检索结果-南通市图书馆

基于Sentinel-1/2改进极化指数和纹理特征的土壤含盐量反演模型

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第1期55卷 175-185页

作者：张智韬贺玉洁殷皓原项茹陈俊英杜瑞麒西北农林科技大学水利与建筑工程学院陕西杨凌712100 西北农林科技大学旱区农业水土工程教育部重点实验室陕西杨凌712100

目前Sentinel-1/2协同反演植被土壤含盐量的研究大多是基于Sentinel-2光谱信息和Sentinel-1后向散射系数,没有考虑Sentinel-2光谱信息容易受土壤亮度等信息影响,Sentinel-1后向散射系数容易受土壤粗糙度和水分影响。为进一步提高Sentine... 详细信息

目前Sentinel-1/2协同反演植被土壤含盐量的研究大多是基于Sentinel-2光谱信息和Sentinel-1后向散射系数,没有考虑Sentinel-2光谱信息容易受土壤亮度等信息影响,Sentinel-1后向散射系数容易受土壤粗糙度和水分影响。为进一步提高Sentinel-1/2协同反演植被土壤含盐量的精度,用水云模型对雷达卫星后向散射系数进行校正,消除植被影响;然后协同Sentinel-2纹理特征,基于VIP、OOB、PCA 3种变量筛选和RF、ELM、Cubist 3种机器学习回归模型构建植被土壤含盐量反演模型。研究结果表明:经过水云模型去除植被影响后的雷达后向散射系数及其极化组合指数与土壤含盐量的相关性有一定程度的提高。不同变量选择方法与不同机器学习方法耦合模型在反演土壤含盐量中,OOB变量筛选方法与RF、ELM和Cubist 3种机器学习方法的耦合模型精度最佳,建模集和验证集的R2都在0.750以上,且验证集的RMSE和MAE均最小;其中OOB-Cubist耦合模型精度最高,且R_(v)^(2)/R_(c)^(2)为0.955,具有良好的鲁棒性。研究可为机器学习协同物理模型、光学卫星协同雷达卫星在土壤含盐量反演中的进一步应用提供思路。

关键词：土壤含盐量 Sentinel-1/2 纹理特征水云模型机器学习改进极化指数

在线全文

学校读者我要写书评

暂无评论

基于水云模型标定的土壤水分反演研究

基于水云模型标定的土壤水分反演研究

作者：王锡刚吉林大学

学位级别：硕士

土壤水分在农业生产、环境保护、土地资源管理等方面具有重要的作用。农田土壤水分的高时空分辨率和高精度监测和评估对农业旱涝灾害评价、灌溉指导和遥感估产等方面具有重要意义。本文在海南省文昌市、河北省雄安区、新疆石河子市、黑... 详细信息

土壤水分在农业生产、环境保护、土地资源管理等方面具有重要的作用。农田土壤水分的高时空分辨率和高精度监测和评估对农业旱涝灾害评价、灌溉指导和遥感估产等方面具有重要意义。本文在海南省文昌市、河北省雄安区、新疆石河子市、黑龙江省友谊县选取研究区域,基于同步雷达卫星数据、多光谱卫星数据和地表实测数据对不同植被类型下的水云模型进行标定。基于标定好的水云模型构建了土壤水分反演算法,并使用实测的土壤水分数据对反演结果进行了验证。本论文主要工作如下:(1)地块尺度的FFT滤波算法。为降低雷达卫星散斑噪声对水云模型标定的影响,统计分析了不同地物在地块尺度上雷达影像散斑噪声的自相关长度,构建了自相关长度与噪声周期之间的关系。根据噪声周期与影像频率域中分量的关系,确定了最佳FFT滤波窗口半径的大小,使雷达影像在降低噪声的同时保持了地物边界的清晰。(2)植被含水量反演模型的构建。植被含水量是构成水云模型中植被散射分量的重要参数,为精确估算植被含水量,针对不同植被类型,评价分析了7种植被指数与植被含水量之间的相关系数,并根据相关性的大小建立了植被指数与植被含水量之间的关系方程。(3)去垄行结构影响差值动态估算模型的构建。在垄行结构地表区域使用水云模型进行土壤水分反演时,要注意地表散射分量中垄行结构散射分量的影响。本文基于理论裸土散射模型对有/无垄结构粗糙表面的后向散射系数进行理论模拟,将垄行结构散射分量与各地表参数使用机器学习的方法构建了去垄行结构影响差值动态估算模型,进一步精确了水云模型中地表散射分量的精度。(4)水云模型的标定。基于以上几点工作内容,最大限度的保证了水云模型输入参数和输入分量的精确性。根据不同植被类型,构建了模型标定代价函数,计算得到了不同植被类型不同极化下水云模型的标定系数一套,拓展了模型在不同地表结构上的适应性。(5)大面积区域土壤水分反演。基于标定好的水云模型和滤波后的雷达影像和多光谱影像对实验区进行土壤水分反演,将反演结果与实测值进行验证,5种植被下土壤水分反演精度R皆大于0.51,反演结果RMSE皆小于0.05cm/cm,总体反演精度较高。基于以上研究,提高了水云模型在不同地表结构表面的模型适应性,对农田区域植被覆盖下土壤水分的高精度反演具有重要的意义。

