中方法對區(qū)域觀測圖像進行定位。

2.3 基于粗-精姿態(tài)關系模型的姿態(tài)求解方法

在衛(wèi)星長時間未接收云圖的情況下，基于區(qū)域觀測圖像的姿態(tài)確定方法和基于預報的姿態(tài)求解方法已不適用于此時的姿態(tài)求解。

利用衛(wèi)星遙測值可以計算出衛(wèi)星姿態(tài)［22］，由于自旋穩(wěn)定氣象衛(wèi)星遙測值不中斷，在任何時候都可以通過衛(wèi)星遙測計算出衛(wèi)星粗姿態(tài)。在實際業(yè)務中發(fā)現(xiàn)這種通過衛(wèi)星遙測值計算出來的衛(wèi)星姿態(tài)不能直接用于圖像定位，圖像定位需要確定每個像元的精確位置，利用這種姿態(tài)給圖像定位時會產(chǎn)生圖像網(wǎng)格偏移，因此將這種利用衛(wèi)星遙測值計算出來的衛(wèi)星姿態(tài)稱為粗姿態(tài)，而通過圖像反推出來的衛(wèi)星姿態(tài)稱為精姿態(tài)。粗姿態(tài)計算參見文獻［16，22］，本文不再詳細描述。

如果能夠確定衛(wèi)星精姿態(tài)和粗姿態(tài)的關系，則無論是否接收圖像都可以隨時利用粗姿態(tài)來計算精姿態(tài)。根據(jù)歷史積累的同時段粗姿態(tài)與精姿態(tài)數(shù)據(jù)，可以使用多項式的最小二乘曲線法來擬合兩種姿態(tài)的變化規(guī)律。

將精姿態(tài)與粗姿態(tài)的x，y軸和z軸的關系表示為3組離散數(shù)據(jù)點｛（xi，x′i），i＝0，1，2，…，m｝，｛（yi，y′i），i＝0，1，2，…，m｝和｛（zi，z′i），i＝0，1，2，…，m｝，分別將3個關系函數(shù)x″＝X（xi），y″＝Y（yi）和z″＝Z（zi）與所給3組數(shù)據(jù)擬合；對姿態(tài)數(shù)據(jù)｛（xi，x′i），i＝0，1，2，…，m｝，｛（yi，y′i），i＝0，1，2，…，m｝和｛（zi，z′i），i＝0，1，2，…，m｝，在所有次數(shù)不超過n（n≤m）的多項式構成的函數(shù)類Φ中，分別求和使誤差rxi，ryi和rzi的平方和最小，即

使誤差rxi，ryi和rzi的平方和最小的Xn（xi），Yn（yi），Zn（zi）即為所求多項式，由此可以根據(jù)粗姿態(tài)推算出當時的精姿態(tài)，再利用文獻［17］的方法對區(qū)域觀測圖像進行定位。

3 誤差分析

3.1 基于區(qū)域觀測圖像的姿態(tài)確定方法

利用FY-2E氣象衛(wèi)星2013年7月8—14日的圖像進行模擬分析，姿態(tài)計算結果如圖1所示（圖中時間為北京時，下同）。x軸最大誤差為1.8×10－4，平均誤差為7.1×10－5，最小誤差為3.1×10－8；y軸最大誤差為3.7×10－4，平均誤差為3.0×10－4，最小誤差為2.2×10－4；z軸最大誤差為8.2×10－6，平均誤差為6.1×10－6，最小誤差為3.6×10－6。利用該姿態(tài)對區(qū)域觀測云圖進行定位，誤差保持在2.5個紅外像元以內，符合業(yè)務要求。

圖1 基于區(qū)域觀測圖像的姿態(tài)確定方法計算結果和實測結果比較Fig.1 Results of attitude determination method based on the observed image region compared with measurements

續(xù)圖1

3.2 基于預報的姿態(tài)求解方法

圖2 基于預報的姿態(tài)求解方法計算結果與實測結果比較Fig.2 Results of solving attitude based on forecast compared with measurements

利用FY-2E氣象衛(wèi)星2013年7月4—7日共4 d的歷史精確姿態(tài)對2013年7月8—14日進行姿態(tài)參數(shù)預報，結果如圖2所示。x軸最大誤差為8.7×10－5，平均誤差為3.8×10－5，最小誤差為4.1×10－7；y軸最大誤差為4.1×10－5，平均誤差為8.9×10－6，最小誤差為2.3×10－7；z軸最大誤差為1.3×10－6，平均誤差為5.9×10－7，最小誤差為1.4×10－9。預報時段內，平均誤差達到1個紅外像元，最大誤差達到2個紅外像元，符合業(yè)務要求。

