土壤水分是"四水"轉(zhuǎn)換的紐帶,農(nóng)業(yè)生產(chǎn)的基礎(chǔ),傳統(tǒng)的野外定點測量土壤水分的方法難以實現(xiàn)空間上的展布,現(xiàn)代微波遙感數(shù)據(jù)可以得到大尺度的土壤水分,但分辨率低。本文利用CLDAS數(shù)據(jù),將機器算法應(yīng)用到遙感影像指數(shù)運算中,開展土壤水分的降尺度研究。論文分別采用OLS算法、Bagging算法、BRT算法和隨機森林算法模型建立MODIS光學(xué)遙感數(shù)據(jù)（LST、Albedo、NDVI、ET）與土壤水分的關(guān)系模型。研究結(jié)果表明:四種算法中隨機森林算法的擬合效果更優(yōu)（R²=0.961 28,RMSE=0.006 99）。利用該算法算出降尺度后的土壤體積水分,可以得到大尺度且空間分辨率更高的土壤水分數(shù)據(jù)。大清河流域西北部土壤含水量高于東南部,土壤含水量差異可達0.2 mm³/mm³,在流域土壤含水量空間分布的季節(jié)變化顯著,3月土壤水分低至0.16 mm³/mm³,9月土壤水分高達0.33 mm³/mm³。 

【文章來源】：水利水電技術(shù). 2019,50(10)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

大清河流域地理位置及高程

發(fā)，在缺乏實測土壤水分情況下，可以保證在相同空間尺度上對數(shù)據(jù)進行驗證，如果使用地面點測量的土壤水分數(shù)據(jù)，就會面臨點數(shù)據(jù)和面尺度的誤差問題。另一方面受土地利用類型的影響，土壤水分值在林地、耕地等處數(shù)值高，在人類建設(shè)活動區(qū)等處數(shù)值低，隨機籠統(tǒng)地將整個流域的土壤水分數(shù)據(jù)分成兩部分進行建模和驗證，會對土壤水分數(shù)據(jù)的反演精度有一定的影響。3.2大清河流域土壤含水率空間分布綜上所述，衡量4種機器學(xué)習方法可知，ＲF模型的精度和預(yù)測能力要高于其他3種模型，估選�。褾模型對CLDAS土壤水分進行降尺度。圖3(a)大清河流域0～10cm的原始CLDAS土壤水分，圖3(b)為降尺度后土壤水分的空間分布結(jié)果，降尺度后將大清河流域土壤水分數(shù)據(jù)空間分辨率提高到1km，能夠滿足中小研究尺度范圍內(nèi)的數(shù)據(jù)精度要求，彌補了CLDAS土壤水分產(chǎn)品分辨率低的缺點，擴大CLDAS土壤水分數(shù)據(jù)的應(yīng)用范圍。從整體上看，隨機森林算法將大清河流域大部分地區(qū)的土壤水分細節(jié)都保留并且變得更細致，CLDAS土壤水分和降尺度后的土壤水分分布在高海拔地區(qū)表現(xiàn)較高的土壤水分，土壤水分高低趨勢都能很好地對應(yīng)相應(yīng)的區(qū)域，土壤體積含水量高達0.36mm3/mm3，比東南部地勢的的地區(qū)多0.2mm3/mm3。結(jié)合地勢分布分析，從東海吹來的水汽經(jīng)過大清河流域西北部，海拔高的地方容易形成降雨，降雨強度較大，土壤含水量也較高。但在大清河流域東部廊坊區(qū)域存在一個明顯高估的區(qū)域，原始的CLDAS土壤濕度實際低于0.25mm3/mm3，降尺度后該區(qū)域土壤水分值高于0.3mm3/mm3，這與圖2中ＲF算法對低的值存在高估相符。根據(jù)ＲF降尺度方法，計算大圖3原始CLDAS和隨機森林降尺度后土壤水分估算空間圖對比清河流域2018年4季的土壤水分反演結(jié)果?