关键词：合成孔径雷达土壤水分水云模型裸土散射植被散射

PROSAIL模型和水云模型耦合反演农田土壤水分

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

农业工程学报 2018年第20期34卷 117-123页

作者：蔡庆空李二俊陶亮亮蒋瑞波河南工程学院土木工程学院郑州451191 河南工程学院人文社会科学学院郑州451191 南京信息工程大学地理科学学院南京210044

土壤水分的实时、动态监测对农业生产及作物估产有着非常重要的意义。该文提出一种光学和雷达遥感半经验耦合模型,该模型通过引入植被覆盖度将作物覆盖下的散射贡献与裸露地表的直接散射贡献区分开,结合水云模型和PROSAIL模型对农田区... 详细信息

土壤水分的实时、动态监测对农业生产及作物估产有着非常重要的意义。该文提出一种光学和雷达遥感半经验耦合模型,该模型通过引入植被覆盖度将作物覆盖下的散射贡献与裸露地表的直接散射贡献区分开,结合水云模型和PROSAIL模型对农田区域土壤水分进行反演研究。结果表明:该耦合模型模拟得到的后向散射系数与实测值之间具有较好的线性关系,在HH和VV极化下决定系数R2分别为0.792和0.723,RMSE分别为0.600和0.837 dB。同时该模型对农田区域土壤水分的反演精度也较高,其R2为0.809,RMSE为0.043cm3/cm3。因此该模型可以有效分离农田作物及裸露土壤对雷达信号的影响,准确建立地表直接后向散射贡献与土壤水分的关系,为大面积复杂地表类型覆盖区域的土壤水分反演提供研究思路和理论支持。

关键词：土壤水分叶面积指数水云模型植被覆盖度后向散射系数半经验耦合模型

考虑地表粗糙度改进水云模型反演西班牙农田地表土壤含水率

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2019年第24期35卷 129-135页

作者：马腾韩玲刘全明长安大学地球科学与资源学院西安710054 内蒙古农业大学水利与土木建筑工程学院呼和浩特010018 陕西省土地整治重点实验室西安710054

土壤含水率是农业、环境、气象等领域进行建模的重要参数。该研究将微波遥感与光学遥感相结合,利用Sentinel-1数据交叉极化比及变换土壤调节植被指数对地表粗糙度进行估计,构建了一种改进的水云模型(modifiedwatercloud model, MWCM)。... 详细信息

土壤含水率是农业、环境、气象等领域进行建模的重要参数。该研究将微波遥感与光学遥感相结合,利用Sentinel-1数据交叉极化比及变换土壤调节植被指数对地表粗糙度进行估计,构建了一种改进的水云模型(modifiedwatercloud model, MWCM)。分析将NDVI、NDWI和NDWI1725,2200等植被指数作为植被冠层含水率时,水云模型(water cloud model,WCM)及MWCM农田地表土壤含水率的反演精度。结果表明:从总体精度上来看,MWCM的反演精度优于WCM。在不同植被覆盖度情况下:当植被覆盖度为中、低程度(NDVI<0.5),MWCM具有较高的反演精度;在较高的植被覆盖度情况下(NDVI≥0.5),WCM与MWCM的反演精度较为接近。MWCM可有效的建立微波后向散射系数与地表土壤水分的关系,提高土壤含水率反演精度,为各种地表覆盖类型的土壤含水率反演提供研究思路及理论支持。

关键词：土壤水分模型地表粗糙度水云模型冠层含水率反演精度

基于改进水云模型和Radarsat-2数据的农田土壤含水量估算

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2016年第22期32卷 146-153页

作者：杨贵军岳继博李长春冯海宽杨浩兰玉彬北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 农业部农业信息技术重点实验室北京100097 河南理工大学测绘与国土信息工程学院焦作454000 北京市农业物联网工程技术研究中心北京100097

