为解决极地冰盖特有地形地貌、严酷自然环境和冰盖移动等导致的自动化监测装置和数据长距离传输等问题,本研究基于极地冰盖如雪丘、雪垄、冰坝、软雪、硬雪等特有地形地貌,以及气候寒冷、多狂风暴雪等特殊自然环境,针对数据长距离传输和人工智能考察作业的需求,设计了一款专用于极地的冰盖履带机器人。机器人的硬件设计以工控机和STM32F103芯片为控制核心,搭载小型综合气象观测装置、实时动态定位装置、激光雷达和深度相机获取环境信息,构建铱星9523和网桥通信系统实现远距离数据通讯。机器人的软件设计采用多任务实时调度的FreeRTOS操作系统,构建上位机和数据库。此款极地冰盖履带机器人在中国第38次南极科学考察中,依托中山站进行了现场实验。结果表明,该机器人性能稳定、通信可靠、具有较理想的控制效果且较好地满足了极地冰盖作业需求,可为我国南北极科学考察提供关键技术支撑。

为解决极地冰盖特有地形地貌、严酷自然环境和冰盖移动等导致的自动化监测装置和数据长距离传输等问题,本研究基于极地冰盖如雪丘、雪垄、冰坝、软雪、硬雪等特有地形地貌,以及气候寒冷、多狂风暴雪等特殊自然环境,针对数据长距离传输和人工智能考察作业的需求,设计了一款专用于极地的冰盖履带机器人。机器人的硬件设计以工控机和STM32F103芯片为控制核心,搭载小型综合气象观测装置、实时动态定位装置、激光雷达和深度相机获取环境信息,构建铱星9523和网桥通信系统实现远距离数据通讯。机器人的软件设计采用多任务实时调度的FreeRTOS操作系统,构建上位机和数据库。此款极地冰盖履带机器人在中国第38次南极科学考察中,依托中山站进行了现场实验。结果表明,该机器人性能稳定、通信可靠、具有较理想的控制效果且较好地满足了极地冰盖作业需求,可为我国南北极科学考察提供关键技术支撑。

为解决极地冰盖特有地形地貌、严酷自然环境和冰盖移动等导致的自动化监测装置和数据长距离传输等问题,本研究基于极地冰盖如雪丘、雪垄、冰坝、软雪、硬雪等特有地形地貌,以及气候寒冷、多狂风暴雪等特殊自然环境,针对数据长距离传输和人工智能考察作业的需求,设计了一款专用于极地的冰盖履带机器人。机器人的硬件设计以工控机和STM32F103芯片为控制核心,搭载小型综合气象观测装置、实时动态定位装置、激光雷达和深度相机获取环境信息,构建铱星9523和网桥通信系统实现远距离数据通讯。机器人的软件设计采用多任务实时调度的FreeRTOS操作系统,构建上位机和数据库。此款极地冰盖履带机器人在中国第38次南极科学考察中,依托中山站进行了现场实验。结果表明,该机器人性能稳定、通信可靠、具有较理想的控制效果且较好地满足了极地冰盖作业需求,可为我国南北极科学考察提供关键技术支撑。

积雪面积比例（Fractional Snow Cover,FSC）数据能在亚像元尺度上定量的描述像元内积雪覆盖的程度，相比二值积雪面积数据可以更加精确地估计积雪覆盖的面积。基于机器学习的随机森林回归模型可以表示高维的非线性关系，可显著提高MODIS FSC的反演精度。采用随机森林回归模型结合光谱、环境信息构建了一个新的回归模型——光谱-环境随机森林回归（Spectral Environment Random Forest Regressor,SE-RFR）模型，用于MODIS数据反演中国区域的FSC。利用中国典型积雪区内由Landsat8地表反射率数据获取的FSC数据作为参考值，对SE-RFR模型的反演精度进行评估。研究表明，利用“SE-RFR”获取的FSC数据RMSE、MAE分别为0.160、0.104，精度较高。此外，根据SE-RFR模型与未加入环境信息的随机森林回归（S-RFR）模型比较结果可知，加入环境信息的随机森林回归模型提高了FSC反演的精度，特别是在受环境信息影响较大的青藏高原地区，RMSE从0.200降低到0.181。最后，将SE-RFR模型与目前使用广泛的MODIS ...

积雪面积比例（Fractional Snow Cover,FSC）数据能在亚像元尺度上定量的描述像元内积雪覆盖的程度，相比二值积雪面积数据可以更加精确地估计积雪覆盖的面积。基于机器学习的随机森林回归模型可以表示高维的非线性关系，可显著提高MODIS FSC的反演精度。采用随机森林回归模型结合光谱、环境信息构建了一个新的回归模型——光谱-环境随机森林回归（Spectral Environment Random Forest Regressor,SE-RFR）模型，用于MODIS数据反演中国区域的FSC。利用中国典型积雪区内由Landsat8地表反射率数据获取的FSC数据作为参考值，对SE-RFR模型的反演精度进行评估。研究表明，利用“SE-RFR”获取的FSC数据RMSE、MAE分别为0.160、0.104，精度较高。此外，根据SE-RFR模型与未加入环境信息的随机森林回归（S-RFR）模型比较结果可知，加入环境信息的随机森林回归模型提高了FSC反演的精度，特别是在受环境信息影响较大的青藏高原地区，RMSE从0.200降低到0.181。最后，将SE-RFR模型与目前使用广泛的MODIS ...