土壤含水量是水文、氣象、農(nóng)業(yè)和生態(tài)等領域中的關鍵指標,對土壤含水量進行宏觀、動態(tài)的監(jiān)測可為土壤旱情分析、區(qū)域洪澇預警、土地退化預報以及生態(tài)環(huán)境評估等提供有效信息。遙感技術的發(fā)展為獲取大范圍、長時間的土壤含水量實時信息提供了有效途徑。遙感反演是指基于地物電磁波產(chǎn)生的遙感影像特征去反推目標的實時狀態(tài)參數(shù),即將遙感數(shù)據(jù)轉(zhuǎn)變?yōu)楦鞣N地表實用參數(shù)的過程。目前針對土壤含水量的遙感反演模型可分為經(jīng)驗模型與物理模型:經(jīng)驗模型構造簡單、便于實踐但監(jiān)測精度有限;物理模型具有堅實的理論基礎,但涉及參數(shù)過多、適用性較差。本文綜合了經(jīng)驗模型與物理模型的優(yōu)點,選擇青藏高原為研究區(qū)、以MODIS衛(wèi)星傳感器資料作為主要數(shù)據(jù)源,構建了基于集成學習的土壤含水量遙感反演模型。本文主要研究內(nèi)容和結論如下:（1）土壤含水量相關光譜參數(shù)的提取收集并整理了青藏高原地區(qū)土壤溫濕度實測數(shù)據(jù)以及遙感數(shù)據(jù),完成了相關數(shù)據(jù)預處理操作;基于土壤的光譜反射特性,以MODIS地表反射率產(chǎn)品MOD09A1為數(shù)據(jù)源,對植被指數(shù)、植被覆蓋度和葉面積指數(shù)等土壤含水量相關的光譜參數(shù)進行了反演。（2）基于隨機森林的地表溫度重建基于隨機森林算法對MODIS地表溫... 

【文章來源】： 程淵 電子科技大學

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【部分圖文】：

Bagging流程圖

第二章集成學習基本原理13調(diào)整并得到訓練集2，使得先前“弱學習器1”結果錯誤的樣本在下一輪迭代過程中受到更多關注；然后使用訓練集2上訓練得到“弱學習器2”；重復進行上述過程，直至滿足終止條件，最終預測結果為各基學習器結果的加權和。Adaboost是Boosting算法簇中最具有代表性的一種提升方法，它最早由Freund等人[35]提出。Adaboost全名為AdaptiveBoosting，即自適應提升算法，它的算法流程如圖2-3所示。圖2-3Boosting流程圖從圖中可以看出，Adaboost算法根據(jù)學習誤差率來評估各“弱學習器”在每輪迭代過程中的表現(xiàn)，采用權重系數(shù)來衡量每個樣本示例的被關注度。對于二分類問題，真實函數(shù)為，初始訓練集，在訓練開始前，中每個樣本被賦予相同的權重系數(shù)，樣本初始權重系數(shù)分布為：(2-12)上式中，為第一次迭代中所有樣本的權重系數(shù)向量，為第一次迭代時第一個樣本的權重系數(shù)，為樣本總數(shù)。第一輪訓練完成后可得到基學習器，它在訓練集上的學習誤差率為：

青藏高原素有“世界屋脊”和“第三極”之稱，它是一個由山系和高原組成的山脈體系。青藏高原地處北緯 26.00°至 39.47°N，東經(jīng) 73.19°至 104.47°E 之間，橫跨中國、不丹、巴基斯坦、尼泊爾、阿富汗、印度、塔吉克斯坦和吉爾吉斯斯坦八個國家，南起喜馬拉雅山脈，北達昆侖山、阿爾金山和祁連山北緣，西抵為帕米爾高原和喀喇昆侖山脈，東至橫斷山區(qū)，覆蓋面積約為 250 萬平方公里[37]。 由全球地表覆蓋數(shù)據(jù)合成可得到青藏高原地物覆蓋類型圖（見圖 3-1），該數(shù)據(jù)由全球地表覆蓋數(shù)據(jù)（GlobalLand30）分發(fā)網(wǎng)站（http://www.globallandcover.com）提供下載。從圖 3-1 可以看出，青藏高原地區(qū)一級地表覆蓋類型包括耕地、森林、草地、灌木、濕地、水體、凍原、人造覆蓋、裸地、冰川和永久積雪，其中草地、森林和裸土為其主要地物覆蓋類型。

【參考文獻】：
期刊論文
[1]基于支持向量機回歸算法的土壤水分光學與微波遙感協(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. 2017(06)
[2]基于光學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.  地球物理學報. 2017 (07)
[3]基于AMSR-E反演青藏高原夏季表層土壤濕度[J]. 李哲,王磊,王林,李謝輝,肖國杰.  高原氣象. 2017(01)
[4]L波段主被動微波協(xié)同反演裸土土壤水分[J]. 馬紅章,劉素美,彭愛華,孫林,孫根云.  農(nóng)業(yè)工程學報. 2016(19)
[5]風云三號溫度植被指數(shù)反演土壤濕度研究[J]. 石玉,宮恒瑞,張旭,李聰.  測繪科學. 2015(11)
[6]青藏高原南緣關鍵區(qū)夏季水汽輸送特征及其與高原降水的關系[J]. 解承瑩,李敏姣,張雪芹,關學鋒.  高原氣象. 2015(02)
[7]基于多種植被指數(shù)的土壤含水量估算方法[J]. 吳海龍,余新曉,張振明,張艷.  光譜學與光譜分析. 2014(06)
[8]基于MODIS短波紅外光譜特征的土壤含水量反演[J]. 姚云軍,秦其明,趙少華,袁蔚林.  紅外與毫米波學報. 2011(01)
[9]祁連山氣候的空間差異與地理位置和地形的關系[J]. 賈文雄.  干旱區(qū)研究. 2010(04)
[10]青藏高原熱力作用對北半球氣候影響的研究[J]. 周秀驥,趙平,陳軍明,陳隆勛,李維亮.  中國科學(D輯:地球科學). 2009(11)



本文編號：2948822