一、土壤含水量信息提取模型的理论初探(论文文献综述)
李红红[1](2020)在《基于多源数据的邯郸东部平原区灌溉面积信息提取》文中提出我国是传统的农业大国,农业安全生产是国家整体经济水平稳定发展的重要支撑之一,因此国家一直对农业发展保持高度重视。而在农业安全生产过程中,农业用水状况是我国农业发展重要的关切问题之一。据调查数据显示,我国农业用水量大,农村水环境污染以及用水缺口问题严重,分析其原因主要是粗放型灌溉用水所致,因此提高我国农田灌溉用水效率是解决农业缺水的关键,做好该项工作,充分掌握农作物实际种植信息和灌溉信息至关重要。本文以邯郸市东部平原区为研究对象,基于Landsat-8影像数据、Google earth数据及地面摄像头监控数据,采用结合物候特征的目视解译方法和阈值分类方法,基于两种植被指数对小麦种植信息进行提取。在此基础上,基于邯郸市Lsndsat-8号遥感数据及GF-6号遥感数据,根据灌溉前后遥感指数变化规律,对比分析多源遥感数据,反演了地表温度LST、植被供水指数VSWI、温度干旱指数TVDI、垂直干旱指数PDI、改进的垂直干旱指数MPDI等因子,进行了冬小麦灌溉信息提取模型试验,获得了研究区实时灌溉面积。研究结果表明:(1)结合物候特征,采用SVM分类方法对研究区土地利用分类,得到小麦种植空间信息,Kappa系数为0.93,分类精度较高;(2)通过对馆陶县地面摄像缓存数据进行分类筛选,其中108个站点信息可以实际反映小麦种植情况,56个站点数据体现区域灌溉信息;(3)地面摄像照片作为训练样本对研究区小麦进行提取实验,发现EVI对农作物识别精度要高于NDVI提取精度;(4)对比分析Landsat-8影像LST、VSWI、TVDI灌溉面积提取结果,基于LST反演灌溉面积效果最好;(5)以GF-6号影像构建Nir-Red特征空间,得到PDI和MPDI提取灌溉结果,利用地面摄像头监控数据进行验证,发现基于MPDI反演灌溉面积精度高于PDI反演结果。本文在获取区域农业种植结构及其时空分布状况的基础上,提出一种基于小麦种植信息约束条件的农业灌溉面积及空间分布信息提取模型;同时第一次引入地面摄像头监控实际灌溉空间分布信息,获取研究区实时灌溉信息,对灌溉面积提取模型进行优化和验证。
张谱[2](2020)在《绿洲外围荒漠区植被时空格局及形成机制》文中认为绿洲外围荒漠区是绿洲边缘重要的生态屏障,对此区域开展研究对于保护绿洲环境、维持区域生态安全具有重要意义。植被是联结土壤、大气和水分等要素的自然纽带,在环境和全球变化研究中起着指示器的作用。了解植被时空格局及其形成机制是区域植物资源保护和利用、退化植被恢复与重建的基础。表征地表植被覆盖和植被生长状况的敏感度度量参数NDVI指数,是公认的用于定量表征植被生长状态及植被覆盖度的最佳因子,虽然国内外学者提出了多种植被指数,但经过不少学者进一步验证与实验,NDVI指数依然被认为是荒漠植被信息提取较为适合指数。目前,鲜有绿洲外围荒漠区,特别是天山南麓绿洲外围荒漠区植被格局形成机制的研究报道。为此,研究选择新疆迪那河流域轮台绿洲外围荒漠区为研究区,以区域内植被格局为研究对象,借助遥感、GIS、无人机、模型模拟等手段,利用长时间序列遥感数据、土壤数据、地形数据、气象数据等,开展植被时空格局以及植被格局形成机制研究。通过识别与重建多期植被空间分布格局,从土壤、地形、气候、人为干扰等方面分析区域植被格局驱动因子,并基于GRU神经网络模型,建立考虑静态影响因素的动态植被格局模拟模型,揭示区域植被格局形成机制。研究结果包括以下几方面:1)绿洲外围荒漠区植被格局时空特征:(1)植被空间分布特征主要有:研究区80%以上的区域NDVI值小于0.2,NDVI值>0.2的区域主要分布在戈壁区北部山前区域,非戈壁荒漠区靠近绿洲区域,以及非戈壁荒漠区南部区域。(2)植被分布的时间特征主要有:1992~2018年,荒漠区植被NDVI平均值在0.1-0.2之间波动,其中,1992~1998年出现了明显的下降,1998~2018年基本保持平稳。2)土壤类型、土壤含水量和土壤养分特征及对植被格局的影响:(1)不同土壤类型对植被格局的影响存在明显差异,荒漠风沙土对应的平均NDVI值较高(主要分布在戈壁区靠近绿洲区域),其次是石灰性草甸土和潜育草甸土亚类(主要分布在非戈壁荒漠区南部区域),棕漠土亚类(主要分布在戈壁区大部分区域)对应平均NDVI值最低。(2)土壤碱解氮含量、有效磷含量、速效钾含量与植被呈负相关关系;土壤全氮、土壤全磷、全钾含量、有机质含量、土壤酸碱度与植被关系不明显;土壤含盐量与植被关系也不明显,但在非戈壁区,土壤含盐量与植被NDVI值呈负相关。(3)土壤水盐交互作用对植被格局影响显着,非盐渍土区域和弱盐渍土区域土壤含水量与植被NDVI呈明显的正相关。(4)各土层土壤水分含量戈壁区均明显低于非戈壁区;随着土层深度增加,土壤有机质含量、碱解氮含量、有效磷含量、速效钾含量、土壤酸碱度值以及NDVI>0.1区域的土壤含盐量呈减少趋势;戈壁区土壤碱解氮含量、有效磷含量、速效钾含量普遍高于非戈壁区;土壤酸碱度值,在0~40cm土层中,戈壁区略高于非戈壁区,而在40~100cm土层中,戈壁区略低于非戈壁区。3)海拔梯度和微地形对植被格局的影响:(1)在北部戈壁区,随着海拔梯度的升高NDVI值不断上升,靠近山前区域的NDVI值明显高于戈壁区的其他区域;南部非戈壁荒漠区地势平坦,海拔梯度变化对NDVI影响较小。(2)北部戈壁区,区域沟槽密度变化较大,植被呈条带状分布在沟槽两侧、沟槽内或沟槽附近,微地形对区域植被格局影响较大;南部非戈壁荒漠区微地形特征不明显,微地形对植被格局影响较小。4)气候和人为干扰对植被格局的影响:(1)1992~2018年间,研究区内年降雨量和年平均气温变化不大,仅2007年与其它年份相比有明显差异;戈壁区各年份年降雨量均大于非戈壁荒漠区,而年平均气温均低于非戈壁荒漠区;研究区内年降雨量与NDVI值呈正相关关系,年均温度与NDVI值呈负相关关系。(2)距离(距绿洲距离)——衡量人为干扰(绿洲扩张)影响的重要指标,对绿洲外围荒漠区植被NDVI值影响显着,绿洲外围荒漠区NDVI值总体上随距离(距绿洲距离)的增加呈减小趋势。5)植被格局模型模拟:(1)研究区植被格局是在众多影响因素共同作用下形成的。影响因素重要性由高到低依次为:土壤类型45.69%,前一期植被格局30.29%,相对位置5.42%,气温3.97%,降水3.29%,土壤速效钾含量2.17%,土壤碱解氮含量1.93%,土壤有效磷含量1.64%,土壤含水量1.56%,到绿洲距离1.40%,土壤含盐量1.35%,地形1.30%。(2)门控循环单元GRU(Gated Recurrent Unit)模型对于模拟含有动态驱动因素的植被格局具有明显优势,研究选择GRU模型进行植被格局模拟。为进一步提高模拟精度,适应本研究复杂多因素驱动下的植被格局模拟任务,研究对GRU模型进行改进,改进形成的VDM(Vegetation Dynamic Model)模型能够分开处理动态数据和静态数据。利用VDM模型对研究区植被格局进行模拟,模拟结果优于GRU模型,与实际对照,总体精度达81.97%,说明VDM模型适用于模拟基于多因素驱动的植被格局。(3)研究综合考虑区域土壤、地形、气候等因素,基于VDM对植被格局进行模拟,精度达80%以上,说明80%以上的影响植被分布格局的机制得到诠释。本文较为全面的研究了新疆迪那河流域轮台绿洲外围荒漠区植被时空格局特征,分析了土壤、地形、气候和人为干扰因素(绿洲扩张)对研究区植被格局的影响,并基于门控循环单元GRU模型,建立VDM模型,对研究区植被格局进行模拟。结果表明:研究区植被格局主要受土壤因素(包括土壤类型,土壤养分含量,土壤含水量等)、地形、气候因素和人为干扰等因素影响,不同因素对研究区植被格局影响程度存在差异。基于VDM模型对植被格局进行模拟,80%以上的影响研究区植被分布格局的机制得到诠释。研究揭示了荒漠区植被时空特征及其环境驱动机制,对于研究区植被的保护或恢复具有重要意义。