3.3 基于粗-精姿態(tài)關系模型的姿態(tài)求解方法

利用FY-2E氣象衛(wèi)星2013年7月8—10日之間的遙測數(shù)據(jù)計算出對應的粗姿態(tài)，然后利用已知的精姿態(tài)進行擬合分析，預報未來48 h精姿態(tài)，具體結果如圖3所示。x軸擬合最大誤差為3.5×10－5，平均誤差為1.4×10－5，最小誤差為6.6×10－8；y軸擬合最大誤差為2.4×10－5，平均誤差為1.2×10－5，最小誤差為1.4×10－6；z軸擬合最大誤差為3.0×10－7，平均誤差為1.4×10－7，最小誤差為1.3×10－8。利用擬合結果對圖像定位誤差的分析結果顯示最大誤差為4.9個紅外像元，前24 h平均誤差為3.6個紅外像元，后24 h平均誤差為4.6個紅外像元，該方法可以在無精姿態(tài)數(shù)據(jù)時對區(qū)域觀測圖像進行應急定位。

圖3 基于粗-精姿態(tài)關系模型的姿態(tài)求解方法姿態(tài)計算結果Fig.3 Results of attitude determination method based on the relational model of crude-precise attitude

4 結 論

本文研究了風云二號氣象衛(wèi)星在區(qū)域掃描模式下3種不同的姿態(tài)求解方法，并利用FY-2E氣象衛(wèi)星2013年7月8—14日之間的圖像對3種方法進行了模擬分析，得到如下主要結論：

1）基于區(qū)域觀測圖像的姿態(tài)確定算法直接利用區(qū)域觀測圖像求解衛(wèi)星姿態(tài)參數(shù)，該參數(shù)用于圖像定位精度比較穩(wěn)定，主要適用于連續(xù)的區(qū)域觀測情況下至少有24 h區(qū)域觀測圖像積累時的衛(wèi)星姿態(tài)確定。

2）基于預報的姿態(tài)求解方法是利用衛(wèi)星接收圓盤圖時計算出的精確姿態(tài)，根據(jù)姿態(tài)變化規(guī)律預報未來衛(wèi)星姿態(tài)，它適用于區(qū)域觀測啟動24 h內對云圖的定位。

3）基于粗-精姿態(tài)關系模型的姿態(tài)求解方法利用遙測數(shù)據(jù)計算的粗姿態(tài)值，并利用粗-精姿態(tài)關系模型，預報未來24 h的定位參數(shù)。與其他兩種方法相比，該方法精度較低，可以在無精姿態(tài)數(shù)據(jù)時對區(qū)域觀測圖像進行應急定位。

［1］ 薛諶彬，龔建東，何財福，等.靜止衛(wèi)星云導風的質量控制及在同化中的應用.應用氣象學報，2013，24（3）：356-364.

［2］ 黃勇，覃丹宇.舟曲泥石流天氣過程中云團合并的衛(wèi)星觀測.應用氣象學報，2013，24（1）：87-98.

［3］ 劉健，張里陽.氣象衛(wèi)星高空間分辨率數(shù)據(jù)的云量計算與檢驗.應用氣象學報，2011，22（1）：35-45.

［4］ 韓秀珍，吳朝陽，鄭偉，等.基于水面實測光譜的太湖藍藻衛(wèi)星遙感研究.應用氣象學報，2010，21（6）：724-731.

［5］ 許健民，張其松.衛(wèi)星風推導和應用綜述.應用氣象學報，2006，17（5）：574-582.

［6］ ［2013-07-06］.http：∥www.eumetsat.int／Home／Main／Satellites／Meteosat Second Generation／Services／SP_2010062816 1215372.

［7］ 王素娟，郭強，許健民.FY-4氣象衛(wèi)星定位用導航星選取方法.應用氣象學報，2010，21（2）：149-156.

［8］ Pei C.Attitude determination algorithms for spinning satellites using single antenna GPS receiver and MEMS gyro.Aerospace Science and Technology，2013，26（1）：10-15.

［9］ D’Angelo M，Linares R，Crassidis J L.Attitude determination for a small satellite mission.Advances in the Astronautical Sciences，2012，144：165-171.

［10］ 諶一夫，張春玲，張慧，等.ZY-3衛(wèi)星的姿態(tài)和軌道模型研究.華中師范大學學報：自然科學版，2013（3）：421-425；430.

［11］ Cao L，Yang W W，Chen X Q，et al.The research of microsatellite attitude determination based on predictive filter.Applied Mechanics and Materials，2012，110-116：5413-5419，DOI 10.4028／www.scientific.net／AMM.110-116.5413.