吳穎菊，等∥基于CLDAS數(shù)據(jù)和機器算法模型的大清河流域地表土壤濕度降尺度研究水利水電技術(shù)第50卷2019年第10期圖4大清河流域2018年土壤水分四季空間分布示意利用類型也有高度聯(lián)系，因此，在以后的研究中，應(yīng)考慮上降雨量、高程和土地利用類型等因素。4結(jié)論和展望本研究以大清河流域為研究區(qū)，不同的機器算法CLDAS土壤體積水分與土壤水分相關(guān)的產(chǎn)品和指數(shù)，利用OLS、Bagging、BＲT和ＲF算法建立回歸。(1)4種機器算法模型擬合土壤水分的精度由高到低的順序依次是ＲF、BＲT、Bagging、OLS。ＲF算法的預(yù)測精度最高，ＲMSE=0.00699和Ｒ2=0.95128，OLS算法效果最差，Ｒ2=0.72366和ＲMSE=0.01715。(2)CLDAS原始的土壤含水量數(shù)據(jù)空間分辨率從7km提高到1km，提高了土壤含水量影像的清晰度，滿足流域尺度研究精度的要求，為大清河流域日后的水文以及旱情監(jiān)測提供了有效依據(jù)。(3)大清河流域表層土壤水分時空分布差異較大，空間分布上，海拔更高，土壤含水量更大，一年四季的表層土壤水有明顯的差異，主要是降雨強度影響表層土壤含水量的變化。未來研究中應(yīng)該增加高程、降水，土地利用類型和其他水文因子，增強模型對土壤水分的擬合精度。由于大清河流域缺乏大量的實測數(shù)據(jù)以供檢驗，本文以CLDAS土壤體積含水量作為實測的土壤水分數(shù)據(jù)，目前對CLDAS土壤水分的降尺度研究還較為缺乏，本文是對該研究的一個補充;同時因為MO-DIS每日的數(shù)據(jù)成像質(zhì)量較差，所以本文采用的是一個月合成影像與對應(yīng)的月1～10cm的CLDAS土壤體積含水量進行降尺度，存在一定誤差。不同的土地利用類型的土壤水分差異明顯，將整個流域的土壤水分數(shù)據(jù)分成兩部分進行建模和驗證，會對土壤水分數(shù)據(jù)的反演精度有一定地影響通過高質(zhì)量的清晰的實時的土壤水分數(shù)

【參考文獻】：
期刊論文
[1]疏勒河流域土壤含水率反演[J]. 郭曉娟,周妍妍,郭建軍,陳冠光,岳東霞.  干旱區(qū)研究. 2018(06)
[2]基于CLDAS2.0驅(qū)動數(shù)據(jù)的中國區(qū)域土壤濕度模擬與評估[J]. 師春香,姜立鵬,朱智,姜志偉,梁曉,韓帥,張濤.  江蘇農(nóng)業(yè)科學(xué). 2018(04)
[3]Boosting和Bagging綜述[J]. 沈?qū)W華,周志華,吳建鑫,陳兆乾.  計算機工程與應(yīng)用. 2000(12)
[4]利用氣象衛(wèi)星遙感監(jiān)測土壤含水量[J]. 裴浩,范一大,烏日娜.  干旱區(qū)資源與環(huán)境. 1999(01)

碩士論文
[1]中國區(qū)域多源主被動微波遙感土壤濕度產(chǎn)品融合研究[D]. 莊媛.南京信息工程大學(xué) 2014
[2]大清河流域可利用水資源量演變規(guī)律研究[D]. 劉文靜.河北工程大學(xué) 2014
[3]基于遙感影像對土壤水分反演的研究[D]. 吳超.西安科技大學(xué) 2011
[4]基于MODIS數(shù)據(jù)的北京地區(qū)土壤含水量遙感信息模型研究[D]. 趙立軍.中國農(nóng)業(yè)大學(xué) 2004



本文編號：3213049