徐嘉昕[3](2019)在《冬小麦灌溉信息遥感提取方法研究》文中提出中国是一个缺水严重的国家,人均水资源占有量仅为世界人均水平的四分之一,是世界上十三个贫水国之一。同时我国也是一个农业大国,耕地面积为20.24亿亩,居世界第三位。灌溉农业是目前我国农业发展的主要道路,灌区是农业发展的重要基地和国家粮食安全的基本保证。但由于国内水资源分布不均,水土资源组合不平衡,且地下水贮备资源严重超采,灌溉用水浪费现象十分严重,这也是我国目前灌溉农业面临的一个最主要的问题。大规模灌溉的迅速扩张,使得土地盐碱化和日益严重的地下水位问题在过去几十年里大幅增加,对农业用水管理缺乏足够的认识可能会导致未来由于水资源日益短缺而无法维持农业可持续生产,因此发展高效经济节水的灌溉农业刻不容缓。掌握准确的灌区信息是发展高效节水灌溉的重要基础,其中获取准确详实的灌溉农业区主要作物种植结构与灌溉面积等基础数据是合理配置水资源,实施精细灌溉用水计划的重要前提。本文以定兴县为研究区,基于长时间序列Sentinel-2卫星影像数据、SMAP土壤湿度产品数据,结合政府部门统计数据、田间野外调查数据和采样点实测数据,采用植被指数分析与决策树分类法对定兴县冬小麦种植区进行遥感监测和提取,利用基于垂直干旱指数PDI构建的实际灌溉面积监测模型对研究区灌溉面积进行监测和提取,研究了冬小麦灌区信息遥感提取的技术方法和应用。论文的主要成果如下:(1)遥感监测和提取了定兴县冬小麦种植区,监测和提取结果与当地统计结果比较分析,认为遥感反演精度较好,反演一致性可达90.2%。(2)构建了基于PDI差异的实际灌溉面积遥感监测模型,遥感监测和提取了2017年11月中旬至12月上旬越冬灌溉期和2018年3月下旬至4月中旬拔节灌溉期的灌区面积。越冬水主要集中在研究区西部、中部和南部地区,东南区较少,拔节水的分布情况与前者基本一致。灌区面积的遥感反演结果精度验证表明,越冬水的提取精度是75.6%,拔节水的提取精度达到81%。(3)构建了基于SMAP数据的灌溉信息监测模型,评估模型的可行性。SMAP土壤水分数据适用于提取冬小麦密集种植区、灌溉发生集中、日最低气温高于0℃时的灌溉信息提取。在定兴县研究区,冬小麦种植总体占比不高,灌溉行为发生较为分散。冬小麦越冬灌溉期气温较低,SMAP数据并不适用于提取这一时期的冬小麦灌溉信息,但对冬小麦拔节期前后的灌溉具有一定的响应。
江红南[4](2018)在《新疆不同区域土壤盐渍化光学遥感定量监测研究》文中研究指明土壤盐渍化在全球尤其是干旱和半干旱地区是重要自然灾害之一,光学遥感具有波谱信息丰富,反映的地物特征多,成像清晰的特点,成为土壤盐渍化遥感监测的重要数据源,但目前光学遥感技术用于土壤盐渍化定量监测的特征和规律并不被人们完全掌握。针对目前土壤盐渍化光学遥感监测中存在的问题,本文通过选择不同的研究区,开展了不同时期、不同程度和类型的土壤盐渍化状况的光学遥感定量监测,深入和系统地研究了基于光学遥感的土壤盐渍化定量监测问题,得到了区域土壤盐渍化光学遥感监测结果和土壤盐渍化光学遥感监测的一些特征。本文的研究目标是以实测土壤高光谱数据和光学遥感数据为主要数据源,将区域土壤盐渍化遥感监测研究与区域土壤盐分特征和变化规律研究结合,研究提高土壤盐渍化遥感监测精度的方法,基于区域土壤盐分和土壤光谱的关系以及区域土壤盐渍化特征,实现区域尺度土壤盐渍化状况光学遥感定量监测:在研究过程中,通过深入分析土壤盐分、土壤盐成分及其含量与土壤光谱之间的关系,探索土壤盐渍化光学遥感定量监测的特征,为土壤盐渍化光学遥感定量监测提供研究依据。围绕研究目标开展了4个方面的研究,包括区域土壤盐分、盐成分和遥感数据光谱之间的关系;表层和深层土壤盐分与土壤光谱的关系;区域土壤盐渍化程度光学遥感定量监测与精度评价;光学遥感土壤盐渍化监测结果的实验验证和分析。采用的研究方法有相关分析、非线性回归分析、中介效应分析、聚类分析、偏最小二乘回归建模、配对样本t检验以及有关的高光谱数据处理方法、变量间非线性关系的建模方法等。本文开展的工作和取得的主要研究成果如下:一、基于高光谱数据的库车绿洲研究区土壤盐分下降期土壤盐渍化定量监测研究。得到库车绿洲2010年10月土壤盐分下降期,0-10cm、10-30cm和30-50cm土层,从上而下,土壤含盐量逐渐减小,深层土壤含盐量和表层土壤含盐量为比较强烈的幂函数关系,这个规律对于研究区主要盐离子Na+和CI-含量也存在;研究区各土层主要盐类为NaCI;对于表层0-l0cm 土壤,土壤盐分和主要盐成分与土壤光谱反射率相关性最大的波段具有一致性特征,可以利用HJ-1A高光谱数据分析土壤主要盐成分组成情况;中介效应分析表明深层土壤盐分通过影响表层土壤盐分而影响土壤光谱反射率;提出了集成土壤盐渍化地学机理与地表参数的土壤含盐量估算遥感建模方法,构建了用于土壤盐分监测的盐分指数,选择了用于土壤盐分监测的地表参数,提高了表层土壤盐分估算精度。二、基于多光谱数据的库车绿洲研究区土壤盐分上升期土壤盐渍化定量监测研究。得到研究区土壤盐分上升期深层土壤含盐量和表层土壤含盐量为强烈的幂函数关系;深层土壤盐分通过影响表层土壤盐分而影响土壤光谱反射率;基于提出的集成土壤盐渍化地学机理与地表参数的土壤含盐量估算遥感建模方法,利用表层0-l0cm 土壤盐分和Ladndsat 5 TM数据各个波段反射率的关系,构建了不同的土壤盐分指数,构建的土壤盐分指数,深层土壤含水量、以前用于水体信息提取的归一化差分水体指数NDWI(即本研究的NDSI)能够提高表层土壤盐分估算精度;研究了利用多元回归方法建立土壤盐分遥感监测模型的特征变量选择问题,在基于多源数据的多元回归建模中,特征变量间的关系会影响到估算模型的建模精度,敏感波段不一定是最好的建模变量;根据深层土壤盐分和表层0-lOcm土壤盐分强烈的幂函数关系,估算了深层土壤盐分,在该研究区的土壤盐分上升期存在利用光学遥感间接监测深层土壤盐分的可能性。三、基于多光谱数据的艾比湖研究区土壤盐分下降期土壤盐渍化定量监测研究。得到研究区土壤Na-、CI-、S042-和Ca2+的含量较大,且它们的含量差别不是很大,土壤含盐量与这几种盐离子含量有较大的相关性,各层土壤盐分呈幂函数关系;分析得到该研究区土壤主要盐类有两种,为NaCI和CaS04;土壤含盐量、Na+和CI-含量与土壤光谱反射率的关系呈现显着的非线性特征,但S042-和Ca2+含量与土壤光谱反射率的关系为线性或近似线性关系;土壤盐分监测的敏感波段和主要盐离子含量监测的敏感波段一致,在这个区域,多光谱光学遥感在一定程度上可以分析土壤主要盐类组成情况;根据土壤含盐量和土壤光谱反射率的关系建立的多个土壤盐分指数在提高表层土壤盐分估算精度上有效。四、土壤盐渍化光学遥感监测结果实验验证与分析。证明了土壤盐渍化光学遥感监测结果是可靠的,并得到光学遥感土壤盐渍化定量监测的一些特征。根据以上研究结果,本研究在土壤盐渍化光学遥感定量监测和区域土壤盐渍化光学遥感监测方面具有一定创新和贡献。对土壤盐渍化光学遥感定量监测的创新和贡献是:①发现和验证了混合盐类土壤中,如果土壤主要盐类组成比较单一,尤其是只有一种主要盐类情况下,在一定的土壤盐分含量下,土壤盐分和土壤主要盐成分含量光学遥感监测敏感波段具有一致性特征,在这种情况下,土壤盐分和土壤光谱反射率的关系受主要盐类控制,光学遥感在在一定程度上可以用来分析土壤主要盐类组成情况;②发现和验证了土壤盐分和土壤光谱反射率一般为线性或近似线性特征,在两种盐类组成的混合盐类中,如果两种盐质量比例差别不大或者质量占比相等,土壤盐分和土壤光谱反射率的关系可能具有显着的非线性关系特征,在土壤盐渍化光学遥感监测中要考虑非线性关系对土壤盐分估算精度的影响;③证明了影响土壤盐分监测敏感波段选择的因素有土壤盐种类、土壤类型、土壤含盐量以及混合盐中各盐类数量和质量比例等;④在某些土壤中,某些盐类在土壤中的含量和土壤光谱反射率的相关关系,在某些波段,会随着土壤中该类盐含量的增加而减弱;⑤在土壤盐渍化光学遥感监测研究领域上,将目前主要是土壤盐分和土壤光谱之间关系的研究扩展到土壤盐分、土壤盐成分和土壤光谱之间关系的研究,研究领域更微观、更精确。对区域土壤盐渍化光学遥感监测的创新和贡献是:①分析得到研究区不同深度土壤盐分呈幂函数关系,在区域土壤盐分上升期,存在利用光学遥感间接监测深层土壤盐分的可能性;②提出了集成土壤盐溃化地学机理与地表参数的区域土壤盐渍化光学遥感监测建模方法,发现深层土壤含水量、以前用于提取水体信息的归一化差分水体指数能够提高研究区表层土壤盐分估算精度。此外,基于中介效应过程的深层土壤盐分和土壤光谱的关系分析;土壤盐类和土壤光谱的关系分析;土壤样本盐类聚类分析时判定规则的制定;土壤盐分估算多元回归模型建模时,特征变量的选择问题是本研究的特色之处。
