準確而快速得獲取大面積的土壤濕度信息對農(nóng)業(yè)灌溉用水管理和干旱預(yù)防是十分重要的。傳統(tǒng)的土壤濕度監(jiān)測方式存在采樣成本高和空間代表性差的缺點,為此人們把視線投向了新興的遙感方法監(jiān)測土壤濕度。植被指數(shù)法和微波正向模型法是常用的兩種遙感監(jiān)測土壤濕度方法,但植被指數(shù)法模型過于簡單,模型只考慮到植被對土壤濕度的影響,而微波正向模型則非常復(fù)雜,需要考慮的因素過多,且SAR雷達對植被的探測能力有限,因此結(jié)合兩種遙感數(shù)據(jù)聯(lián)合反演土壤濕度成為了新的研究方向,而如何更好的結(jié)合兩種遙感數(shù)據(jù)進行土壤濕度反演就是本研究的重點。考慮到土壤后向散射系數(shù)、植被指數(shù)和土壤濕度存在錯綜復(fù)雜的數(shù)量關(guān)系,而機器學(xué)習(xí)算法能夠很好地模擬這種數(shù)量關(guān)系,實驗中使用線性回歸算法、支持向量機回歸算法、AdaBoost回歸算法和KNN回歸算法四種機器學(xué)習(xí)算法結(jié)合Landsat 8影像和Sentinel-1影像,以那曲地區(qū)為研究區(qū),建立反演模型,評估四種模型的模型效果,并選擇其中一種模型完成整個研究區(qū)在2015年7月下旬的濕度反演。研究表明,多元線性回歸模型在訓(xùn)練集上的決定系數(shù)R2為0.621,均方根誤差為6.26%,絕對誤差為4.99%,多元... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：104 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３．１研究區(qū)位置圖??２１??

？碩士學(xué)位論文??ＭＡＳＴＥＲ’Ｓ?ＴＨＥＳＩＳ??９１。４０，０飛?９１。５０，０，Ｋ?９２ｃ?０，０，Ｅ?９２。１０，（ＴＥ?９２。２０，?０＂Ｅ??ｐＮＪ??＾：：?＇?：：?■?；－?＇－：＾＇?＾??：：??ｕ?＇〇??２－?Ａａ?▲▲七??．＾－＾／－＾％?．?，?；?：?＾；＂?；％＾ｉ?＾??：▲．’、▲：？▲，?▲?ｃ??ｒ，?，?＊?：??ｉ?＊?．?－＾ｆ％?ｔ?＝??ｒ．．．：；：?‘ｖ．?Ｉ??＼Ｓ＇：：、＼??°－?圖例?？〇??ｏ．?Ｏ??ＣＯ?▲?實海玆點?Ｇ??ｔｉｌ?：?５６７９Ｕ５??（?０?５?１０?２０?３０?４０??—………麵＂…＝????１—＿＿丨丨丨■…■■■?Ｋｍ?ｆｇ；?：?Ｉ２７！ｍ??９Ｊａ?４０’０飛?９１°?５０，（Ｔ＞：?９２°?Ｏ’ＣＴＥ?９２°?ｉ〇Ｈ?９２°?２０＾０＾??圖３．２研宄區(qū)樣點分布圖??２３??

１?－??９?－?ｉ???７?－?１?：?ｉ?ｒ＊＾?Ｉ?－??６－?１?！?—￣?Ｉ??５?－??４?＿?丨?—?—｜??卜?ｃｒｉ??〇?＿?ｉ?＾?３?ｊ?＊?ｉ?３?ｉ?１?＇”，＇．－通…．ｒ＂ｉ…．ｆ＇．?＊…ｙ－…?ｉ＊?ｉ?．ｊ＊．…？??０．００?０．０５?０．１０?０．１５?０．２０?０．２５?０．３０?０．３５?０．４０?０．４５?０．５０?０．５５?０．６０?０．６５?０．７０?０－７５??ＮＤＶＩ?Ｖａｌｕｅ??圖４．１?ＮＤＶＩ值條形統(tǒng)計圖??圖片的橫坐標為ＮＤＶＩ值，縱坐標為每組值出現(xiàn)的頻率或次數(shù)，觀察可知，ＮＤＶＩ??值在０．２附近的樣點最多，有３３個樣點的ＮＤＶＩ值在０．２左右，ＮＤＶＩ值在０．７左??右的樣點最少，只有兩個；條形分布圖可以分為兩部分，第一個部分為ＮＤＶＩ值小??于０．３５的部分，第二個部分為大于０．３５的部分，且小于０．３５的這部分樣點有明顯??的集中趨勢，大量樣本點分布在ＮＤＶＩ值為０．２附近，大于０．３５的部分則分布較為??平均。這種情況出現(xiàn)的原因是因為ＮＤＶＩ值是跟季節(jié)變化和降水量息息相關(guān)的，那??３２??

【參考文獻】：
期刊論文
[1]阿克蘇河流域土壤濕度反演與監(jiān)測研究[J]. 聶艷,馬澤玥,周逍峰,于雷,于婧.  生態(tài)學(xué)報. 2019(14)
[2]阿克蘇流域表層土壤濕度指數(shù)反演研究[J]. 彭婕,于婧,陳唐冰瑩,聶艷.  中國農(nóng)業(yè)信息. 2019(03)
[3]基于植被供水指數(shù)的藏北地區(qū)土壤濕度反演研究[J]. 周逍峰,聶艷,劉秀蕓,梁美盈,譚盈,于婧.  中國農(nóng)業(yè)信息. 2018(04)
[4]熱紅外遙感及其在農(nóng)業(yè)旱情監(jiān)測中的應(yīng)用研究進展[J]. 獨文惠,覃志豪,黎業(yè).  中國農(nóng)業(yè)信息. 2018(02)
[5]基于支持向量機回歸算法的土壤水分光學(xué)與微波遙感協(xié)同反演[J]. 姜紅,玉素甫江·如素力,拜合提尼沙·阿不都克日木,何輝,艾則孜提約麥爾·麥麥提.  地理與地理信息科學(xué). 2017(06)
[6]基于光學(xué)與被動微波遙感的青藏高原地區(qū)土壤水分反演[J]. 楊婷,陳秀萬,萬瑋,黃照強,楊振宇,姜璐璐.  地球物理學(xué)報. 2017 (07)
[7]基于MODIS數(shù)據(jù)的祁連山南坡土壤水分反演研究[J]. 王侖,虞敏,戚一應(yīng),曹廣超.  青海師范大學(xué)學(xué)報(自然科學(xué)版). 2017(02)
[8]微波遙感土壤濕度反演算法及產(chǎn)品研究進展[J]. 鄭有飛,黃圖南,段長春,尹繼福,吳榮軍.  江蘇農(nóng)業(yè)科學(xué). 2017(05)
[9]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學(xué)報. 2017(06)
[10]基于Sentinel-1A與Landsat 8數(shù)據(jù)的北黑高速沿線地表土壤水分遙感反演方法研究[J]. 曾旭婧,邢艷秋,單煒,張毅,王長青.  中國生態(tài)農(nóng)業(yè)學(xué)報. 2017(01)

博士論文
[1]基于高光譜數(shù)據(jù)的濱湖土壤組分信息反演建模及優(yōu)化[D]. 姜慶虎.武漢大學(xué) 2014

碩士論文
[1]基于多源數(shù)據(jù)協(xié)同的土壤含水量反演技術(shù)研究[D]. 郝震.蘭州交通大學(xué) 2017



本文編號：3050904