基于SAR与光学数据的高原湿地土壤水分反演研究 ——以大山包湿地为例
发布时间：2022-11-03 22:46
土壤水分是影响陆地水资源循环的重要变量,是农作物生长所需的基本条件,同时是农作物长势监测、产量估计及土地干旱监测的重要参数。光学遥感易受天气等因素影响造成数据缺失,尤其对于云量较大的高原地区无法获取长时间序列的光学数据,很难进行土壤水分的有效监测,而微波遥感因受环境因素影响小、具备全天时观测的能力、对地物穿透能力强,对土壤水分变化敏感的优势,可弥补光学遥感的不足,目前广泛应用于土壤水分研究。本文以云南省昭通市大山包高原湿地为研究区,利用2015-2017年间C波段Sentinel-1雷达数据并辅以Sentinel-2、Landsat 8 OLI光学数据及地表实测数据开展土壤表层（0-10cm）水分反演。基于土地利用数据对研究区数据进行裁剪,保留土地利用类型为沼泽湿地、草地和水库湿地的区域。根据光学数据计算得出的归一化植被指数（NDVI）将三年期间的沼泽湿地及草地部分划分为裸露或稀疏植被覆盖时期及高植被覆盖时期。在分析土壤和植被散射模型的基础上,基于高级积分方程模型（AIEM）模拟分析雷达后向散射系数与雷达参数、地表粗糙度、土壤含水量间的关系,通过构建同极化不同角度后向散射系数差值与组合...
【文章页数】：88 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 土壤水分研究背景与意义
1.2 国内外研究现状
1.2.1 光学遥感土壤水分反演
1.2.2 微波遥感土壤水分反演
1.2.3 主被动遥感协同土壤水分反演
1.3 研究内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
第2章 雷达遥感土壤水分反演理论基础
2.1 雷达遥感原理
2.2 雷达参数
2.2.1 雷达系统参数
2.2.2 雷达方程及后向散射系数
2.3 土壤参数
2.3.1 土壤表面粗糙度
2.3.2 土壤物理参数
2.4 散射模型
2.4.1 土壤散射模型
2.4.2 植被散射模型
2.5 小结
第3章 研究区及数据源
3.1 研究区概况
3.2 数据来源与处理
3.2.1 样点数据源与处理
3.2.2 遥感数据源与处理
3.2.3 土地利用数据
3.3 小结
第4章 基于雷达和光学数据协同反演土壤水分
4.1 基于散射模型的土壤含水量反演模型构建
4.1.1 裸露或稀疏植被覆盖时期土壤水分反演
4.1.2 高植被覆盖时期土壤水分反演
4.2 土壤含水量反演结果及验证
4.2.1 土壤含水量反演结果
4.2.2 土壤含水量反演结果验证
4.3 小结
第5章 大山包水库湿地面积时序变化分析
5.1 水库湿地面积提取
5.1.1 纹理信息提取
5.1.2 水库湿地面积提取
5.2 水库湿地面积时序变化分析
5.2.1 水库湿地面积的周期性与可持续性
5.2.2 水库湿地面积变化特征
5.2.3 水库湿地面积时序变化与土壤含水量的关系分析
5.3 小结
第6章 结论与展望
6.1 结论
6.2 不足与展望
参考文献
附录A：图目录
附录B：表目录
致谢
攻读学位期间发表的学术论文和研究成果
【参考文献】：
期刊论文
[1]神鸟眷念的家园:云南昭通大山包[J]. 安晓娇. 人类居住. 2018(01)
[2]基于时序Sentinel-1A数据的农田土壤水分变化检测分析[J]. 张祥,陈报章,赵慧,汪磊. 遥感技术与应用. 2017(02)
[3]半干旱黄土丘陵区雨季土壤水分动态分析[J]. 艾宁,强方方,朱清科,魏天兴,秦伟,葛根巴图,王瑜. 土壤通报. 2017(02)
[4]合成孔径雷达土壤水分反演研究进展[J]. 李俐,王荻,王鹏新,黄健熙,朱德海. 资源科学. 2015(10)
[5]土壤水分遥感反演研究进展[J]. 徐沛,张超. 林业资源管理. 2015(04)
[6]基于粗糙度定标的IEM模型的土壤含水率反演[J]. 黄对,王文. 农业工程学报. 2014(19)
[7]光学与微波数据协同反演农田区土壤水分[J]. 马红章,张临晶,孙林,柳钦火. 遥感学报. 2014(03)
[8]基于HJ-1卫星遥感的广西水库水面监测[J]. 张行清,丁美花,陈燕丽,谭宗琨. 水利学报. 2014(04)
[9]太湖流域典型土地利用类型土壤水分对降雨的响应[J]. 李谦,郑锦森,朱青,廖凯华,杨桂山. 水土保持学报. 2014(01)
[10]基于LST-EVI特征空间的土壤水分含量反演[J]. 王秀君,陈健. 遥感技术与应用. 2014(01)
博士论文
[1]基于遥感和水文模型的新疆渭库绿洲荒漠过渡区土壤水分研究[D]. 杨爱霞.新疆大学 2017
[2]基于IEM的多波段、多极化SAR土壤水分反演算法研究[D]. 李森.中国农业科学院 2007
[3]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
[4]单幅雷达影像测图原理研究[D]. 钱俊.武汉大学 2004
硕士论文
[1]多源遥感数据反演植被覆盖地表土壤水分方法研究[D]. 林利斌.南京信息工程大学 2018
[2]云南大山包黑颈鹤自然保护区退耕湿地土壤理化性质三年变化监测研究[D]. 张发俊.云南师范大学 2018