再屯古丽·亚库普[5](2018)在《基于PALSAR数据极化分解信息的于田绿洲土壤盐渍化信息提取研究》文中进行了进一步梳理土壤作为人类生存和生活最基本的自然资源之一,影响着人类生存、生态环境平衡、社会经济和农业可持续发展。然而,在干旱、半干旱地区土壤原生盐渍化和次生盐渍化问题越来越突出,引起土壤肥力下降、酸碱失衡、土地退化、土地资源极度匮乏等问题,严重制约农业和社会经济发展,影响着可持续发展的战略大局。如今越来越多的学者关注着农业耕地和粮食安全问题,在区域范围内动态、快速、准确提取土壤盐渍化信息,监测盐渍土空间分布特征以及对盐土壤盐渍化状况进行定量反演在防止生态环境进一步恶化,农业生产和社会经济可持续发展以及土壤盐渍化的治理利用、统筹规划中至关重要。本文选择新疆于田绿洲为研究区,针对绿洲土壤盐渍化信息提取和定量反演,利用遥感技术和GIS方法,将传统野外实地调查采集的土壤样品理化性质结合于光学和微波遥感数据,采用多种极化分解方法和SVM分类方法实现了于田绿洲土壤盐渍化微波遥感监测;对研究区各采样点后向散射系数、土壤含盐量、含水量以及pH值进行描述性统计分析,并利用各采样点土壤的一些主要的参数作为因变量,通过多元线性回归模型、地理加权回归模型和BP神经网络模型构建了研究区土壤含盐量反演模型,并对模型进行精度评价与对比分析;为了进一步利用雷达数据极化信息,在Cloude–Pottier理论基础上,尝试构建于田绿洲H-α特征空间,初步确定不同土地类型在H-α特征空间上的位置以及散射类型,从而实现土壤盐渍化机理分析。本文主要结论如下:1)本文利用PALSAR-2数据,在极化分解理论基础上,运用多种极化分解方法提取不同的极化参数,并通过wishart和SVM分类方法对研究区进行分类。为了充分挖掘和提取PALSAR-2图像中丰富的目标信息通过目视判读进行反复选择,最终选取噪声较少的12种极化参数作为最佳分类特征信息。将上述11种极化分量作为特征信息加入到SVM分类中对研究区进行土地类型分类。分类结果表明,在相同的训练样本情况下,相比于Wishart分类方法,SVM监督分类方法分类效果更好,分类总精度从80.48%提高到88.00%,Kappa系数从0.73提高到0.83,总精度提高了7.52%。说明,基于目标极化分解的SVM监督分类方法能够更好的挖掘丰富的地物信息,而单独利用相干矩阵的Wishart分类精度较低,从而验证了目标极化分解信息用作分类特征的有效性。2)通过土壤含盐量、含水量和pH值的描述性统计分析可知,研究区土壤含盐量最大值为49.90 g·kg-1,最小值为0.13 g·kg-1,平均值为9.75 g·kg-1;高值主要出现在研究区东北部、西部和中部,低值主要出现在研究区西北部和南部,研究区以中度盐渍化为主;pH值的最大值为9.63,最小值为7.07,平均值为8.44,属于强碱性土壤,空间分布趋势大致相同;土壤含盐量和土壤含水量的变异系数均大于100%,存在较强的空间异质性。3)由于受到植被覆盖度、含水量和地表粗糙度的影响,不同程度盐渍地后向散射系数有一定的区别。其变化趋势为轻度盐渍地后向散射系数最高,中度盐渍地为其次,重度盐渍地后向散射系数最低。这种变化趋势相比于同极化方式在交叉极化方式上更明显。4)本文选用多元线性回归模型、地理加权回归模型、BP神经网络模型建立了土壤含盐量定量反演模型。三种模型中BP神经网络模型的均方根误差为0.99,与前两种模型相比分别降低了了0.59和0.69,平均相对误差为0.31,分别减少了25%和21%,模型预测能力RPD为5.43,反演精度远远高于前两种传统回归模型,可靠性以及预测能力均有提高。5)本文应用极化分解和Cloude-Pottier理论,将特征空间技术运用到微波遥感数据,建立了极化熵H和散射角α之间的二维特征空间。H-α特征空间结果表明,不同的地物在H-α特征空间上的分布规律具有显着的分异性。其中,盐渍地分布在H-α平面的极化熵H为00.67、α小于42.5°的Z9区域,其散射类型以低熵表面散射为主,而植被覆盖区属于Z1、Z2、Z4和Z6区。该种特征空间的建立,为通过本章提出的方法,初步确定盐渍地地表物理特征以及散射类型,这有助于改进现有的盐渍化遥感监测方法和策略,寻求新的方法提取盐渍化信息,改善干旱区生态环境,对于今后的干旱区盐渍地信息提取中具有重要的参考价值。
曹雷[6](2017)在《稀疏植被区土壤表层介电特性分析及水盐信息提取研究》文中指出新疆维吾尔自治区地处我国西北地区,因水资源空间分布极不均衡,导致荒漠多、绿洲少,加之新疆大部分区域的降雨较少、气候干燥,生态环境极其脆弱。与此同时,新疆位于中纬度地区,光照资源丰富,农作物产量高且质量优,作为我国粮食后备储备基地,担负着粮食安全、社会安全、国家安全等重大战略。近年来,由于区域农田的不合理开发、地下水资源的滥用等现象,区域生态环境日益恶化,尤其在绿洲-荒漠交错区域,大面积土地发生退化、生态多样性骤减。造成土地退化的因素较多,而土壤水分匮乏、盐分含量高是绿洲-荒漠交错区域土地退化的重要因素。目前,新疆境内受盐渍化胁迫的耕地面积约占耕地总面积的1/3,土壤盐渍化现象已严重威胁到区域生态系统协调发展,抑制了农作物的正常生长、生产,带给绿洲经济的损失不容忽视。本文选择新疆典型绿洲——渭-库绿洲为研究区,该区域主要靠渭干河和库车河水系补给形成绿洲,绿洲稳定性受水资源影响较大。在西部大开发等相关政策的刺激下,渭-库绿洲境内县乡的社会经济水平逐年提高,农用地面积迅猛扩增,巨大的水量需求加剧了水资源空间分布的不均衡性,绿洲下游、绿洲周边生态系统持续恶化、稀疏植被覆盖区土地退化现象加剧,绿洲至荒漠区域间的缓冲区域日渐缩减。空间传感手段的发展实现了大区域、多时相的土壤信息提取技术,在相关技术手段快速发展的背景下,土壤信息监测精度逐步增高,尤其是高分辨率(光谱、空间)遥感数据更是为土壤信息监测精度提供了保障。本文以提取新疆渭-库绿洲局部地表土壤水分、盐分信息为研究目的,选择多极RadarSat-2雷达影像和国产高分一号多光谱影像为数据源,(1)以实测介电常数实部和虚部为基础,运用多种数学变换形式,建立土壤水分、盐分的介电常数逐步回归方程;(2)运用AIEM模型模拟一定入射角下,地表粗糙度、土壤水分与雷达后向散射系数间的拟合研究,并建立裸露地表土壤含水量经验模型;(3)优选GF-1的多种光谱指数,利用BP神经网络模型针对雷达数据和多光谱数据建立土壤盐分模型,并进行验证和精度评估。主要得出以下结论:1、土壤含水量对介电常数实部有较大的影响且相关性可达0.94,虚部不仅受含水量的影响,也受含盐量的影响;在盐分较大的情况下,虚部随着含水量的增加而增大,虚部与土壤盐分含量相关性较弱,仅0.45,但与含水量高度相关,相关性可达0.90。此外,利用介电常数的5种变换形式,所建立土壤水分实部模型精度较高,其中,倒数模型为土壤水分最优模型,建模精度的决定系数R2为0.82、验证精度R2为0.91;与此同时,运用介电常数虚部综合模型模拟土壤盐分,盐分指数:(水分+盐分)2为最优模型,建模精度的决定系数R2为0.84、验证精度R2为0.91。水分与实部、虚部均呈良好的线性关系,而盐分与虚部呈非线性关系。2、利用AIEM模型模拟了区域地表粗糙度和土壤水分情况,区域地表粗糙度与实际相符,绿洲-荒漠交错区、河道附近的粗糙度较大;土壤水分精度较高,决定系数R2达0.86,土壤含水量呈西高东低分布,绿洲边缘和河道附近土壤含水量较高。3、由于土壤盐分线性经验模型难以准确评估土壤盐分含量,因此结合多光谱辅助数据对后向散射信息进行分割。利用RadarSat-2四极化后向散射系数、及地表粗糙度和土壤水分的雷达提取数据、GF-1提取的光谱指数作数据集,并构建BP神经网络模型。经多次试验,BP神经网络模型较好地提取了区域土壤盐分信息,模型模拟精度达到了78.95%,因此从一定程度上验证了光学遥感与主动微波遥感结合进行盐渍区信息提取的有效性。综上所述,本研究通过主动微波遥感特征,利用AIEM物理模型建立了适用于裸露区土壤水分反演的经验模型;同时,结合多光谱数据,利用BP算法建立了土壤盐分模型,且模拟精度较高,准同步地表土壤水盐研究可为干旱区土壤信息提取工作提供一定的参考。
