基于SVR的鄂尔多斯风沙滩地区土壤水分遥感反演方法研究
发布时间：2021-02-23 07:56
土壤水分是地表水循环的重要组成部分,是气象学、水文学、农学和生物学等多学科的关键参数,在水文预报、农情监测、地表碳循环、地表水分蒸发与植被蒸腾中扮演着重要的角色。我国西北干旱半干旱区,降水稀少、蒸散强烈,土壤水分作为重要的生态因子,影响着土壤和大气界面间的能量平衡,因此,研究西北地区的地表土壤水分空间分布特征对该地区水资源配置、旱情防治和生态环境监测都具有重大意义。随着遥感技术的飞速发展,为土壤水分大面积且连续地观测、获取和分析提供了可能。其中,微波遥感因具备不受天气条件限制,全天时、全天候的对地观测能力,以及对土壤水分敏感等优点,在土壤水分反演研究过程中得到广泛应用。本文基于全极化Radarsat-2 SAR数据,GF-1、Sentinel-2B光学影像数据以及野外实测数据,在综合考虑研究区地表植被特点及地表粗糙程度的前提下,选取不同植被相关参数,利用水云模型去除地表植被层的影响,通过对比土壤水分的反演精度,确定适用于表征研究区植被散射特征的最佳植被相关参数。基于水云模型提取Radarsat-2 SAR数据的裸土后向散射系数,并利用AIEM模型建立后向散射系数数据库,采用查找表法模拟...
【文章来源】：长安大学陕西省 211工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 选题背景及研究意义
1.2 国内外研究现状
1.2.1 土壤水分微波遥感反演研究现状
1.2.2 土壤水分极化分解反演研究现状
1.3 研究内容与技术路线
1.4 论文结构
第二章 微波遥感基本原理
2.1 微波遥感机理
2.1.1 雷达方程
2.1.2 雷达后向散射系数
2.1.3 雷达参数
2.2 极化雷达理论基础
2.2.1 电磁波的极化表达
2.2.2 目标极化散射特性描述
2.2.3 极化分解相关理论
2.2.4 极化特征参数
2.3 地表参数
2.3.1 土壤含水量参数
2.3.2 土壤介电特征
2.3.3 地表粗糙度参数
2.3.4 地表植被参数
第三章 研究区概况及数据处理
3.1 研究区概况
3.1.1 自然地理特征
3.1.2 人文景观特征
3.2 遥感数据源及预处理
3.2.1 Radarsat-2 SAR数据及预处理
3.2.2 Sentinel-2B数据及预处理
3.2.3 GF-1 数据及预处理
3.3 野外数据采集及处理
第四章 土壤水分微波-光学耦合模型植被参数的确定
4.1 裸土后向散射模拟
4.1.1 植被参数计算
4.1.2 水云模型估算裸土后向散射系数
4.2 土壤水分反演模型构建
4.2.1 后向散射系数对地表特征的响应关系
4.2.2 土壤水分反演模型的构建
4.2.3 不同植被参数下反演模型的建立与验证
第五章 基于SVR的土壤水分反演方法研究
5.1 支持向量回归模型
5.2 构建微波-光学耦合的土壤水分SVR模型
5.2.1 有效粗糙度参数模拟
5.2.2 基于有效粗糙度参数的土壤水分SVR模型的构建
5.2.3 土壤水分反演模型应用与分析
5.3 构建基于极化特征参数的土壤水分SVR模型
5.3.1 极化特征参数与土壤水分的相关性分析
5.3.2 基于主成分分析的数据降维方法
5.3.3 基于极化特征参数的土壤水分SVR模型的构建
5.3.4 土壤水分反演模型应用与分析
5.4 两种反演模型的对比分析
第六章 结论与展望
6.1 主要结论
6.2 创新点
6.3 不足与展望
参考文献
攻读学位期间取得的研究成果
致谢
【参考文献】：
期刊论文
[1]西北地区水资源配置与区域经济研究[J]. 王晶. 甘肃农业. 2018(17)
[2]Sentinel-2A卫星数据处理分析及在干旱河谷提取中的应用[J]. 杨斌,李丹,高桂胜,陈财,王磊. 国土资源遥感. 2018(03)
[3]植被含水量高光谱遥感监测研究进展[J]. 张峰,周广胜. 植物生态学报. 2018(05)
[4]基于支持向量机回归算法的土壤水分光学与微波遥感协同反演[J]. 姜红,玉素甫江·如素力,拜合提尼沙·阿不都克日木,何辉,艾则孜提约麦尔·麦麦提. 地理与地理信息科学. 2017(06)
[5]基于Sentinel-2A岷江上游地表生物量反演与植被特征分析[J]. 杨斌,李丹,王磊,陈财. 科技导报. 2017(21)
[6]Sentinel-2B卫星发射成功[J]. 范唯唯. 空间科学学报. 2017(04)
