發(fā)布時(shí)間：2020-06-05 14:49

【摘要】：土地利用信息、蒸散發(fā)和土壤水分監(jiān)測(cè)是區(qū)域水資源高效管理的基礎(chǔ),采用遙感技術(shù)獲取上述基礎(chǔ)數(shù)據(jù)有助于區(qū)域水資源的動(dòng)態(tài)管理。本研究以陜西關(guān)中地區(qū)的武功、扶風(fēng)和楊陵3個(gè)縣區(qū)為典型研究區(qū)域,采用理論分析、數(shù)值模擬和實(shí)驗(yàn)研究相結(jié)合的技術(shù)路線,開展了基于遙感的區(qū)域土地利用-高時(shí)空分辨率蒸散發(fā)與土壤含水量分布反演研究,得出以下主要研究結(jié)論:(1)提出了一種基于逐日時(shí)間序列遙感數(shù)據(jù)的土地利用/分類方法,解決了非逐日時(shí)間序列數(shù)據(jù)信息缺失導(dǎo)致土地利用/分類精度下降的問(wèn)題。研究結(jié)果表明:非逐日時(shí)間序列進(jìn)行平滑降噪處理時(shí),S-G濾波算法優(yōu)于HANTS濾波算法;經(jīng)過(guò)空間插補(bǔ)系統(tǒng)處理的NDVI逐日時(shí)間序列數(shù)據(jù)較未經(jīng)插補(bǔ)的時(shí)間序列數(shù)據(jù)在土地分類中表現(xiàn)更優(yōu),可較好地對(duì)周期內(nèi)NDVI變化趨勢(shì)相似地物進(jìn)行區(qū)分,基于遺傳算法優(yōu)化支持向量機(jī)參數(shù)的方法可提高逐日時(shí)間序列數(shù)據(jù)的分類精度。(2)以構(gòu)建的逐日NDVI時(shí)間序列遙感數(shù)據(jù)為基礎(chǔ),提出了一種改進(jìn)多分類器融合算法。研究結(jié)果表明:不同單一分類器對(duì)逐日NDVI時(shí)間序列數(shù)據(jù)分類結(jié)果不同,馬氏距離分類器由于機(jī)理特性需要選取大量的訓(xùn)練樣本而不適用于逐日NDVI時(shí)間序列的土地分類,K-Means單一分類器不適用于種植結(jié)構(gòu)復(fù)雜的灌區(qū)土地分類�；跁r(shí)間序列數(shù)據(jù)的平均值、峰度和偏度三個(gè)統(tǒng)計(jì)特征可以實(shí)現(xiàn)逐日時(shí)間序列遙感數(shù)據(jù)的土地分類,解決了時(shí)間序列數(shù)據(jù)空間維度大導(dǎo)致過(guò)程繁瑣、計(jì)算量大的問(wèn)題。改進(jìn)多分類融合算法較未改進(jìn)多分類器融合表現(xiàn)出更大的優(yōu)勢(shì),解決了分類精度強(qiáng)弱不同的多個(gè)單一分類融合結(jié)果不佳的問(wèn)題。(3)以人工神經(jīng)網(wǎng)絡(luò)算法為基礎(chǔ),提出了一種不依賴熱紅外數(shù)據(jù)的區(qū)域高時(shí)空分辨率蒸散量遙感反演方法。研究結(jié)果表明:在研究區(qū)域內(nèi)地表溫度和高程數(shù)據(jù)分別是是蒸散量估算的第一主導(dǎo)因子、第二主導(dǎo)因子。夏季地表溫度與NDVI的相關(guān)性較好,可用NDVI和地表溫度回歸模型估算夏季地表溫度。以熱紅外數(shù)據(jù)計(jì)算的地表溫度為自變量的蒸散量遙感反演模型具有較高的精度;基于回歸模型估算的地表溫度的蒸散量遙感反演模型也具有較高的精度,且不依賴熱紅外數(shù)據(jù)的獲取,可用于獲取長(zhǎng)時(shí)間蒸散量數(shù)據(jù),增加了蒸散量數(shù)據(jù)使用的靈活性。(4)提出了一種蒸散量-植被指數(shù)(EVDI)模型用以反演區(qū)域土壤水分含量的方法,解決了地表溫度-植被指數(shù)(TVDI)模型反演土壤水分的不確定性問(wèn)題。研究結(jié)果表明:EVDI特征空間構(gòu)建可以用來(lái)反演區(qū)域土壤水分含量。在玉米生長(zhǎng)階段,EVDI模型較TVDI模型更適用于反演土壤水分含量,EVDI模型結(jié)果與0~20 cm土層深度的土壤水分含量相關(guān)性最高,隨土層深度增加相關(guān)性呈下降趨勢(shì)。在小麥生長(zhǎng)階段,TVDI模型和EVDI模型均不適用于小麥幼苗期土壤水分含量的反演;與TVDI模型相比,EVDI模型不適用于冬季的土壤水分含量反演。不同作物不同時(shí)期土壤含水量反演研究的結(jié)果表明,TVDI和EVDI空間特征與多點(diǎn)監(jiān)測(cè)結(jié)果可以實(shí)現(xiàn)區(qū)域土壤水分反演�；贓VDI可以進(jìn)行土壤干旱等級(jí)劃分,不同EVDI干旱指數(shù)代表不同干旱程度。需要指出的是,論文通過(guò)提高時(shí)間序列數(shù)據(jù)的維度提高了土地分類精度,但同時(shí)卻增加了分類器計(jì)算負(fù)擔(dān),故提取逐日時(shí)間序列主要特征信息降低分類器計(jì)算負(fù)擔(dān)的工作還需進(jìn)一步研究。同時(shí),在本文研究中,高時(shí)空分辨率的區(qū)域蒸散發(fā)遙感反演方法和土壤水分反演方法的研究沒有考慮區(qū)域氣象條件、地表覆蓋類型和土壤屬性的非唯一性給反演模型的穩(wěn)定性帶來(lái)的影響,由于這一問(wèn)題比較復(fù)雜,仍需進(jìn)一步研究。
【圖文】：