郝震[7](2017)在《基于多源数据协同的土壤含水量反演技术研究》文中指出农业用水科学管理的重要基础是土壤含水量信息,这些信息可以为作物需水估算、灌溉用水计划制定、实施和调整、灌溉用水监测、灌溉效果评估提供数据支撑,改善农业灌溉用水管理水平,极大提高用水效率。准确获取土壤含水量信息,对于改善农业用水效率具有十分重要的意义。现阶段遥感反演土壤含水量的方法主要有基于红光与近红外波段特征空间的修正的垂直干旱指数方法(modify perpendicular drought index,MPDI),基于温度植被特征空间的温度植被旱情指数方法(temperature-vegetation dryness index,TVDI),以及基于被动微波遥感的土壤含水量反演方法。本文拟采用基于可见光的MPDI方法实现对以河北省南部为研究区进行五天一次的土壤含水量反演。根据反演要求,选取环境小卫星、Landsat 8以及MODIS遥感数据作为土壤含水量反演的数据源。由于不同数据源间的时空分辨率不一致,本文解决了以下几种多源数据协同反演土壤含水量的问题:(1)高分辨率遥感影像数据源充足的条件下,首先对单一遥感数据源的土壤含水量结果进行反演,得到单一数据源条件下的土壤含水量反演结果。基于多源数据特征级融合方法的思想,融合环境卫星与Landsat 8遥感影像的土壤含水量反演结果特征,最终得到了精度提高的多源数据优势互补的土壤含水量反演结果。(2)仅有一种高空间分辨率遥感影像存在,且该数据不能实现对研究区影像的全覆盖时,引入低空间分辨率的MODIS遥感影像作为替代数据,用以弥补高空间分辨率遥感影像在影像覆盖范围上的缺陷。由于MODIS数据空间分辨率较低,不适宜单独建立土壤含水量与干旱指数间的反演模型,引入相近时间的高分辨率影像数据所提取的地表覆盖类型信息或NDVI数据作为MODIS像元光谱降尺度的依据。进而提高干旱指数与实测土壤含水量的相关关系,得到MODIS数据与高分辨率遥感数据协同的土壤含水量反演结果。将该结果降尺度后与高分辨率遥感影像的土壤含水量结果镶嵌并做核卷积滤波处理,获得多源数据协同的土壤含水量反演产品。经验证,精度满足生产要求。(3)在土壤含水量反演的时间点上,没有高分辨率数据可以作为反演的精度支撑时,以近实时的高分辨率遥感数据的NDVI与地表覆盖数据为MODIS数据作为参考,提高MODIS数据反演模型的精度,得到MODIS数据独立反演的土壤含水量结果。对比未校正结果,反演精度有明显提高。
黄帅[8](2016)在《AIEM模型介电特性及对雷达后向散射系数的响应研究》文中进行了进一步梳理土壤盐渍化是指土壤剖面或地下水的盐分随毛管水上升到地表,水分蒸发盐分在地表聚积的过程。人类活动和自然条件对水盐共同作用导致土地退化,土壤盐渍化是其构成主要形式之一。土壤盐渍化常见于蒸降比高、地下水位高的地区,已经成为限制绿洲农业发展的重要因素。我国尤其是新疆地区土壤盐渍化问题突出,限制了绿洲经济的正常发展,因此,从土壤盐渍化发生发展机理上了解盐渍化产生的原因及发展趋势,就可以从根本上解决土壤盐渍化问题,从而带动绿洲经济的发展。微波遥感可以全天候、全天时的探测地物目标,而且对土壤、植被、冰雪等有一定的穿透能力,可以不受大气的影响,也不受日夜光照条件的限制的优势,直接获取近地物的信息,弥补了光学遥感在监测土壤盐渍化方面的不足,为微波遥感监测土壤盐渍化提供理论和实验基础。介电常数是土壤特性中一个重要因子,使用介电常数来监测盐渍土水盐含量,并使用遥感手段来反演土壤含盐量、含水量的工作研究不多。本文基于此,首先选取最优的介电模型,分析介电模型中各个参数与介电常数的响应关系,并用野外实测介电常数验证模型的适用性。其次,在入射角、粗糙度一定的情况下,以实测土壤含盐量、含水量模拟介电常数输入到AIEM模型中,模拟地表的后向散射系数,并处理四种极化方式下的微波遥感影像,提取特征点的后向散射系数,分析它们的拟合关系,为干旱区土壤盐渍化的微波遥感反演提供理论基础。研究结果表明:(1)通过介电模型各参数与介电常数的响应分析,了解介电常数与体积含水量、含盐量、土壤容重等的响应关系:土壤体积含水量与土壤介电常数实部呈现显着性响应,拟合度达到99%;介电常数虚部的大小主要在于含盐量,体积含水量对于虚部的影响程度小于含盐量的影响强度。另外,利用野外实测土壤含盐量、含水量模拟介电常数与实测土壤介电常数拟合分析,拟合效果较好,说明修正Dobson介电模型在渭库绿洲比较适合。(2)基于AIEM模型,建立土壤含盐量、体积含水量的模型数据库,分析水盐对后向散射系数的响应。在一定的含盐量、入射角和地表粗糙度的情况下,后向散射系数随着含水量的增加而增大,显着性响应。通过进一步分析含盐量对后向散射系数的响应,曲线特征相似,含盐量对后向散射系数影响较小;在一定体积含水量、入射角和地表粗糙度的情况下,后向散射系数随着含盐量的增加稍有增加,但整体曲线趋于直线,变化不明显,响应较小。(3)利用AIEM模型,在一定入射角、粗糙度情况下,模拟采样点的后向散射系数,并对雷达影像进行处理,提取相应点的后向散射系数,分析AIEM模型和雷达影像的拟合关系发现,VV和HH同极化方式相关性不显着,HV和VH交叉极化方式下雷达影像与模型呈现显着相关,相关系数R2≈0.65。介电常数作为AIEM模型中最重要的参数,说明介电常数是影响雷达影像后向散射系数的主要因素,因此使用介电常数来监测土壤含盐量、含水量具有一定的潜力。另外,提供了一种使用微波遥感影像反演土壤含水量新思路。
曾令军[9](2016)在《基于SAR图像的输电走廊含水量分布信息提取方法研究》文中研究指明土壤水分不仅是植被生长和发育的物质基础,而且能够影响植被种类在不同区域的分布。土壤含水量在预测滑坡、塌方、泥石流以及地表沉降等自然灾害等方面具有重要作用,虽然平坦地区土壤含水量反演已经能够达到较高的精度,但是目前山区地形下土壤含水量反演依然是一个难题。与光学成像相比,微波遥感具有能够全天时、全天候工作的优势,不受云雨天气、光线、云层以及黑夜的影响。20世纪以来,合成孔径雷达技术取得了较大发展,多波段、多极化、多入射角数据已经能够成功获取。相对于单极化、单波段数据,多极化、多波段数据包含更多信息,利用多极化数据反演土壤含水量能够提高反演精度,简化反演算法。本文采用理论与实践相结合的方法研究土壤含水量信息提取。2015年6月,利用微波散射计测量裸土不同含水量、不同淹没比条件下的后向散射系数。通过实验数据以及AIEM模拟数据建立裸土含水量反演模型,并利用不同淹没比半淹区的后向散射系数建立裸土淹没比反演模型。并利用不同入射角测量数据对模型精度进行验证,验证结果表明利用以上模型反演土壤含水量以及半淹比例具有一定的准确性。本文研究区中存在大面积植被区域,针对该区域利用水云模型以及以上建立的裸土含水量反演模型相结合的方法建立了植被覆盖下土壤含水量反演算法。本文研究区为泸定县输电走廊区域,该区域存在地形起伏大、植被覆盖比例大等特征。雷达卫星为斜视成像系统,文中所用Radarsat-2数据中心入射角为42.5°。由于以上两个特征SAR图像中存在大面积的阴影区域,文中采用InSAR技术并参考90米分辨率DEM数据提取出10米分辨率DEM数据,采用高程矫正的办法去除SAR图像中存在的大面积阴影。文中首先对获取SAR图像的HH、VV极化数据进行多视、滤波、辐射校正、几何校正、高程矫正等处理。采用支持向量机的方法对处理后VV极化数据进行分类,去除图像中的水体以及阴影区域,分别对裸土以及植被覆盖区域采用对应算法反演出土壤含水量,得到含水量分布图。最后对输电走廊区域含水量提取精度进行分析和验证。
