当前位置:主页 > 科技论文 > 农业技术论文 >

基于机器学习算法的青藏高原土壤湿度数据重建

发布时间:2020-06-06 16:57
【摘要】:土壤湿度在全球陆地表面能量、水分和物质交换中起重要作用,是水文、生态等多学科领域的重点研究对象。青藏高原地区土壤湿度监测站点较少,且空间分布不均、覆盖范围有限、监测时间不统一等问题,研究区复杂的地形条件又给观测结果带来很大的不确定性。近年来,基于卫星的微波遥感以其敏感、全天候、重复周期短的优点实现了对土壤湿度大面积的实时动态监测,为开展大尺度长时间序列的土壤湿度研究提供了便利。但是,由于卫星遥感土壤湿度数据容易受到无线电信号、植被信号、反演算法等因素的影响,导致遥感监测数据的缺失和空间不连续,从而限制了卫星遥感土壤湿度数据在大尺度、长时间序列分析中的应用。因此,遥感数据的重建及对重建数据的时序分析逐渐成为遥感应用领域一个新的研究热点。本研究以全球气候变化的敏感区青藏高原为研究区域,选择目前时间序列最长的欧洲宇航局(ESA)的CCI卫星土壤湿度数据产品(ESA-CCI-SM),基于土壤湿度与相关的地表环境变量因子的非线性关系,利用常用的4种机器学习算法对土壤湿度数据进行时空序列重建,并对不同机器学习算法的重建结果进行定量验证和对比分析,探讨不同机器学习算法的适用性。进而在重建数据的基础上,分析青藏高原土壤湿度的空间分布特征和变化趋势。论文的主要研究内容和研究结论如下:(1)2005-2014年重建前的青藏高原土壤湿度数据(ESA-CCI-SM)产品受扫描条带和反演算法的影响,获取的数据存在大量的缺失值。在生长季(5-10月)内,数据缺失主要发生在生长季初期和末期,即5月和10月。缺失的区域主要集中在青藏高原的西部即干旱、半干旱地区,数据的可用性较差。为提高青藏高原土壤湿度遥感监测数据的完备性,重建ESA-CCI-SM的时空序列数据是恢复数据质量的可用方法。(2)利用基于机器学习算法的数据重建原理,选取归一化植被指数NDVI、地表温度LST(day/night)、地表反照率Albedo(WSA/BSA)、地形DEM、土地覆被类型LUCC和经度、.纬度(lon/lat)等与土壤湿度有紧密的非线性关系的地表环境因子作为辅助变量,利用常用的随机森林(RF)、K最近邻(KNN)、贝叶斯(Bayes)和支持向量机(SVM)四种机器学习算法,建立数据样本集并进行训练,在构建好的训练模型的基础上对土壤湿度进行预测,结果表明机器学习算法可以有效模拟土壤湿度与相关辅助变量之间的关系并以此来预测土壤湿度。(3)在RF、KNN、Bayes和SVM4种算法对青藏高原2005-2014年土壤湿度数据进行时空序列重建的基础上,从原始数据、地面站点实测数据、ERA和ITPLDAS-SM三个不同角度对比分析各类算法的拟合优度。结果表明:因算法原理的不同,各类算法的重建结果存在较大的差异,总体上RF算法长时序数据重建的精度优于其他算法,并具有较好的空间可拓展性和稳定性,重建的结果能在填充缺失值的基础上较好的保留原始数据的真实值,并能反映土壤湿度的变化趋势。(4)选取重建精度较高的RF算法的预测结果作为土壤湿度分析的数据源,对青藏高原地区2005-2014年土壤湿度分布规律进行分析。结果表明:生长季土壤湿度多年平均值为0.21 m3 ·m-3,8月份达到生长季中的最大值(0.225m3 ·m-3),空间上整体呈现自西北向东南逐渐增加的趋势,北部的塔里木盆地,土壤湿度最低。2005-2014年间,土壤湿度整体呈现不显著的增加趋势(0.001 m3·m-3(10a)-1),其中5月份增加趋势最大,为0.027 m3·m-3(10a)-1。不同生态地理分区土壤湿度差异显著,土壤湿度最高的区域为VA6,土壤湿度的低值区位于HⅡD1、HⅡD2。由于植被覆盖度、土壤特性、地形等因素,不同生态地理分区土壤湿度对降水的响应也有所差异,其中土壤湿度与降水相关性最高的是HIBI区,也说明了高寒草甸具有良好的水源涵养功能,对于区域的水文循环具有重要的意义。
【图文】:

技术路线图,论文,技术路线,研究工作


第七章:结论与展望。总结论文的主要成果和结论,提出论文的创新点以及逡逑研究中存在的不足,并针对不足之处提出下一步研究工作的方向。逡逑本文的技术路线如图1-1所示:逡逑6逡逑

空间分布,位置图


川省西北部、甘肃省南部以及新疆、云南的部分地区。其平均海拔4000m以上,逡逑地势西北闻、东南低,是中国最大、世界海拔最局的局原,被称为“世界屋脊”逡逑和“地球第三极”(图2-1)。逡逑十逦Rv,,邋逦逦逦邋Elevation(m)逡逑Qi!:逡逑r ̄雀撈行as逦|邋*?逡逑图2-1青藏高原地区位置图逡逑Fig.邋2-1邋The邋location邋of邋the邋Tibetan邋Plateau逡逑2.1.2自然地理概况逡逑青藏高原地区自然环境独特,在巨大的高原动力和热力作用下,气候具有辐逡逑射强、日照多、气候最冷、湿度最小、风速最大的特点。年平均气温在零下2.8°C逡逑到11.9°C之间,空间上由东南向西北逐渐递减,多数地区的最暖月均温低于15°C,逡逑气温日温差较大,年际变化小。与气温的空间分布相似,由于南部海洋暖湿气流逡逑受多重高山阻留,青藏高原降水量少,自东南向西北逐渐递减,降水主要集中在逡逑5-9月,季节性分配不均匀且空间差异较大。青藏高原由于海拔高且云量偏低,成逡逑9逡逑
【学位授予单位】:陕西师范大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:S152.71

【参考文献】

相关期刊论文 前10条

1 张宪洲;杨永平;朴世龙;包维楷;汪诗平;王根绪;孙航;罗天祥;张扬建;石培礼;梁尔源;沈妙根;王景升;高清竹;张镱锂;欧阳华;;青藏高原生态变化[J];科学通报;2015年32期

2 刘川;余晔;解晋;周欣;李江林;葛骏;;多套土壤温湿度资料在青藏高原的适用性[J];高原气象;2015年03期

3 张镱锂;王兆锋;王秀红;丁明军;于伯华;郑度;;青藏高原关键区域土地覆被变化及生态建设反思[J];自然杂志;2013年03期

4 陈爱军;梁学伟;卞林根;刘玉洁;王飞;朱小祥;;青藏高原地区MODIS反照率的精度分析[J];大气科学学报;2012年06期

5 陈书林;刘元波;温作民;;卫星遥感反演土壤水分研究综述[J];地球科学进展;2012年11期

6 孙鸿烈;郑度;姚檀栋;张镱锂;;青藏高原国家生态安全屏障保护与建设[J];地理学报;2012年01期

7 曹永攀;晋锐;韩旭军;李新;;基于MODIS和AMSR-E遥感数据的土壤水分降尺度研究[J];遥感技术与应用;2011年05期

8 江东;付晶莹;黄耀欢;庄大方;;地表环境参数时间序列重构的方法与应用分析[J];地球信息科学学报;2011年04期

9 柯灵红;王正兴;宋春桥;卢振权;;青藏高原东北部MODIS LST时间序列重建及与台站地温比较[J];地理科学进展;2011年07期

10 董超华;杨军;卢乃锰;杨忠东;施进明;张鹏;刘玉洁;蔡斌;;风云三号A星(FY-3A)的主要性能与应用[J];地球信息科学学报;2010年04期

相关硕士学位论文 前6条

1 齐会娟;陆表温度的重建及其在气温空间模拟中的应用研究[D];重庆师范大学;2017年

2 廖祥超;九种常用缺失值插补方法的比较[D];云南师范大学;2017年

3 刘小婵;TRMM降水数据的空间降尺度研究[D];东北师范大学;2015年

4 毛飞;基于风云三号卫星数据的土壤水分遥感反演研究[D];南京信息工程大学;2014年

5 刘栗;中国东部春季土壤湿度的时空特征及多种再分析资料的对比[D];中国气象科学研究院;2014年

6 曲培青;区域热环境信息获取及其与下垫面关系分析[D];华东师范大学;2011年



本文编号:2699983

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/nykj/2699983.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户272b1***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com