第二章 研究區(qū)域概況及數(shù)據(jù)處理 第二章 研究區(qū)域概況及數(shù)據(jù)處理.1 研究區(qū)概況本研究選取隸屬陜西省的關(guān)中平原地區(qū)，又稱渭河平原，整體位于陜西省中部中平原包括寶雞、咸陽(yáng)、西安、銅川和渭南五個(gè)地級(jí)市，西窄東寬，西至寶雞，潼關(guān)，東西長(zhǎng)約 350 km，平均海拔約 500 m，面積約 3.6萬(wàn) km2。關(guān)中平原屬于半半干旱氣候帶，年平均降水量 500~700 mm，且降水月份分布不均，6~9 月份的降 60%，冬季和春季降水較少，是中國(guó)北方典型缺水和干旱頻發(fā)地區(qū)（田霄鴻009；申健等 2017；張盼 2018）。本文擬對(duì)位于關(guān)中平原腹地且隸屬于寶雞峽灌區(qū)功縣、扶風(fēng)縣和楊陵區(qū)作為核心研究區(qū)。在干旱監(jiān)測(cè)研究中，由于該研究區(qū)域像過(guò)少無(wú)法滿足研究需求，因此干旱監(jiān)測(cè)研究擬在關(guān)中平原地區(qū)進(jìn)行。

32區(qū)域土地利用-高時(shí)空分辨率蒸散發(fā)與土壤含水量分布遙感反演訓(xùn)練樣本和驗(yàn)證樣本，樣本集以 ENVI 5.0 軟件 ROI 文件格式存儲(chǔ)，ROI 文件包含坐標(biāo)信息；3）第二次實(shí)地調(diào)研，進(jìn)一步確認(rèn)隨機(jī)選取樣本類型和區(qū)域的準(zhǔn)確性（Zhao 等2017）；實(shí)地調(diào)研路線及樣本點(diǎn)實(shí)拍圖如圖 3-2、圖 3-3 所示，樣本采樣表如表 3-3 所示。（a）耕地 （b）蘋果園
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：S152.7;S127