尼格拉·塔什甫拉提[10](2014)在《渭干河—库车河三角绿洲土壤盐渍化遥感与近感协同监测方法研究》文中提出随着经济的发展,人口的增长,对土地资源的过度开发及不合理利用导致土地质量退化问题愈发凸显。土壤盐渍化是干旱、半干旱地区土地质量退化的主要问题之一,对区域粮食安全、经济发展和生态环境都将造成直接威胁。因此,实时、精准地获取盐渍土动态变化信息,对治理盐渍土、防止其进一步退化和进行农业可持续发展至关重要。传统的土壤盐渍化监测采用野外定点调查方式,耗时费力而且测点少,代表性差,无法实现大面积实时监测。目前,利用现代遥感技术实现对盐渍化土壤大面积的实时动态监测已经成为主流趋势。但光学遥感手段存在一定的局限性,它依赖于地物的光谱响应特征。微波遥感能够全天候进行探测,具有穿透性,对土壤水分敏感。电磁感应仪EM38在土壤电导率获取方面有快速,大范围测量,测量精度高等优势。土壤含水量,土壤电导率是盐渍化监测中的重要地表参数,获取这两个参数对于盐渍化监测研究至关重要。因此,结合雷达及EM38数据可以弥补光学遥感在盐渍化监测研究当中的不足。本文以新疆塔里木盆地北缘渭干河-库车河三角洲绿洲为研究区域,分析研究区域内不同土壤含水量,土壤电导率,土壤盐分之间的相互制约性。利用雷达遥感的优势提取了土壤水分信息,利用精确及快速测量土壤电导率的电磁感应仪EM38并结合可见光遥感数据反演获得较准确的土壤电导率信息,将这些数据与盐分指数一起共同建立了多平台,多元数据结合的遥感与近感协同反演模型。主要研究成果包括以下几方面:(1)比较几种植被散射模型,根据研究区地势平坦,植被稀疏等特点,选择了较适合研究区的,能够比较好的刻画研究区地表散射特征的“水—云”模型,去除植被散射的影响,研究了地表散射特征,得到地表后向散射系数。比较四种极化方式的土壤后向散射系数与土壤含水量的相关性,结果显示,HH极化方式对土壤含水量较为敏感。最后利用HH极化方式土壤后散射系数结合实测土壤含水量数据,得到了土壤水分反演模型。(2)根据电磁感应技术电导率测量仪EM38所测得水平模式表观电导率及垂直模式电导率与二上壤含盐量之间的关系,选择垂直模式所测得表观电导率进行后续的研究。引进综合光谱响应指数COSRI,并根据电导率与COSR[之间的相关关系,建立土壤电导率反演模型。(3)计算土壤盐分指数,结合土壤含水量,土壤电导率建立盐渍化监测遥感与近感协同反演回归模型。(4)利用野外定位实测的土壤含盐量,对所建模型进行精度验证,结果显示,Person值相关系数为0.842,通过了0.01的置信区间,为显着性相关。将该结果与前人研究的SI-ALBEDO特征空间盐渍化监测方法进行比较,Person值0.842大于0.788,且其标准差0.04也小于0.10。因此断定协同监测模型是可行的,具有更高的盐渍化信息提取精度。
二、土壤含水量信息提取模型的理论初探(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、土壤含水量信息提取模型的理论初探(论文提纲范文)
(1)基于多源数据的邯郸东部平原区灌溉面积信息提取(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景 |
1.2 研究目的及意义 |
1.3 国内外研究进展 |
1.3.1 种植结构提取研究 |
1.3.2 灌溉面积提取研究 |
1.4 研究内容和技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
第2章 研究区概况与数据预处理 |
2.1 研究区概况 |
2.1.1 地理位置特征 |
2.1.2 气候特征 |
2.1.3 农业种植特征 |
2.1.4 机井利用情况 |
2.2 数据获取 |
2.2.1 Landsat-8 数据 |
2.2.2 高分6 号数据 |
2.2.3 地面视频监控数据 |
2.3 数据预处理 |
2.3.1 Landsat-8 数据预处理 |
2.3.2 高分6 号数据预处理 |
2.3.3 地面监控数据筛选与处理 |
2.4 本章小结 |
第3章 冬小麦种植信息提取 |
3.1 土地利用分类 |
3.2 基于Landsat-8 影像小麦种植信息提取 |
3.2.1 基于NDVI小麦种植信息提取 |
3.2.2 基于EVI小麦种植信息提取 |
3.3 结合物候特征的地面监控数据筛选验证 |
3.4 本章小结 |
第4章 基于Landsat-8 灌溉面积提取 |
4.1 基于地表温度灌溉面积提取 |
4.1.1 地表温度LST反演 |
4.1.2 基于LST灌溉面积提取方法 |
4.1.3 基于LST提取结果分析 |
4.2 基于植被供水指数灌溉面积提取 |
4.2.1 植被供水指数VSWI反演方法 |
4.2.2 基于VSWI灌溉面积提取结果分析 |
4.3 基于温度植被干旱指数灌溉面积提取 |
4.3.1 温度植被干旱指数TVDI反演方法 |
4.3.2 基于TVDI灌溉面积提取结果分析 |
4.4 基于Landsat-8 反演灌溉面积结果分析 |
4.5 本章小结 |
第5章 基于GF-6 灌溉面积提取 |
5.1 基于GF-6 号垂直干旱指数灌溉面积提取 |
5.1.1 垂直干旱指数PDI反演方法 |
5.1.2 基于PDI灌溉面积提取结果分析 |
5.2 基于修正的垂直干旱指数灌溉面积提取 |
5.2.1 修正的垂直干旱指数MPDI反演方法 |
5.2.2 基于MPDI灌溉面积提取结果分析 |
5.3 基于GF-6 反演灌溉面积结果分析 |
5.4 基于Landsat-8与GF-6 影像提取灌溉面积精度结果分析 |
5.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文和科研成果 |
致谢 |
作者简介 |
(2)绿洲外围荒漠区植被时空格局及形成机制(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 干旱区植被格局研究 |
1.2.2 干旱区植被信息遥感提取研究 |
1.2.3 干旱区植被格局影响因素研究 |
1.2.4 干旱区植被格局模型研究 |
1.2.5 现有研究小结 |
1.3 拟解决的科学问题 |
1.4 研究内容 |
1.4.1 绿洲外围荒漠区植被格局时空动态研究 |
1.4.2 绿洲外围荒漠区植被格局主要影响因素分析 |
1.4.3 绿洲外围荒漠区植被格局形成机制 |
1.5 技术路线 |
2 研究区概况 |
2.1 研究区地理位置 |
2.2 研究区地形与地貌 |
2.3 研究区土壤 |
2.4 研究区植被 |
2.5 研究区河流水系 |
2.6 研究区气象与气候 |
2.7 研究区石油、天然气和矿产资源 |
2.8 研究区社会经济 |
3 绿洲外围荒漠区植被格局时空变化研究 |
3.1 引言 |
3.2 研究区植被空间分布特征 |
3.3 研究区植被时间变化特征 |
3.4 讨论与小结 |
4 土壤对绿洲外围荒漠区植被格局的影响 |
4.1 引言 |
4.2 土壤类型对研究区植被格局的影响 |
4.3 土壤养分对研究区植被格局的影响 |
4.4 土壤含水量对研究区植被格局的影响 |
