基于ATI-BP的土壤墒情反演研究

发布时间：2021-02-03 23:52

　　【目的】提高遥感墒情的反演精度和通用性。【方法】利用MODIS（MOD021KM）数据建立一种基于修正表观热惯量的墒情反演模型,在此基础上,结合BP人工神经网络（BPNN）进行协同反演。首先针对单一表观热惯量反演土壤墒情的局限性问题,选取EVI和ATI共同作为墒情反演的评价指标,并利用实测土壤墒情作为验证指标,将原始遥感影像预处理后计算出评价指标,并实地测量25组10 cm深度土壤墒情值;然后以评价指标作为输入层,以验证指标作为输出层,构建BPNN土壤墒情反演模型。【结果】选取的都江堰灌区作为研究对象反演效果较好,模型的评价指标与10 cm深度的土壤墒情有较好的相关性,综合植被覆盖和表观热惯量的因素反演灌区土壤墒情,最终反演均方误差为0.003 9,相较于线性、对数和幂函数,其相对误差分别减小了66.9%、81.1%和74.9%。【结论】以该模型进行土壤墒情反演其精度有了明显的提高。依赖遥感影像和部分实测数据,使得该方法在大面积墒情反演的研究上有较好的参考价值。 

【文章来源】：灌溉排水学报. 2020,39(S1)北大核心

【文章页数】：5 页

【文章目录】：
0引言
1 材料与方法
    1.1 研究区域
    1.2 MODIS数据
    1.3 研究方法
        1.3.1 数据预处理
        1.3.2 反演模型
2 结果与分析
    2.1 曲线拟合回归模型
    2.2 ATI-BP神经网络模型
    2.3 结果与分析
3 讨论
4 结论



本文编号：3017365