［12］ Jiao Y，Wang J，Pan X，et al.Influence analysis of measurement errors in satellite attitude determination based on extended Kalman filter.Aeronautical Journal，2012，116（1178）：373-389.

［13］ 李鵬，唐健，段廣仁，等.基于自適應聯(lián)邦濾波的衛(wèi)星姿態(tài)確定.中國空間科學技術，2013（2）：67-71.

［14］ 魏喜慶，宋申民.基于容積卡爾曼濾波的衛(wèi)星姿態(tài)估計.宇航學報，2013（2）：193-200.

［15］ 張健，孫兆偉.粒子濾波在衛(wèi)星姿態(tài)確定中的應用.哈爾濱工業(yè)大學學報，2012（11）：31-35.

［16］ 李于衡，易克初，關鵬.地球靜止軌道自旋衛(wèi)星姿態(tài)確定及控制策略.飛行器測控學報，2009，24（5）：19-26.

［17］ 陳寶林.最優(yōu)化理論與算法（第二版）.北京：清華大學出版社，2005：322-328.

［18］ Lu Feng，Zhang Xiaohu，Xu Jianmin.Image navigation for the FY2 geosynchronous meteorological satellite.Journal of Atmospheric&Oceanic Technology，2008，25（7）：1149.

［19］ Ahn S J，Rauh W，Cho H S.Orthogonal distance fitting of implicit curves and surfaces.IEEE Trans PAMI，2002，24（5）：620-638.

［20］ Cui Y T，Weng J，Reynolds H.Estimation of ellipse parameters using optimal minimum-variance estimator.Pattern Recognition Letter，1996，17（3）：309-316.

［21］ Nick B，Robert B，Naoki S.A method to detect and characterize ellipses using the Hough transform.IEEE Trans PAMI，1999，21（7）：652-657.

［22］ 李于衡，楊小芹，關鵬，等.基于遙測數(shù)據(jù)的定點自旋衛(wèi)星姿態(tài)選優(yōu)方法.哈爾濱工業(yè)大學學報，2009，41（5）：175-177.

FY-2 Meteorological Satellite Attitude Solving Method Under Area Scan Mode

Wei Caiying Zhang Xiaohu Zhao Xiangang Han Qi Lin Weixia
（National Satellite Meteorological Center，Beijing100081）

Area observation is realized by the geostationary meteorological satellites of the United States and Europe.The timeliness of satellite observation is greatly improved，and an instance can be accomplished within several minutes.Geostationary meteorological satellites of FY-2 series have the capability of specific area observation，but due to the strip image navigation problem，the area observation of FY-2 satellites is not put into operational use.Therefore，the attitude determination technology of FY-2 satellites’area observation is studied and 3 solving methods are proposed，which are based on area images，attitude prediction，and the relation model between crude and precise attitude.

The attitude determination method based on area images uses area images to calculate satellite attitude directly.This method is applicable to the condition that area images can be obtained continuously.When area images are accumulated for twenty-four hours，the method navigates the area image with the attitude gained by the method based on area images.The navigation deviation is in 2.5 infrared pixels.FY-2 satellite receives full disk images under normal observation mode，and receives high-frequency area images under emergency observation mode when special weather occurs.When using the attitude to navigate satellite image at the beginning of area observation，the image navigation accuracy maybe not ideal because the area images quantity is not enough.On this occasion，the attitude solving method based on attitude prediction can be used.With this method，the average deviation of image navigation can be reduced to 1 pixel.Based on the precise attitude which is gained through full disk images，this method predicts the future satellite attitude according to the variety rules of attitude.It is applicable to predict navigation parameter in future 24 hours with mathematics model while precise orbit attitude parameter is obtained.The attitude solving method based on relation model of crude-precise attitude uses the crude attitude which is calculated from telemetry data and the relation between the latest crude-precise attitude，and estimates precise attitude from the crude attitude which is calculated in real time.Using the attitude gained by this method to navigate the image，the max navigation deviation of area image is 4.9 infrared pixels，and the average deviation of former 24 hours is 3.6 infrared pixels.When precise attitude is not available，the attitude obtained by the method based on relation model of crude-precise attitude can be used to navigate area image during emergency situations.

geostationary meteorological satellite；area observations；image navigation；satellite attitude

魏彩英，張曉虎，趙現(xiàn)綱，等.區(qū)域掃描模式下風云二號氣象衛(wèi)星姿態(tài)求解方法.應用氣象學報，2014，25（5）：592-599.

2014-01-16收到，2014-06-23收到再改稿。

公益性行業(yè)（氣象）科研專項（GYHY201006046）

*通信作者，email：zhaoxg＠nsmc.cma.gov.cn