4.5 讨论与小结 |
5 地形对绿洲外围荒漠区植被格局的影响 |
5.1 引言 |
5.2 海拔梯度对研究区植被格局的影响 |
5.3 微地形对研究区植被格局的影响 |
5.4 讨论与小结 |
6 气候和人为干扰对绿洲外围荒漠区植被格局的影响 |
6.1 引言 |
6.2 气候对研究区植被格局的影响 |
6.3 人为干扰对研究区植被格局的影响 |
6.4 讨论与小结 |
7 绿洲外围荒漠区植被格局模拟 |
7.1 引言 |
7.2 神经网络模拟原理及其改进 |
7.2.1 GRU神经网络模型简介 |
7.2.2 GRU神经网络模型在模拟植被格局时存在的问题 |
7.2.3 模型的改进 |
7.3 植被格局模拟过程 |
7.3.1 植被格局影响因素筛选及重要性分析 |
7.3.2 动态影响因素和静态影响因素 |
7.3.3 改进的基于GRU模型的VDM模型结构 |
7.3.4 植被格局模拟的具体过程 |
7.4 结果 |
7.5 讨论与小结 |
8 结论与展望 |
8.1 结论 |
8.1.1 绿洲外围荒漠区植被格局时空特征 |
8.1.2 土壤类型、土壤含水量和土壤养分特征及对绿洲外围荒漠区植被格局的影响 |
8.1.3 海拔梯度和微地形对绿洲外围荒漠区植被格局的影响 |
8.1.4 气候和人为干扰对绿洲外围荒漠区植被格局的影响 |
8.1.5 绿洲外围荒漠区植被格局模型模拟 |
8.2 主要创新点 |
8.2.1 绿州外围荒漠区植被格局形成机制 |
8.2.2 GRU神经网络模型的改进 |
8.3 展望 |
参考文献 |
在读期间的学术研究 |
致谢 |
(3)冬小麦灌溉信息遥感提取方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 选题依据及意义 |
1.2 国内外研究进展 |
1.2.1 作物种植结构遥感提取 |
1.2.2 灌溉信息遥感提取 |
1.3 课题来源 |
1.4 研究目标 |
1.5 研究内容 |
1.6 技术路线 |
第2章 研究区概况 |
2.1 地理位置 |
2.2 自然环境和水资源概况 |
2.3 典型作物和灌溉制度 |
2.4 本章小结 |
第3章 数据与数据处理 |
3.1 Sentinel-2 数据介绍与预处理 |
3.1.1 Sentinel-2 数据介绍 |
3.1.2 Sentinel-2 数据预处理 |
3.2 SMAP土壤湿度产品数据 |
3.3 降水数据 |
3.4 DEM数据 |
3.5 实地调查数据 |
3.6 本章小结 |
第4章 冬小麦种植区提取 |
4.1 植被指数计算 |
4.2 决策树分类模型构建 |
4.3 精度验证 |
4.4 本章小结 |
第5章 研究区灌溉信息提取 |
5.1 基于Sentinel-2 数据实际灌溉遥感监测 |
5.1.1 垂直干旱指数模型 |
5.1.2 基于PDI的灌溉面积提取模型 |
5.1.3 研究区灌溉面积提取与验证 |
5.2 基于SMAP数据灌溉遥感监测 |
5.2.1 灌溉期SMAP土壤水分变化 |
5.2.2 基于SMAP的灌溉监测模型 |
5.3 本章小结 |
结论与展望 |
致谢 |
参考文献 |
攻读学位期间取得学术成果 |
(4)新疆不同区域土壤盐渍化光学遥感定量监测研究(论文提纲范文)
论文创新点 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.2 研究现状与发展动态分析 |
1.3 研究目标 |
1.4 研究内容 |
1.5 技术路线 |
2 研究区与数据 |
2.1 研究区概况 |
2.1.1 库车绿洲研究区概况 |
2.1.2 艾比湖研究区概况 |
2.2 数据与处理 |
2.2.1 遥感数据与处理 |
2.2.2 土壤样本采集与处理 |
2.2.3 土壤样本数据测定 |
2.2.4 土壤样本光谱室内测量与处理 |
3 库车绿洲研究区土壤盐渍化高光谱遥感监测 |
3.1 遥感影像数据处理与变换 |
3.2 土壤盐分数据统计特征 |
3.2.1 土壤含盐量统计分析 |
3.2.2 土壤含盐量和土壤盐离子含量的关系 |
3.3 土壤样本盐类组成分析 |
3.4 土壤盐分与土壤光谱反射率的关系 |
3.4.1 土壤光谱特征 |
3.4.2 土壤盐分数据统计分析与比较 |
3.4.3 表层土壤盐类组成 |
3.4.4 土壤盐分与土壤光谱反射率的关系 |
3.4.5 部分样本下土壤盐分与土壤光谱反射率的关系 |
3.4.6 不同土层盐分与土壤光谱反射率的关系 |
3.5 土壤盐分估算 |
3.5.1 特征变量的构建和选择 |
3.5.2 估算模型 |
3.5.3 部分样本下土壤盐分估算 |
3.5.4 估算结果 |
3.6 本章小结 |
4 库车绿洲研究区土壤盐渍化多光谱遥感监测 |
4.1 土壤盐分统计特征 |
4.2 土壤含盐量与土壤光谱反射率的关系 |
4.2.1 遥感图像土壤光谱特征 |
4.2.2 表层土壤含盐量与土壤光谱反射率的关系 |
4.2.3 深层土壤含盐量与土壤光谱反射率的关系 |
4.3 土壤含盐量估算模型 |
4.3.1 土壤含盐量与地表参数的关系 |
4.3.2 特征变量的构建和选择 |
4.3.3 估算模型 |
4.3.4 土壤含盐量估算结果 |
4.4 本章小结 |
5 艾比湖研究区土壤盐渍化多光谱遥感监测 |
5.1 土壤含盐量统计特征 |
5.1.1 土壤含盐量统计分析 |
5.1.2 土壤含盐量和盐离子含量的关系 |
5.2 土壤样本盐类组成分析 |
5.3 土壤含盐量与土壤光谱反射率的关系 |
5.3.1 土壤光谱特征分析 |
5.3.2 土壤含盐量与土壤光谱反射率的关系 |
5.3.3 数据变换后土壤含盐量与土壤光谱反射率的关系 |
5.4 土壤盐分估算模型 |
5.4.1 特征变量构建和选择 |
5.4.2 估算模型 |
5.4.3 估算结果 |
5.5 本章小结 |
6 土壤盐渍化光学遥感监测结果实验验证与分析 |
6.1 目的 |
6.2 方法 |
6.2.1 实验方法 |
6.2.2 数据分析方法 |
6.3 结果与分析 |
6.3.1 库车绿洲和艾比湖研究区试验用土光谱特征 |
6.3.2 不同土壤同种盐类和土壤光谱的关系 |
6.3.3 相同土壤不同盐类和土壤光谱的关系 |
6.3.4 混合盐和单盐与土壤光谱关系的差异分析 |
6.3.5 实验结果与遥感研究结果的对比分析 |
6.4 结论 |
7 总结与展望 |
7.1 主要成果 |
7.2 不足与展望 |
参考文献 |
攻博期间的科研成果 |
致谢 |
(5)基于PALSAR数据极化分解信息的于田绿洲土壤盐渍化信息提取研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 土壤盐渍化国内外研究进展 |
1.2.1 国外研究进展 |
1.2.2 国内研究进展 |
1.2.3 雷达遥感技术在监测土壤盐渍化的优势及研究进展 |
1.3 研究思路、内容与方法 |
1.3.1 研究思路 |
1.3.2 研究内容 |
1.3.3 研究方法 |
1.4 本章小结 |
第二章 研究区概况及数据来源 |
2.1 研究区概况 |
2.1.1 地理位置和行政区划分 |
2.1.2 地形地貌 |
2.1.3 气候特征 |
2.1.4 水文特征 |
2.1.5 土壤特征 |
2.1.6 植被特征 |
2.1.7 社会经济和人口状况 |
2.2 数据来源 |
2.2.1 野外调查数据 |
2.2.2 遥感影像数据 |
2.3 数据预处理 |
2.3.1 土壤样品预处理 |
2.3.2 遥感影像数据预处理 |
2.4 本章小结 |
第三章 基于全极化PALSAR雷达数据目标极化分解的土壤盐渍化信息提取 |
3.1 雷达概述 |
3.2 研究方法 |
3.2.1 全极化PALSAR-2数据目标极化分解 |
3.2.2 SVM分类方法 |
