基于神经网络算法的多源遥感联合反演土壤湿度研究
发布时间:2022-12-22 19:49
土壤水分是水文学、气象学和农业研究中的一个关键参数,它在全球水和能源循环中起着重要作用。利用遥感数据监测地表土壤水分信息是目前研究的焦点,但不论是光学遥感还是主动或被动微波遥感都有其优势和劣势,多源遥感数据联合反演地表土壤水分是近年来研究的趋势。本文基于Sentinel系列卫星中的Sentinel-1 SAR数据、Sentinel-2光学数据以及AMSR2亮温数据,分别在青藏高原那曲地区和西班牙萨拉曼卡地区训练了BP神经网络模型反演地表土壤水分,实现了两个研究区域内土壤水分的精确反演,其主要结论如下:(1)在BP神经网络中,将雷达后向散射系数、雷达入射角、植被指数作为输入变量训练模型,反演土壤湿度是可行的。(2)在主被动微波数据联合反演植被覆盖区土壤水分中,微波极化差异指数MPDI能有效的去除植被对土壤水分反演的影响,且在BP神经网络中加入表达地形要素的坡度因子可以更好地训练网络,得到更高精度的反演结果(RMSE=0.045cm~3/cm~3、ubRMSE=0.043cm~3/cm~3、r=0.767、Bias=0.001cm~3/cm~3)。说明对于占据特殊地理位置的地区,地理及地形...
【文章页数】:60 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 热红外遥感监测法
1.2.2 光学遥感监测法
1.2.3 微波遥感监测法
1.2.4 多源遥感联合监测法
1.3 论文研究内容及技术路线
1.3.1 研究内容
1.3.2 技术路线
第二章 试验数据与方法
2.1 研究区域与地面站点数据集
2.1.1 青藏高原那曲地区概况及站点数据集
2.1.2 西班牙萨拉曼卡研究区概况及站点数据集
2.2 遥感及地形数据的获取与预处理
2.2.1 Sentinel-1 SAR数据的获取与预处理
2.2.2 Sentinel-2光学数据的获取与预处理
2.2.3 AMSR2亮温数据的获取与预处理
2.2.4 地形数据的获取与处理
2.3 土壤湿度反演的模型与方法
2.3.1 裸露地表微波散射模型
2.3.2 植被覆盖地表微波散射模型
2.3.3 人工神经网络算法
第三章 基于BP神经网络的主被动微波联合反演土壤湿度
3.1 主被动微波遥感BP神经网络模型输入参数
3.2 基于VV极化数据的参数化方案
3.3 土壤湿度反演试验及结果分析
3.4 小结
第四章 基于BP神经网络的主动微波与光学遥感联合反演土壤湿度
4.1 微波、光学遥感BP神经网络模型输入参数
4.2 基于不同极化数据的参数化方案
4.3 土壤湿度反演试验及结果分析
4.4 小结
第五章 结果与讨论
5.1 主要结论
5.2 主要创新
5.3 不足与展望
参考文献
作者简介
致谢
【参考文献】:
期刊论文
[1]基于Sentinel-1与FY-3C数据反演植被覆盖地表土壤水分[J]. 林利斌,鲍艳松,左泉,房世波. 遥感技术与应用. 2018(04)
[2]基于MODIS数据的农业干旱遥感指数对比和应用[J]. 宋扬,房世波,梁瀚月,柯丽娜. 国土资源遥感. 2017(02)
[3]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)
[4]基于Sentinel-1A与Landsat 8数据的北黑高速沿线地表土壤水分遥感反演方法研究[J]. 曾旭婧,邢艳秋,单炜,张毅,王长青. 中国生态农业学报. 2017(01)
[5]基于Radarsat2与Landsat8协同反演植被覆盖地表土壤水分的一种新方法[J]. 赵昕,黄妮,宋现锋,李增元,牛铮. 红外与毫米波学报. 2016(05)
[6]L波段主被动微波协同反演裸土土壤水分[J]. 马红章,刘素美,彭爱华,孙林,孙根云. 农业工程学报. 2016(19)
