利用SAR影像与多光谱数据反演广域土壤湿度

发布时间：2021-04-26 19:09

　　针对基于主动微波遥感途径开展广域土壤湿度反演的过程中,对植被和土壤粗糙度影响难以进行有效估算的问题,该研究联合多极化雷达和原始多光谱数据源,提出一种改进的卷积神经网络（Improved Convolutional Neural Network,ICNN）方法。该方法采用不同尺寸的卷积核对原始变量进行一维卷积运算,自适应提取能反映测区土壤湿度时空差异的高级特征维;同时,去除了传统卷积神经网络结构中的池化层,保证提取的特征信息完整。试验结果表明,在边长超过100 km的四川盆地研究区域内,模型预测值与样本数据相关系数达到0.934,预测值偏差服从均值趋近于0的正态分布,均方根误差为1.45%,误差分布范围小于6.3%,结果具有较高的可靠性。该方法可为精准农业、旱涝灾害等领域的广域监测研究提供一定的支撑。 

【文章来源】：农业工程学报. 2020,36(07)北大核心EICSCD

【文章页数】：7 页

【参考文献】：
期刊论文
[1]高光谱成像的土壤剖面水分含量反演及制图[J]. 吴士文,王昌昆,刘娅,李燕丽,刘杰,徐爱爱,潘恺,李怡春,张芳芳,潘贤章.  光谱学与光谱分析. 2019(09)
[2]基于土壤基质势的温室土壤墒情监测技术[J]. 万书勤,李晓彬,康跃虎.  农业工程技术. 2019(13)
[3]基于CLDAS2.0驱动数据的中国区域土壤湿度模拟与评估[J]. 师春香,姜立鹏,朱智,姜志伟,梁晓,韩帅,张涛.  江苏农业科学. 2018(04)
[4]北京市植被指数变化与影响因素分析[J]. 潘蔷,范文义,于海群,张峰,张扬建.  北京林业大学学报. 2012(02)
[5]植被含水量光学遥感估算方法研究进展[J]. 张佳华,许云,姚凤梅,王培娟,郭文娟,李莉,YANG LiMin.  中国科学:技术科学. 2010(10)

博士论文
[1]光学/热红外土壤湿度遥感反演方法研究[D]. 冷佩.中国农业科学院 2018

硕士论文
[1]遥感数据与土壤湿度反演的方法研究[D]. 陈智慧.武汉工程大学 2017
[2]北京市植被指数变化及影响因素分析[D]. 潘蔷.东北林业大学 2012



本文编号：3161957