3.3 全极化PALSAR-2数据极化分解 |
3.4 基于目标极化分解的SAR图像分类 |
3.5 盐渍地信息提取与精度评价 |
3.6 本章小结 |
第四章 基于PALSAR后向散射系数的土壤盐渍化反演 |
4.1 地表后向散射特征分析 |
4.1.1 地表散射特性 |
4.1.2 全极化PALSAR-2数据后向散射系数的提取 |
4.1.3 不同程度盐渍化土壤土后向散射系数分析 |
4.2 土壤样品实验室测量与分析 |
4.2.1 土壤含盐量和pH值 |
4.2.2 土壤含水量 |
4.3 模型简介 |
4.3.1 传统多元线性回归模型 |
4.3.2 地理加权回归模型 |
4.3.3 BP神经网络模型 |
4.4 构建土壤盐渍化反演模型 |
4.4.1 模型建立 |
4.4.2 土壤盐渍化反演及精度评价 |
4.5 本章小结 |
第五章 基于雷达特征空间的土壤盐渍化空间分布特征分析 |
5.1 基于PALSAR-2数据的H-α特征空间的构建 |
5.1.1 “H/A/α”极化分解方法 |
5.1.2 H-α特征空间 |
5.2 土壤盐渍化散射特征分析 |
5.2.1 极化参数的获取 |
5.2.2 基于H-α特征空间的盐渍化土壤散射特征分析 |
5.3 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 研究特色 |
6.3 不足与展望 |
参考文献 |
在读期间参与的项目与发表的论文 |
参与的项目 |
发表的论文 |
致谢 |
(6)稀疏植被区土壤表层介电特性分析及水盐信息提取研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究意义 |
1.2 土壤水分国内外研究进展 |
1.3 土壤盐分国内外研究进展 |
1.4 研究内容 |
1.5 技术路线 |
第二章 土壤水分、盐分遥感监测基本理论及原理 |
2.1 雷达遥感基本原理及优势 |
2.1.1 雷达基本原理 |
2.1.2 雷达优势 |
2.2 雷达系统参数 |
2.3 微波散射特性地表影响参数 |
2.3.1 地表粗糙度 |
2.3.2 土壤介电常数 |
第三章 研究区概况与数据获取 |
3.1 研究区概况 |
3.1.1 地貌水文特征 |
3.1.2 气候特征 |
3.1.3 土壤特征 |
3.1.4 植被特征 |
3.1.5 盐渍化概况 |
3.2 渭-库绿洲野外考察及实验数据获取 |
3.2.1 野外考察 |
3.2.2 土壤样本采集 |
3.2.3 实验数据获取 |
3.3 遥感影像预处理 |
3.3.1 高分数据预处理 |
3.3.2 RadarSat-2 影像处理 |
第四章 土壤介电特性分析 |
4.1 土壤介电特性分析 |
4.1.1 盐渍土介电特征分析 |
4.1.2 不同土壤含水率土壤介电特性 |
4.2 相关性分析 |
4.2.1 土壤介电特性与土壤水分相关性分析 |
4.2.2 土壤介电特性与土壤盐分相关性分析 |
4.3 基于逐步线性回归方法的土壤介电特性模型 |
4.3.1 土壤水分介电常数实部模型 |
4.3.2 土壤水分介电常数虚部模型 |
4.3.3 土壤盐分介电常数虚部模型 |
4.4 介电常数虚部综合模型 |
第五章 渭-库绿洲典型区域土壤水分和盐分提取 |
5.1 Water-cloud模型去除植被效应 |
5.2 AIEM模型模拟 |
5.3 地表粗糙度与土壤水分空间分布 |
5.4 土壤盐分线性经验模型模拟 |
5.4.1 不同盐渍化程度地表土壤后向散射系数分析 |
5.4.2 构建土壤盐分线性经验模型 |
5.5 BP支持下的土壤盐分非线性模型模拟 |
5.5.1 基于GF-1 的土壤盐分敏感指数选取 |
5.5.2 BP神经网络模型 |
5.5.3 构建土壤盐分BP神经网络模型 |
5.5.4 渭库绿洲典型区域土壤含盐量空间分布 |
第六章 结论与展望 |
6.1 结论 |
6.2 特色与创新 |
6.3 不足与展望 |
参考文献 |
在读期间参与导师项目及发表论文情况 |
致谢 |
(7)基于多源数据协同的土壤含水量反演技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究目的与意义 |
1.2 国内外研究现状 |
1.2.1 土壤含水量反演研究现状 |
1.2.2 空间尺度转换研究现状 |
1.2.3 多源遥感影像数据融合研究现状 |
1.2.4 研究现状总结 |
1.3 研究内容与技术路线 |
1.4 论文章节安排 |
2 研究方法与原理 |
2.1 多源数据协同的土壤含水量反演技术框架 |
2.2 基于红光与近红外光谱特征空间的土壤含水量反演方法 |
2.3 MODIS与高分辨率NDVI数据结合的土壤含水量反演技术 |
2.4 多源数据融合技术 |
2.5 低空间分辨率遥感影像空间降尺度方法 |
2.6 多源遥感影像镶嵌技术 |
2.6.0 遥感影像直方图色彩均衡化技术 |
2.6.1 多源遥感影像拼接核卷积滤波平滑技术 |
3 研究区概况与遥感影像数据选取 |
3.1 研究区概况 |
3.2 遥感影像数据的选取 |
3.2.1 卫星遥感影像数据特点 |
3.2.2 多源数据选取结果 |
3.2.3 遥感影像的预处理 |
3.3 实测数据 |
4 高分辨率影像与高分辨率影像融合的土壤含水量反演方法 |
4.1 基于MPDI方法的土壤含水量反演结果 |
4.1.1 多源数据的MPDI计算结果 |
4.1.2 多源数据的土壤含水量反演结果 |
4.2 基于Landsat 8 与环境卫星数据融合的土壤含水量反演 |
5 高分辨率影像与低分辨率影像联合的土壤含水量反演方法 |
6 低分辨率影像空间降尺度的土壤含水量反演方法 |
7 结论与展望 |
7.1 结论 |
7.2 不足与展望 |
致谢 |
参考文献 |
攻读学位期间的研究成果 |
参加科研项目情况 |
论文发表情况 |
(8)AIEM模型介电特性及对雷达后向散射系数的响应研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 土壤盐渍化遥感研究进展 |
1.2.1 国外土壤盐渍化光学研究进展 |
1.2.2 国内土壤盐渍化光学研究进展 |
1.2.3 土壤盐渍化微波遥感研究进展 |
1.3 研究思路、内容及技术路线图 |
1.3.1 研究思路 |
1.3.2 研究内容 |
1.3.3 技术路线图 |
第二章 土壤的介电模型和裸露地表散射特征 |
2.1 土壤介电模型 |
2.1.1 纯水介电模型 |
2.1.2 盐水介电模型 |
2.1.3 混合物介电常数理论模型 |
2.1.4 土壤混合物介电模型 |
2.1.5 修正的Dobson含水含盐土壤模型 |
2.2 裸露地表微波散射特征 |
2.2.1 粗糙表面后向散射特征 |
2.2.2 后向散射影响因子 |
2.2.3 后向散射模型 |
2.3 本章小结 |
第三章 研究区概况及数据获取 |
3.1 研究区概况 |
3.1.1 地理位置 |
3.1.2 地形地貌 |
3.1.3 气候特征 |
3.1.4 水文特征 |
3.1.5 土壤和植被特征 |
3.2 土壤数据获取 |
3.2.1 土壤样本采集 |
3.2.2 土壤样品测定 |
3.3 雷达影像后向散射系数获取 |
3.3.1 雷达斑点噪声压缩 |
3.3.2 雷达辐射校正 |
3.4 本章小结 |
第四章 盐渍土介电特性研究与验证 |
4.1 修正的Dobson模型模拟研究参数设置 |
4.2 盐渍土介电模型参数与介电常数的相关性模拟 |
4.2.1 体积含水量与介电常数 |
4.2.2 含盐量与介电常数 |
4.2.3 频率与介电常数 |
4.2.4 温度与介电常数 |
4.2.5 离子浓度与介电常数 |
4.2.6 土壤容重与介电常数 |
4.3 修正的Dobson介电模型野外实测数据验证 |
4.3.1 0~10cm野外实测数据验证 |