[7]利用条件植被指数评价西藏植被对气象干旱的响应[J]. 王圆圆,扎西央宗. 应用气象学报. 2016(04)
[8]基于AMSR-2蒙古高原土壤水分反演及对气象因子响应分析[J]. 魏宝成,玉山,贾旭,包玉海,那日苏,银山. 中国生态农业学报. 2016(06)
[9]基于Radarsat-2全极化数据的高原牧草覆盖地表土壤水分反演[J]. 谢凯鑫,张婷婷,邵芸,柴勋. 遥感技术与应用. 2016(01)
[10]SAR图像滤波方法比较与分析[J]. 王宇航,范文义,张金虎. 森林工程. 2015(03)
本文编号:3723932
【文章页数】:60 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 热红外遥感监测法
1.2.2 光学遥感监测法
1.2.3 微波遥感监测法
1.2.4 多源遥感联合监测法
1.3 论文研究内容及技术路线
1.3.1 研究内容
1.3.2 技术路线
第二章 试验数据与方法
2.1 研究区域与地面站点数据集
2.1.1 青藏高原那曲地区概况及站点数据集
2.1.2 西班牙萨拉曼卡研究区概况及站点数据集
2.2 遥感及地形数据的获取与预处理
2.2.1 Sentinel-1 SAR数据的获取与预处理
2.2.2 Sentinel-2光学数据的获取与预处理
2.2.3 AMSR2亮温数据的获取与预处理
2.2.4 地形数据的获取与处理
2.3 土壤湿度反演的模型与方法
2.3.1 裸露地表微波散射模型
2.3.2 植被覆盖地表微波散射模型
2.3.3 人工神经网络算法
第三章 基于BP神经网络的主被动微波联合反演土壤湿度
3.1 主被动微波遥感BP神经网络模型输入参数
3.2 基于VV极化数据的参数化方案
3.3 土壤湿度反演试验及结果分析
3.4 小结
第四章 基于BP神经网络的主动微波与光学遥感联合反演土壤湿度
4.1 微波、光学遥感BP神经网络模型输入参数
4.2 基于不同极化数据的参数化方案
4.3 土壤湿度反演试验及结果分析
4.4 小结
第五章 结果与讨论
5.1 主要结论
5.2 主要创新
5.3 不足与展望
参考文献
作者简介
致谢
【参考文献】:
期刊论文
[1]基于Sentinel-1与FY-3C数据反演植被覆盖地表土壤水分[J]. 林利斌,鲍艳松,左泉,房世波. 遥感技术与应用. 2018(04)
[2]基于MODIS数据的农业干旱遥感指数对比和应用[J]. 宋扬,房世波,梁瀚月,柯丽娜. 国土资源遥感. 2017(02)
[3]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)
[4]基于Sentinel-1A与Landsat 8数据的北黑高速沿线地表土壤水分遥感反演方法研究[J]. 曾旭婧,邢艳秋,单炜,张毅,王长青. 中国生态农业学报. 2017(01)
[5]基于Radarsat2与Landsat8协同反演植被覆盖地表土壤水分的一种新方法[J]. 赵昕,黄妮,宋现锋,李增元,牛铮. 红外与毫米波学报. 2016(05)
[6]L波段主被动微波协同反演裸土土壤水分[J]. 马红章,刘素美,彭爱华,孙林,孙根云. 农业工程学报. 2016(19)
[7]利用条件植被指数评价西藏植被对气象干旱的响应[J]. 王圆圆,扎西央宗. 应用气象学报. 2016(04)
[8]基于AMSR-2蒙古高原土壤水分反演及对气象因子响应分析[J]. 魏宝成,玉山,贾旭,包玉海,那日苏,银山. 中国生态农业学报. 2016(06)
[9]基于Radarsat-2全极化数据的高原牧草覆盖地表土壤水分反演[J]. 谢凯鑫,张婷婷,邵芸,柴勋. 遥感技术与应用. 2016(01)
[10]SAR图像滤波方法比较与分析[J]. 王宇航,范文义,张金虎. 森林工程. 2015(03)
本文编号:3723932
本文链接:https://www.wllwen.com/nykjlw/nyxlw/3723932.html