为了直接将雷达遥感中"水云模型"进行反演应用,该研究将"水云模型"中植被参数改为雷达植被指数,利用全极化数据直接支持遥感反演土壤含水量,无需遥感反演植被参数输入。改进模型为利用雷达遥感结合"水云模型"进行土壤含水量监测提供了... 详细信息

为了直接将雷达遥感中"水云模型"进行反演应用,该研究将"水云模型"中植被参数改为雷达植被指数,利用全极化数据直接支持遥感反演土壤含水量,无需遥感反演植被参数输入。改进模型为利用雷达遥感结合"水云模型"进行土壤含水量监测提供了一种高效便捷方法。基于Radarsat-2全极化数据对冬小麦覆盖的农田土壤含水量进行估算,利用2014年在陕西杨凌区获取的4个生育期内Radarsat-2卫星数据及同步田间测量108组冬小麦农田土壤含水量地面测量数据进行模型参数校正和精度验证。验证结果精度为:改进的雷达植被指数模型>原叶面积指数模型(实测叶面积指数验证)>原叶面积指数模型(光学遥感反演叶面积指数验证),且改进的雷达植被指数模型可以在多个生育期内对农田土壤含水量进行监测。

关键词：土壤水分植被水云模型 Radarsat-2 冬小麦叶面积指数

融合多源遥感数据的夏玉米土壤水分反演方法对比研究

在线全文

学校读者我要写书评

暂无评论

节水灌溉 2024年第3期 91-98页

作者：阙艳红吴苏姜明梁张成才李风波李炎朋河南中原光电测控技术有限公司郑州450047 中国电子科技集团公司第二十七研究所郑州450047 郑州大学水利与交通学院郑州450001 中国农业科学院农田灌溉研究所河南新乡453002

为了解决在夏玉米植株高度较高(>1.5 m)情况下,无人机遥感土壤水分反演过程中冠层与地表之间多次散射对微波后向散射的衰减问题,寻找合适的反演方法。通过融合运用无人机多光谱和热红外数据、Sentinel-1A SAR卫星数据,结合田间实测数据... 详细信息

为了解决在夏玉米植株高度较高(>1.5 m)情况下,无人机遥感土壤水分反演过程中冠层与地表之间多次散射对微波后向散射的衰减问题,寻找合适的反演方法。通过融合运用无人机多光谱和热红外数据、Sentinel-1A SAR卫星数据,结合田间实测数据,对植被覆盖下的土壤水分反演与精度验证进行研究;采用温度植被干旱指数(TVDI)、水云模型(WCM)以及引入MIMICS模型参数的改进水云模型(Improved WCM)3种方法进行土壤水分反演。其中,TVDI方法拔节期反演精度R2为0.50(10 cm)和0.42(20 cm),乳熟期反演精度R2为0.49(10 cm)和0.46(20 cm);WCM方法拔节期反演精度R2为0.53(10 cm)和0.44(20 cm),乳熟期反演精度R2为0.18(10 cm)和0.02(20 cm);Improved WCM方法拔节期反演精度为0.76(10 cm)和0.69(20 cm),乳熟期反演精度为0.78(10 cm)和0.74(20 cm)。采用引入MIMICS模型参数的改进水云模型方法得到的夏玉米2个生育期的反演效果,明显优于水云模型方法和温度植被干旱指数方法;3种方法的2个生育期反演精度均为10 cm高于20 cm。因此,引入MIMICS模型参数的改进水云模型方法更适合于玉米植株较高情况下的10 cm土壤含水量反演。

关键词：土壤水分多源遥感反演水云模型温度植被干旱指数TVDI MIMICS模型数据融合

水云模型于L波段SAR和中国北方森林的适用性分析

在线全文

学校读者我要写书评

暂无评论

遥感信息 2013年第4期28卷 44-49页

作者：戴玉芳凌飞龙福州大学空间数据挖掘与信息共享教育部重点实验室福州350002

水云模型假定来自植被体的体散射是主导散射机制,二面角散射可以忽略;这一假定是否适用于穿透性较强的L波段SAR和中国东北森林有待研究。本文以黑龙江省逊克县森林和ALOS PALSAR全极化数据为基础,分析典型地物的Yamaguchi极化分解散射... 详细信息

水云模型假定来自植被体的体散射是主导散射机制,二面角散射可以忽略;这一假定是否适用于穿透性较强的L波段SAR和中国东北森林有待研究。本文以黑龙江省逊克县森林和ALOS PALSAR全极化数据为基础,分析典型地物的Yamaguchi极化分解散射分量的直方图,研究中国东北典型森林在L波段的散射机制,以确定水云模型的适用性。结果表明,体散射是该地区森林的主导散射机制,树干-地面的二面角散射可以忽略,水云模型的假设条件满足,可以应用于L波段SAR和中国东北森林。

