华大在线讯（记者 党波涛）近日，华中师范大学城市与环境科学学院2013级本科生刘晓娟在国际SCI期刊《Photogrammetric Engineering & Remote Sensing》Volume 83,Number 9, September 2017 (2016/2017 Impact Factor : 2.493)上发表论文“A Stepwise-then-Orthogonal Regression (STOR) with quality control for Optimizing the RFM of High-Resolution Satellite Imagery”。

刘晓娟是李畅副教授指导的大学生创新创业训练计划项目《遥感影像几何校正与辐射校正一体化模型及其智能算法优化》项目负责人。该论文在大创的基础上，对遥感卫星几何成像模型中存在的问题进行优化。即针对当前卫星几何成像的通用模型——有理函数模型 (Rational Function Model, RFM)解算中存在的过参数化（overparameter）和过校正 (overcorrection) 导致的两大“模型误差”问题，首创了一种基于质量控制的先逐步筛选-后正交回归的方法（Stepwise-Then-Orthogonal Regression, STOR）。

该方法主要通过参数的前向-后向筛选实现必要参数（optimal parameters）的选择防止传统RFM的过参数化导致的病态矩阵问题，并通过先奇异值分解解算RFM非常数项，后解算常数项的正交回归方法。最终达到优化解算RFM的目的并顺利解决了过参数化和过改正常数项误差两大“模型误差”问题。不仅如此，该方法还对测量的“三大误差”进行质量控制，包括：基于选权迭代的“粗差”剔除，以及基于傅里叶级数的“系统误差”补偿。

该方法与传统有理函数解算方法（如：最小二乘/逐步回归/总体最小二乘/偏最小二乘/岭估计法等）进行对比分析，结果表明提出的STOR能够更好地提高解算精度。本研究的创新主要在于,一是将误差模型(Errors-in-Variables Model, EIV)引入有理函数模型中，并解决了来自RFM本身的误差；二是在模型解算中引入质量控制，提高了数据的可信度，降低了数据源引起的误差；三是在解算正交方程之前进行数学变换，最终达到消除常数项过改正导致的“模型误差”。

《Photogrammetric Engineering & Remote Sensing》期刊是American Society for Photogrammetry and Remote Sensing (ASPRS) 美国摄影测量与遥感协会的会刊，是国际上遥感和地理信息系统领域的重要权威期刊之一。以上研究得到了2015年校级大学生创新创业训练计划项目和国家自然科学基金项目（41771493 和 41101407）的资助。目前，课题成员刘晓娟同学已考入中山大学继续遥感与地理信息系统专业的研究生学习。