基于Sentinel多源数据的农田地表土壤水分反演模型构建与验证

发布时间：2021-07-01 10:10

　　土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该文基于Sentinel-1和Sentinel-2多源遥感数据,利用Oh模型、支持向量回归（support vector regression,SVR）和广义神经网络（generalized regression neural Network,GRNN）模型对土壤水分进行定量反演,以减小植被影响,提高反演精度。结果表明:通过水云模型去除植被影响后的Oh模型反演精度有所提高。加入不同植被指数的SVR和GRNN模型的反演效果总体优于Oh模型,基于SVR模型的多特征参数组合（双极化雷达后向散射系数、海拔高度、局部入射角、修改型土壤调整植被指数）反演效果最优,其测试集相关系数和均方根误差分别达到了0.903和0.015 cm³/cm³,为利用多源遥感数据反演农田地表土壤水分提供了参考。 

【文章来源】：农业工程学报. 2019,35(14)北大核心EICSCD

【文章页数】：8 页

【文章目录】：
0 引言
1 研究区与数据源
    1.1 研究区概况
    1.2 数据源及预处理
2 研究方法
    2.1 Oh模型分析
    2.2 水云模型分析
    2.3 SVR模型分析
    2.4 GRNN模型分析
3 结果与分析
    3.1 Oh模型反演结果分析
    3.2 SVR反演结果分析
    3.3 GRNN反演结果分析
    3.4 特征参数重要性分析
4 结论


【参考文献】：
期刊论文
[1]基于SVM的绿洲荒漠交错带土壤水分与地下水埋深反演[J]. 张钧泳,丁建丽,谭娇.  农业机械学报. 2019(03)
[2]PROSAIL模型和水云模型耦合反演农田土壤水分[J]. 蔡庆空,李二俊,陶亮亮,蒋瑞波.  农业工程学报. 2018(20)
[3]利用多时相Sentinel-1 SAR数据反演农田地表土壤水分[J]. 何连,秦其明,任华忠,都骏,孟晋杰,杜宸.  农业工程学报. 2016(03)
[4]基于RADARSAT-2全极化数据反演周期性地表土壤湿度[J]. 尹楠,姜琦刚,孟治国,李远华.  农业工程学报. 2013(17)



本文编号：3258943