关键词：水云模型雷达极化蓄积量 Yamaguchi四分量分解

基于水云模型的Sentinel-1A双极化反演植被覆盖区土壤水分

在线全文

学校读者我要写书评

暂无评论

水土保持研究 2019年第5期26卷 39-44页

作者：李伯祥陈晓勇徐雯婷东华理工大学测绘工程学院南昌330013 流域生态与地理环境监测国家测绘地理信息局重点实验室南昌330013 江西省数字国土重点实验室南昌330013

根据开展的景县地区玉米农田主被动微波遥感协同反演土壤水分监测试验,提出利用FY-3 B WMRI被动微波数据计算微波极化差异指数(MPDI),建立了植被层含水量反演模型,去除植被含水量对于农田土壤水分反演的影响,然后结合植被层含水量反演... 详细信息

根据开展的景县地区玉米农田主被动微波遥感协同反演土壤水分监测试验,提出利用FY-3 B WMRI被动微波数据计算微波极化差异指数(MPDI),建立了植被层含水量反演模型,去除植被含水量对于农田土壤水分反演的影响,然后结合植被层含水量反演模型和水云模型,以及Sentinel-1A主动微波数据和部分实测样点土壤体积含水量数据建立植被覆盖区农田土壤水分半经验反演模型,最后验证分析Sentinel-1A VV/VH不同极化条件下土壤水分反演模型的精度。结果表明:VV极化条件下土壤水分反演模型反演精度为R^2=0.7422,RMSE=0.0674 cm^3/cm^3,MAE=0.0305 cm^3/cm^3,MaxE为0.1196 cm^3/cm^3,MinE=0.0024 cm^3/cm^3;VH极化模型为R^2=0.1898,RMSE=0.0768 cm^3/cm^3,MAE=0.0474 cm^3/cm^3,MaxE=0.1933 cm^3/cm^3,MinE=0.0190 cm^3/cm^3。研究区VH极化模型反演值存在普遍偏低现象,VV极化模型土壤水分反演结果优于VH极化模型。VV极化方式具有更强的穿透性,受到植被层衰减作用影响较小,对土壤水分含量变化也更为敏感。建立的VV极化条件下土壤水分反演半经验模型能较好地表征研究区土壤水分空间分布情况。

关键词：主被动微波土壤水分水云模型双极化

利用RADARSAT-2雷达数据与改进的水云模型反演冬小麦叶面积指数

在线全文

学校读者我要写书评

暂无评论

麦类作物学报 2016年第2期36卷 236-242页

作者：陶亮亮李京蒋金豹陈曦蔡庆空北京师范大学地表过程与资源生态国家重点实验室北京100875 北京师范大学环境演变与自然灾害教育部重点实验室北京100875 中国矿业大学(北京)地球科学与测绘工程学院北京100083

利用微波遥感反演植被参数往往受到植被分布不均、稀疏植被覆盖、地表裸土等因素影响,导致微波遥感用于农业参数估计的效果不佳。为解决微波遥感反演地表植被参数的问题,本研究在原有的水云模型基础上引入植被覆盖度以及裸土对于雷达后... 详细信息

利用微波遥感反演植被参数往往受到植被分布不均、稀疏植被覆盖、地表裸土等因素影响,导致微波遥感用于农业参数估计的效果不佳。为解决微波遥感反演地表植被参数的问题,本研究在原有的水云模型基础上引入植被覆盖度以及裸土对于雷达后向散射系数的直接作用信息,提出一种改进的水云模型,并充分考虑地表植被的覆盖分布情况,结合地面实测数据及RADARSAT-2雷达数据对改进模型进行验证,然后根据改进模型通过查找表法反演出植被含水量,最后利用叶面积指数与植被含水量的经验关系间接得到叶面积指数的估测值。结果表明,改进的水云模型对后向散射系数的模拟精度比原有的水云模型精度高,模拟的决定系数在HH和VV极化时分别为0.850和0.739,均方根误差分别为0.918dB和1.475dB。由此可见,改进的模型对研究区植被条件更为敏感,能够较好地分离出植被与土壤信息对雷达后向散射系数的影响,同时利用其反演得到的叶面积指数精度较高,决定系数达到0.841,均方根误差为0.233。

关键词：水云模型 RADARSAT-2 叶面积指数植被覆盖度植被含水量后向散射系数