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊婷;陳秀萬(wàn);萬(wàn)瑋;黃照強(qiáng);楊振宇;姜璐璐;;基于光學(xué)與被動(dòng)微波遙感的青藏高原地區(qū)土壤水分反演[J];地球物理學(xué)報(bào);2017年07期

2 蘇永榮;宮阿都;呂瀟然;李靜;;基于改進(jìn)溫度植被干旱指數(shù)的農(nóng)田土壤水分反演方法[J];遙感信息;2015年06期

3 王馨爽;陳爾學(xué);李增元;姚頑強(qiáng);趙磊;;多時(shí)相雙極化合成孔徑雷達(dá)干涉測(cè)量土地覆蓋分類方法[J];測(cè)繪學(xué)報(bào);2015年05期

4 張寶忠;許迪;劉鈺;陳鶴;;多尺度蒸散發(fā)估測(cè)與時(shí)空尺度拓展方法研究進(jìn)展[J];農(nóng)業(yè)工程學(xué)報(bào);2015年06期

5 馬騰;王耀強(qiáng);李瑞平;李彪;;基于微波遙感極化目標(biāo)分解的土地覆蓋/土地利用分類[J];農(nóng)業(yè)工程學(xué)報(bào);2015年02期

6 周劍;吳雪嬌;李紅星;李妍;仲波;潘曉多;;改進(jìn)SEBS模型評(píng)價(jià)黑河中游灌溉水資源利用效率[J];水利學(xué)報(bào);2014年12期

7 袁正午;楊愛霞;仲波;;LandsatTM與HJCCD影像植被指數(shù)的交互比較[J];國(guó)土資源遙感;2015年01期

8 洪鐘;王冕;趙之重;;瑪多地區(qū)基于植被指數(shù)對(duì)土壤水分的反演[J];青海大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年05期

9 吳海龍;余新曉;張振明;張艷;;基于多種植被指數(shù)的土壤含水量估算方法[J];光譜學(xué)與光譜分析;2014年06期

10 馬紅章;張臨晶;孫林;柳欽火;;光學(xué)與微波數(shù)據(jù)協(xié)同反演農(nóng)田區(qū)土壤水分[J];遙感學(xué)報(bào);2014年03期

相關(guān)博士學(xué)位論文 前2條

1 王維;冬小麥全生育期土壤水分供給量的反演與模型優(yōu)化研究[D];中國(guó)農(nóng)業(yè)大學(xué);2015年

2 辛?xí)灾?用定量遙感方法計(jì)算地表蒸散[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2003年

相關(guān)碩士學(xué)位論文 前9條

1 張盼;基于多源多時(shí)相遙感數(shù)據(jù)的關(guān)中地區(qū)土地利用分類研究[D];西北農(nóng)林科技大學(xué);2018年

2 劉波;基于枚舉法和遺傳算法的農(nóng)田灌溉管道系統(tǒng)優(yōu)化設(shè)計(jì)研究[D];山東農(nóng)業(yè)大學(xué);2017年

3 石心鶯;基于改進(jìn)果蠅算法優(yōu)化最小二乘支持向量機(jī)模型的土壤濕度反演研究[D];浙江大學(xué);2016年

4 馮天梅;基于SEBAL模型的青海省東部農(nóng)業(yè)區(qū)蒸散發(fā)量的遙感估算研究[D];西北農(nóng)林科技大學(xué);2015年

5 李杏鮮;黃土高原樣帶尺度實(shí)際蒸散量時(shí)空變化研究[D];西北農(nóng)林科技大學(xué);2015年

6 喻元;基于CWSI與TVDI的關(guān)中地區(qū)干旱監(jiān)測(cè)對(duì)比與干旱時(shí)空特征研究[D];陜西師范大學(xué);2015年

7 崔蓉;扶風(fēng)縣基本農(nóng)田劃定研究[D];長(zhǎng)安大學(xué);2014年

8 胡杰華;基于TM影像的武功縣土地利用變化監(jiān)測(cè)研究[D];西北農(nóng)林科技大學(xué);2012年

9 胡玲;灌區(qū)實(shí)時(shí)灌溉預(yù)報(bào)模型[D];河海大學(xué);2004年

，

本文編號(hào)：2698206