[3]基于ENVISAT-ASAR图像的土壤含水量反演研究[D]. 夏燕秋.兰州大学 2015
[4]基于SAR数据的稀疏植被覆盖条件下的地表土壤水分反演研究[D]. 郭曼.新疆大学 2012
[5]基于遗传优化BP神经网络算法的土壤含水量反演研究[D]. 刘丽娜.电子科技大学 2011
[6]典型地物微波介电特性实验研究[D]. 贾明权.电子科技大学 2008
[7]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：3700767
【文章页数】：88 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 土壤水分研究背景与意义
1.2 国内外研究现状
1.2.1 光学遥感土壤水分反演
1.2.2 微波遥感土壤水分反演
1.2.3 主被动遥感协同土壤水分反演
1.3 研究内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
第2章 雷达遥感土壤水分反演理论基础
2.1 雷达遥感原理
2.2 雷达参数
2.2.1 雷达系统参数
2.2.2 雷达方程及后向散射系数
2.3 土壤参数
2.3.1 土壤表面粗糙度
2.3.2 土壤物理参数
2.4 散射模型
2.4.1 土壤散射模型
2.4.2 植被散射模型
2.5 小结
第3章 研究区及数据源
3.1 研究区概况
3.2 数据来源与处理
3.2.1 样点数据源与处理
3.2.2 遥感数据源与处理
3.2.3 土地利用数据
3.3 小结
第4章 基于雷达和光学数据协同反演土壤水分
4.1 基于散射模型的土壤含水量反演模型构建
4.1.1 裸露或稀疏植被覆盖时期土壤水分反演
4.1.2 高植被覆盖时期土壤水分反演
4.2 土壤含水量反演结果及验证
4.2.1 土壤含水量反演结果
4.2.2 土壤含水量反演结果验证
4.3 小结
第5章 大山包水库湿地面积时序变化分析
5.1 水库湿地面积提取
5.1.1 纹理信息提取
5.1.2 水库湿地面积提取
5.2 水库湿地面积时序变化分析
5.2.1 水库湿地面积的周期性与可持续性
5.2.2 水库湿地面积变化特征
5.2.3 水库湿地面积时序变化与土壤含水量的关系分析
5.3 小结
第6章 结论与展望
6.1 结论
6.2 不足与展望
参考文献
附录A：图目录
附录B：表目录
致谢
攻读学位期间发表的学术论文和研究成果
【参考文献】：
期刊论文
[1]神鸟眷念的家园:云南昭通大山包[J]. 安晓娇. 人类居住. 2018(01)
[2]基于时序Sentinel-1A数据的农田土壤水分变化检测分析[J]. 张祥,陈报章,赵慧,汪磊. 遥感技术与应用. 2017(02)
[3]半干旱黄土丘陵区雨季土壤水分动态分析[J]. 艾宁,强方方,朱清科,魏天兴,秦伟,葛根巴图,王瑜. 土壤通报. 2017(02)
[4]合成孔径雷达土壤水分反演研究进展[J]. 李俐,王荻,王鹏新,黄健熙,朱德海. 资源科学. 2015(10)
[5]土壤水分遥感反演研究进展[J]. 徐沛,张超. 林业资源管理. 2015(04)
[6]基于粗糙度定标的IEM模型的土壤含水率反演[J]. 黄对,王文. 农业工程学报. 2014(19)
[7]光学与微波数据协同反演农田区土壤水分[J]. 马红章,张临晶,孙林,柳钦火. 遥感学报. 2014(03)
[8]基于HJ-1卫星遥感的广西水库水面监测[J]. 张行清,丁美花,陈燕丽,谭宗琨. 水利学报. 2014(04)
[9]太湖流域典型土地利用类型土壤水分对降雨的响应[J]. 李谦,郑锦森,朱青,廖凯华,杨桂山. 水土保持学报. 2014(01)
[10]基于LST-EVI特征空间的土壤水分含量反演[J]. 王秀君,陈健. 遥感技术与应用. 2014(01)
博士论文
[1]基于遥感和水文模型的新疆渭库绿洲荒漠过渡区土壤水分研究[D]. 杨爱霞.新疆大学 2017
[2]基于IEM的多波段、多极化SAR土壤水分反演算法研究[D]. 李森.中国农业科学院 2007
[3]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
[4]单幅雷达影像测图原理研究[D]. 钱俊.武汉大学 2004
硕士论文
[1]多源遥感数据反演植被覆盖地表土壤水分方法研究[D]. 林利斌.南京信息工程大学 2018
[2]云南大山包黑颈鹤自然保护区退耕湿地土壤理化性质三年变化监测研究[D]. 张发俊.云南师范大学 2018
[3]基于ENVISAT-ASAR图像的土壤含水量反演研究[D]. 夏燕秋.兰州大学 2015
[4]基于SAR数据的稀疏植被覆盖条件下的地表土壤水分反演研究[D]. 郭曼.新疆大学 2012
[5]基于遗传优化BP神经网络算法的土壤含水量反演研究[D]. 刘丽娜.电子科技大学 2011
[6]典型地物微波介电特性实验研究[D]. 贾明权.电子科技大学 2008
[7]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：3700767
本文链接：https://www.wllwen.com/kejilunwen/nykj/3700767.html