[7]基于改进水云模型和Radarsat-2数据的农田土壤含水量估算[J]. 杨贵军,岳继博,李长春,冯海宽,杨浩,兰玉彬. 农业工程学报. 2016(22)
[8]基于新的组合粗糙度参数的土壤水分微波遥感反演[J]. 孔金玲,甄珮珮,李菁菁,杨笑天,杨晶,吴哲超. 地理与地理信息科学. 2016(03)
[9]基于Freeman分解的喀斯特高原山区烟田土壤水分反演研究[J]. 王平,周忠发,廖娟. 地理与地理信息科学. 2016(02)
[10]利用RADARSAT-2雷达数据与改进的水云模型反演冬小麦叶面积指数[J]. 陶亮亮,李京,蒋金豹,陈曦,蔡庆空. 麦类作物学报. 2016(02)
博士论文
[1]内陆水体水色参数遥感反演及水华监测研究[D]. 李瑶.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]基于多源数据的土壤水分估算及森林火灾风险评估应用[D]. 樊磊.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[3]基于多波段多极化SAR数据的草原地表土壤水分反演方法研究[D]. 白晓静.电子科技大学 2017
[4]生态脆弱区植被生物量和土壤水分的主被动遥感协同反演[D]. 行敏锋.电子科技大学 2015
[5]结合决策树分类器和支持向量机分类器进行极化SAR数据分类[D]. 段艳.武汉大学 2014
[6]基于全极化雷达影像反演垄行结构土壤湿度[D]. 尹楠.吉林大学 2014
[7]内蒙古乌审旗近20年的植被景观动态及预测[D]. 白海花.内蒙古农业大学 2012
[8]植被覆盖地表极化雷达土壤水分反演与应用研究[D]. 刘伟.中国科学院研究生院（遥感应用研究所） 2005
[9]植被覆盖地表土壤水分变化雷达探测模型和应用研究[D]. 杨虎.中国科学院研究生院（遥感应用研究所） 2003
硕士论文
[1]乌审旗土地利用变化研究[D]. 杨仁宇.甘肃农业大学 2017
[2]旱区稀疏植被覆盖下的地表土壤水分微波遥感反演及其与环境因子的关系研究[D]. 杨晶.长安大学 2017
[3]基于粗糙度参数的风沙滩地区土壤水分微波遥感反演模型研究[D]. 甄珮珮.长安大学 2016
[4]基于全极化SAR图像的植被信息提取技术研究[D]. 李昕.电子科技大学 2015
[5]土地利用结构及布局优化的“反规划”模式研究[D]. 安芳.天津师范大学 2013
[6]高分辨率SAR影像裸土信息提取及土壤含水量反演初探[D]. 金希.浙江大学 2011
[7]基于支持向量机的短期风速预测方法研究[D]. 王慧勤.西安科技大学 2009
[8]毛乌素沙地植被格局变化及水分收支平衡分析[D]. 张仲平.内蒙古大学 2006
[9]多极化、多角度SAR土壤水分反演算法研究[D]. 任鑫.中国科学院研究生院（遥感应用研究所） 2004
本文编号：3047260
【文章来源】：长安大学陕西省 211工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 选题背景及研究意义
1.2 国内外研究现状
1.2.1 土壤水分微波遥感反演研究现状
1.2.2 土壤水分极化分解反演研究现状
1.3 研究内容与技术路线
1.4 论文结构
第二章 微波遥感基本原理
2.1 微波遥感机理
2.1.1 雷达方程
2.1.2 雷达后向散射系数
2.1.3 雷达参数
2.2 极化雷达理论基础
2.2.1 电磁波的极化表达
2.2.2 目标极化散射特性描述
2.2.3 极化分解相关理论
2.2.4 极化特征参数
2.3 地表参数
2.3.1 土壤含水量参数
2.3.2 土壤介电特征
2.3.3 地表粗糙度参数
2.3.4 地表植被参数
第三章 研究区概况及数据处理
3.1 研究区概况
3.1.1 自然地理特征
3.1.2 人文景观特征
3.2 遥感数据源及预处理
3.2.1 Radarsat-2 SAR数据及预处理
3.2.2 Sentinel-2B数据及预处理
3.2.3 GF-1 数据及预处理
3.3 野外数据采集及处理
第四章 土壤水分微波-光学耦合模型植被参数的确定
4.1 裸土后向散射模拟
4.1.1 植被参数计算
4.1.2 水云模型估算裸土后向散射系数
4.2 土壤水分反演模型构建
4.2.1 后向散射系数对地表特征的响应关系
4.2.2 土壤水分反演模型的构建
4.2.3 不同植被参数下反演模型的建立与验证
第五章 基于SVR的土壤水分反演方法研究
5.1 支持向量回归模型
5.2 构建微波-光学耦合的土壤水分SVR模型
5.2.1 有效粗糙度参数模拟
