基于Sentinel-1数据反演天山山区军塘湖流域季节性积雪深度研究

发布时间：2020-08-21 16:16

【摘要】：积雪是干旱区和半干旱区重要的水资源来源之一,季节性积雪融水对于来年的农业生产和生态发展都有着重要的作用。积雪深度是雪水当量的计算的重要参数,并且为春季性洪水的预警提供重要的数据支持。本研究选取新疆昌吉州呼图壁县内军塘湖流域为研究区,以Sentinel-1数据中的涉宽幅模式(IW)下Level-1级单视复数影像(SLC)2016年8月15日-2017年2月23日和2016年8月15日-2017年3月19日两组像对作为研究的基础遥感数据,以2017年2月23日至2017年3月28日野外实测雪深数据和超声波雪深数据作为验证数据。在进行验证数据采集时一般选取视野较为开阔,地形典型和受干扰较少的分布点,并测取实际雪深、环境温度、积雪含水率和密度等数据。与此同时在海拔较高、地形复杂等无法人工实测地点架设超声波雪深探测仪及气象站,从而进行长时间数据采集。研究利用二轨差分干涉测量合成孔径雷达技术(D-InSAR),经过挑选像对、计算基线、去平地效应、滤波降噪、相位解缠和地理编码的处理流程,完成研究区雪深相位获取,通过克里格插值法实现研究区域内点状数据向面状转换,同时结合地统计法,实现对反演雪深结果的验证,进而定量定性的分析雪深反演结果。将微波反演雪深数据与温度、积雪密度及积雪含水率结合,利用BP神经网络模型,综合反演积雪深度,以提高反演精度。本研究的主要结论如下:1.二轨差分干涉测量合成孔径雷达技术反演雪深获得2017年2月23日雪深值范围在12.455cm-42.1258cm,主要雪深在15-30cm,2017年3月19日反演出雪深范围10.43cm-33.26cm,最主要的雪深范围在12-21cm,选取与卫星过境时间相符合时间的实测数据(大概为上午12:10左右),与反演结果进行回归线性分析,由于部分站点处由于山体遮蔽、地形复杂等原因,导致得到的相关系数分别为0.61和0.66。2.插值反演。通过对各点实测雪深(包含红山水库管理站分享的8个点数据)以及超声波雪深数据进行克里格插值,得到2017年2月23日雪深值范围在9.26cm-39.99cm,3月19日插值结果为8.55cm-32.93cm。对比分析反演雪深与插值雪深,发现插值的结果整体比反演雪深值低,相对来说,反演结果更符合实际雪深值,但两者雪深整体变化趋势一致,均为东北方向向西南方向雪深逐渐递增。对二轨差分干涉测量合成孔径雷达技术雪深反演结果进行定量定性分析,发现反演结果较好,适用于研究区积雪深度反演。3.利用BP神经网络。为提高反演结果的精度,本研究综合多因素共同构建BP神经网络雪深反演模型,得到雪深反演结果较好。BP神经网络提高小样本数据集的拟合度,且构建模型速度快,利用该模型综合Sentinel-1数据、环境温度、积雪密度及含水率因子,构建雪深反演模型,运行该BP神经网络模型,利用随机11各站点的数据构建模型,得到2月23日雪深模型模拟精度R~2=0.84,3月19日雪深模型模拟精度为R~2=0.88。通过随机5个站点的实测数据精度检验2月23日检验精度R~2=0.77,3月19日检验精度R~2=0.81,从结果中发现,利用BP神经网络可有效辅助遥感反演,反演结果精度明显提高。综上所述,本研究通过二轨差分干涉测量合成孔径雷达技术进行雪深反演,得到微波反演数据,利用BP神经网络综合多种因素,构建BP神经网络雪深反演模型,得到的雪深反演结果较好。今后可为区域雪深反演及季节性积雪融水提供帮助,具有一定的实际意义及价值。
【学位授予单位】：新疆大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P426.635;P407
【图文】：

光谱曲线,光谱曲线,积雪,微波

图 1.不同地物的光谱曲线（ASTER 光谱库）l curves of different land cover and snow（from spectral databa具有穿透云雨的特点，可提高积雪反演的精度。微波

技术路线图

研究区概况Fig.3studyarea

【参考文献】