4.3.2 10~20cm野外实测数据验证 |
4.3.3 20~40cm野外实测数据验证 |
4.4 本章小结 |
第五章 盐渍土AIEM模型与雷达影像的响应研究 |
5.1 AIEM模型后向散射系数相关性模拟 |
5.1.1 土壤体积含水量与后向散射系数 |
5.1.2 土壤含盐量与后向散射系数 |
5.2 雷达影像后向散射系数 |
5.2.1 雷达亮度影像 |
5.2.2 入射角影像 |
5.2.3 雷达后向散射系数影像 |
5.3 盐渍土AIEM模型与雷达影像的后向散射系数拟合分析 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 主要研究结论 |
6.2 特色与创新 |
6.3 不足与展望 |
参考文献 |
在读期间参与导师项目及发表论文情况 |
致谢 |
(9)基于SAR图像的输电走廊含水量分布信息提取方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题背景及研究意义 |
1.1.1 研究背景 |
1.1.2 利用微波遥感提取含水量分布信息的研究意义 |
1.2 国内外研究现状 |
1.2.1 国内外SAR技术发展现状 |
1.2.2 国内外土壤含水量反演研究现状 |
1.3 研究内容及技术方案 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 本章小节 |
第二章 裸土不同含水量及不同淹没比例的后向散射测量实验 |
2.1 散射测量系统简介 |
2.2 散射测量与散射系数 |
2.3 散射计室外定标 |
2.4 土壤含水量 |
2.4.1 土壤含水量的表示 |
2.4.2 TDR测量土壤含水量 |
2.4.3 烘干法测量土壤含水量 |
2.4.4 土壤含水量测量的其他方法 |
2.5 土壤表面粗糙度测量 |
2.6 实验地半淹比例的测量 |
2.7 实验数据处理 |
2.7.1 后向散射系数随入射角的变化情况 |
2.7.2 后向散射系数随土壤含水量的变化情况 |
2.7.3 后向散射系数随半淹比例的变化情况 |
2.7.4 建立半淹区淹没比例反演模型与模型验证 |
2.8 本章小节 |
第三章 建立土壤含水量反演算法 |
3.1 裸土微波散射模型 |
3.1.1 小扰动模型(SPM) |
3.1.2 基尔霍夫模型 |
3.1.3 IEM模型以及AIEM模型 |
3.1.4 半经验模型 |
3.1.5 经验模型 |
3.2 植被覆盖下土壤微波散射模型 |
3.2.1 密歇根模型 |
3.2.2 水云模型 |
3.3 建立裸土含水量反演模型 |
3.4 建立植被覆盖下土壤含水量反演模型 |
3.5 本章小节 |
第四章 输电走廊(泸定县)含水量分布信息提取 |
4.1 土壤含水量反演流程图 |
4.2 干涉测量方法 |
4.3 采用INSAR技术提取高分辨率DEM数据 |
4.4 SAR图像的强度特征 |
4.5 SAR图像的噪声特征 |
4.6 多视和滤波处理 |
4.7 SAR图像的几何特征 |
4.8 辐射校正和几何校正 |
4.9 图像分类 |
4.10 土壤含水量提取 |
4.11 含水量提取结果分析 |
4.12 本章小节 |
第五章 总结和展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
(10)渭干河—库车河三角绿洲土壤盐渍化遥感与近感协同监测方法研究(论文提纲范文)
摘要 |
Abstract |
目录 |
第一章 前言 |
1.0 选题背景 |
1.0.1 选题来源 |
1.0.2 选题依据 |
1.0.3 选题目的 |
1.1 研究意义 |
1.2 国内外研究现状 |
1.2.1 盐渍化监测 |
1.2.2 多元数据融合 |
1.3 研究思路与研究内容 |
1.3.1 研究思路 |
1.3.2 研究内容 |
1.3.3 可行性分析 |
1.3.4 技术路线 |
1.4 本章小结 |
第二章 盐渍化监测遥感建模基本理论及原理 |
2.1 雷达遥感基本原理 |
2.1.1 雷达遥感的基本过程 |
2.1.2 RADARSET-2成像系统介绍 |
2.1.3 盐渍化土壤地表散射特征 |
2.1.4 植被覆盖地表散射特征 |
2.1.5 地表微波散射模型介绍 |
2.2 土壤电导率定量反演基本理论 |
2.2.1 电磁感应仪EM38基本原理 |
2.2.2 盐渍化土壤光谱特征分析 |
2.2.3 盐生植被光谱特征分析 |
2.3 本章小结 |
第三章 研究区概况及数据资料 |
3.1 研究区自然环境概况 |
3.1.1 地理位置 |
3.1.2 地形地貌 |
3.1.3 气候 |
3.1.4 水文 |
3.1.5 土壤和植被 |
3.1.6 人文环境概况 |
3.2 研究区土壤盐渍化成因及现状 |
3.3 数据获取 |
3.3.1 野外考察及实测数据 |
3.3.2 雷达遥感数据 |
3.3.3 研究区Radarsat-2影像预处理 |
3.3.4 光学遥感数据 |
3.3.5 研究区Landsat-8影像预处理 |
3.4 本章小结 |
第四章 研究区土壤水分反演 |
4.1 植被散射模型的选择 |
4.2 Water-cloud模型参数确定 |
4.3 研究区地表后向散射系数计算 |
4.4 研究区土壤水分反演 |
4.5 精度评价 |
4.6 本章小结 |
第五章 土壤电导率遥感反演 |
5.1 归—化植被指数与裸地-植被综合光谱响应指数 |
5.1.1 归—化植被指数 |
5.1.2 裸地-植被综合光谱响应指数 |
5.2 土壤电导率与综合光谱响应指数研究 |
5.2.1 土壤电导率EC_V与EC_H相关性分析 |
5.2.2 土壤电导率与综合光谱响应指数相关性分析 |
5.3 研究区土壤电导率遥感反演模型构建 |
5.3.1 土壤电导率反演模型 |
5.3.2 综合光谱响应指数计算 |
5.3.3 研究区土壤电导率遥感反演 |
5.4 精度评价 |
5.5 本章小结 |
第六章 盐渍化监测协同反演模型构建 |
6.1 基于多元回归的盐渍化监测遥感与近感协同反演模型构建 |
6.2 模型精度检验 |
6.2.1 利用实测值进行检验 |
6.2.2 利用土壤盐渍化监测模型进行检验 |
6.3 结果与分析 |
6.4 本章小结 |
第七章 结论与展望 |
7.1 主要研究工作和成果 |
7.2 创新之处 |
7.3 存在的问题与展望 |
参考文献 |
在读期间发表论文清单 |
主持的科研项目 |
参与的科研项目 |
致谢 |
四、土壤含水量信息提取模型的理论初探(论文参考文献)
- [1]基于多源数据的邯郸东部平原区灌溉面积信息提取[D]. 李红红. 河北工程大学, 2020(08)
- [2]绿洲外围荒漠区植被时空格局及形成机制[D]. 张谱. 中国林业科学研究院, 2020
- [3]冬小麦灌溉信息遥感提取方法研究[D]. 徐嘉昕. 成都理工大学, 2019
- [4]新疆不同区域土壤盐渍化光学遥感定量监测研究[D]. 江红南. 武汉大学, 2018(01)
- [5]基于PALSAR数据极化分解信息的于田绿洲土壤盐渍化信息提取研究[D]. 再屯古丽·亚库普. 新疆大学, 2018(12)
- [6]稀疏植被区土壤表层介电特性分析及水盐信息提取研究[D]. 曹雷. 新疆大学, 2017(01)
- [7]基于多源数据协同的土壤含水量反演技术研究[D]. 郝震. 兰州交通大学, 2017(02)
- [8]AIEM模型介电特性及对雷达后向散射系数的响应研究[D]. 黄帅. 新疆大学, 2016(02)
- [9]基于SAR图像的输电走廊含水量分布信息提取方法研究[D]. 曾令军. 电子科技大学, 2016(02)
- [10]渭干河—库车河三角绿洲土壤盐渍化遥感与近感协同监测方法研究[D]. 尼格拉·塔什甫拉提. 新疆大学, 2014(03)