5.2.2 基于有效粗糙度参数的土壤水分SVR模型的构建
5.2.3 土壤水分反演模型应用与分析
5.3 构建基于极化特征参数的土壤水分SVR模型
5.3.1 极化特征参数与土壤水分的相关性分析
5.3.2 基于主成分分析的数据降维方法
5.3.3 基于极化特征参数的土壤水分SVR模型的构建
5.3.4 土壤水分反演模型应用与分析
5.4 两种反演模型的对比分析
第六章 结论与展望
6.1 主要结论
6.2 创新点
6.3 不足与展望
参考文献
攻读学位期间取得的研究成果
致谢
【参考文献】：
期刊论文
[1]西北地区水资源配置与区域经济研究[J]. 王晶. 甘肃农业. 2018(17)
[2]Sentinel-2A卫星数据处理分析及在干旱河谷提取中的应用[J]. 杨斌,李丹,高桂胜,陈财,王磊. 国土资源遥感. 2018(03)
[3]植被含水量高光谱遥感监测研究进展[J]. 张峰,周广胜. 植物生态学报. 2018(05)
[4]基于支持向量机回归算法的土壤水分光学与微波遥感协同反演[J]. 姜红,玉素甫江·如素力,拜合提尼沙·阿不都克日木,何辉,艾则孜提约麦尔·麦麦提. 地理与地理信息科学. 2017(06)
[5]基于Sentinel-2A岷江上游地表生物量反演与植被特征分析[J]. 杨斌,李丹,王磊,陈财. 科技导报. 2017(21)
[6]Sentinel-2B卫星发射成功[J]. 范唯唯. 空间科学学报. 2017(04)
[7]基于改进水云模型和Radarsat-2数据的农田土壤含水量估算[J]. 杨贵军,岳继博,李长春,冯海宽,杨浩,兰玉彬. 农业工程学报. 2016(22)
[8]基于新的组合粗糙度参数的土壤水分微波遥感反演[J]. 孔金玲,甄珮珮,李菁菁,杨笑天,杨晶,吴哲超. 地理与地理信息科学. 2016(03)
[9]基于Freeman分解的喀斯特高原山区烟田土壤水分反演研究[J]. 王平,周忠发,廖娟. 地理与地理信息科学. 2016(02)
[10]利用RADARSAT-2雷达数据与改进的水云模型反演冬小麦叶面积指数[J]. 陶亮亮,李京,蒋金豹,陈曦,蔡庆空. 麦类作物学报. 2016(02)
博士论文
[1]内陆水体水色参数遥感反演及水华监测研究[D]. 李瑶.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]基于多源数据的土壤水分估算及森林火灾风险评估应用[D]. 樊磊.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[3]基于多波段多极化SAR数据的草原地表土壤水分反演方法研究[D]. 白晓静.电子科技大学 2017
[4]生态脆弱区植被生物量和土壤水分的主被动遥感协同反演[D]. 行敏锋.电子科技大学 2015
[5]结合决策树分类器和支持向量机分类器进行极化SAR数据分类[D]. 段艳.武汉大学 2014
[6]基于全极化雷达影像反演垄行结构土壤湿度[D]. 尹楠.吉林大学 2014
[7]内蒙古乌审旗近20年的植被景观动态及预测[D]. 白海花.内蒙古农业大学 2012
[8]植被覆盖地表极化雷达土壤水分反演与应用研究[D]. 刘伟.中国科学院研究生院（遥感应用研究所） 2005
[9]植被覆盖地表土壤水分变化雷达探测模型和应用研究[D]. 杨虎.中国科学院研究生院（遥感应用研究所） 2003
硕士论文
[1]乌审旗土地利用变化研究[D]. 杨仁宇.甘肃农业大学 2017
[2]旱区稀疏植被覆盖下的地表土壤水分微波遥感反演及其与环境因子的关系研究[D]. 杨晶.长安大学 2017
[3]基于粗糙度参数的风沙滩地区土壤水分微波遥感反演模型研究[D]. 甄珮珮.长安大学 2016
[4]基于全极化SAR图像的植被信息提取技术研究[D]. 李昕.电子科技大学 2015
[5]土地利用结构及布局优化的“反规划”模式研究[D]. 安芳.天津师范大学 2013
[6]高分辨率SAR影像裸土信息提取及土壤含水量反演初探[D]. 金希.浙江大学 2011
[7]基于支持向量机的短期风速预测方法研究[D]. 王慧勤.西安科技大学 2009
[8]毛乌素沙地植被格局变化及水分收支平衡分析[D]. 张仲平.内蒙古大学 2006
[9]多极化、多角度SAR土壤水分反演算法研究[D]. 任鑫.中国科学院研究生院（遥感应用研究所） 2004
本文编号：3047260
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3047260.html
