發(fā)布時(shí)間：2018-06-06 10:39

  本文選題：協(xié)同反演 + 后向散射系數(shù)��； 參考：《成都理工大學(xué)》2017年碩士論文

【摘要】：土壤水分是陸地表面過程中非常重要的參數(shù)之一,對(duì)全球水循環(huán)、氣候變化監(jiān)測(cè)以及能量平衡有著重要的意義。不僅如此,在人類的生產(chǎn)生活中,土壤水分不僅是農(nóng)作物生長(zhǎng)發(fā)育的基本條件,同時(shí)還影響著能量的轉(zhuǎn)換與消耗,在地表徑流等過程中扮演著重要角色。因此,建立一套準(zhǔn)確有效、實(shí)時(shí)動(dòng)態(tài)的土壤水分監(jiān)測(cè)系統(tǒng)對(duì)農(nóng)業(yè)生產(chǎn)、防旱減災(zāi)以及生態(tài)環(huán)境評(píng)價(jià)有著重要的科學(xué)意義。本文針對(duì)農(nóng)業(yè)用地等較為低矮植被覆蓋區(qū)域,建立了適合的土壤水分的方法。該方法以土壤散射模型和植被散射模型為理論依據(jù),利用水云模型模擬植被的后向散射以及植被對(duì)土壤后向散射的雙程衰減,利用被動(dòng)光學(xué)遙感數(shù)據(jù)模擬的葉面積指數(shù)作為植被冠層結(jié)構(gòu)參數(shù)輸入水云模型,使該模型能夠適用于大尺度的植被后向散射模擬,再利用Oh模型對(duì)土壤的后向散射部分進(jìn)行模擬,從而建立了一種主被動(dòng)遙感協(xié)同反演土壤水分的新方法。由于水云模型中原有的土壤后向散射模擬項(xiàng)為簡(jiǎn)單的線性方程,通過利用Oh模型替換掉原始水云模型中的土壤后向散射模擬項(xiàng),增加考慮了土壤粗糙度對(duì)后向散射的影響,使模型對(duì)土壤后向散射的描述更加準(zhǔn)確,從而提高模型的模擬精度。最后本文選取甘肅省黑河流域中游張掖地區(qū)的盈科綠洲農(nóng)業(yè)灌區(qū)為研究區(qū)域,以主動(dòng)微波遙感Envisat ASAR數(shù)據(jù)、被動(dòng)光學(xué)遙感Landsat-5 TM數(shù)據(jù)以及研究區(qū)實(shí)地觀測(cè)數(shù)據(jù)為基礎(chǔ),對(duì)模型的可行性以及反演精度進(jìn)行了對(duì)比驗(yàn)證。研究結(jié)果表明,通過利用研究區(qū)的實(shí)地觀測(cè)數(shù)據(jù)對(duì)模型的模擬結(jié)果進(jìn)行檢驗(yàn),改進(jìn)的水云模型模擬得到的土壤水分值相比于傳統(tǒng)水云模型的模擬結(jié)果具有更高的精度。同時(shí)也發(fā)現(xiàn)改進(jìn)后的模型在對(duì)土壤較為濕潤(rùn)條件下的土壤水分模擬結(jié)果相比于干燥條件下的精度有所降低,但相比于傳統(tǒng)水云模型而言整體有所改善。所以,今后的研究工作還需進(jìn)一步對(duì)植被覆蓋相對(duì)密集和土壤水分變化較大的區(qū)域進(jìn)行。
[Abstract]:Soil moisture is one of the most important parameters in the process of land surface, which is of great significance to global water cycle, climate change monitoring and energy balance. Moreover, in human life, soil moisture is not only the basic condition for the growth and development of crops, but also affects the energy conversion and consumption, and plays an important role in the process of surface runoff. Therefore, it is of great scientific significance to establish a set of accurate and effective, real-time and dynamic soil moisture monitoring system for agricultural production, drought prevention and disaster reduction and ecological environment evaluation. In this paper, a suitable method of soil moisture was established for low vegetation cover areas such as agricultural land. Based on the soil scattering model and vegetation scattering model, the water cloud model is used to simulate the backscattering of vegetation and the two-way attenuation of backscattering by vegetation. The leaf area index simulated by passive optical remote sensing data is used as the parameters of vegetation canopy structure to input into the water cloud model, which makes the model suitable for large-scale vegetation backscattering simulation. The backscattering part of soil was simulated by Oh model, and a new method of soil moisture retrieval by active and passive remote sensing was established. Because the original soil backscattering simulation term in the water cloud model is a simple linear equation, by replacing the soil backscattering simulation term in the original water cloud model with Oh model, the effect of soil roughness on backscattering is considered. The model is more accurate to describe the backscattering of soil, and the simulation accuracy of the model is improved. Finally, this paper selects Yingke Oasis Agricultural Irrigation area in the middle reaches of Heihe River Basin of Gansu Province as the research area, based on active microwave remote sensing Envisat ASAR data, passive optical remote sensing Landsat-5 TM data and field observation data. The feasibility and inversion accuracy of the model are compared and verified. The results show that the simulation results of the improved water cloud model are more accurate than those of the traditional water cloud model by using the field observation data of the study area. At the same time, it is also found that the precision of the improved model is lower than that of the dry model, but the overall improvement is compared with the traditional water cloud model. Therefore, further research work should be carried out in areas where vegetation cover is relatively dense and soil moisture changes greatly.
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：S152.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王長(zhǎng)委;胡月明;沈德才;葉永昌;李成鋼;;多源光學(xué)遙感數(shù)據(jù)估算桉樹森林生物量[J];測(cè)繪通報(bào);2014年12期

2 王錄倉(cāng);高靜;;基于灌區(qū)尺度的聚落與水土資源空間耦合關(guān)系研究——以張掖綠洲為例[J];自然資源學(xué)報(bào);2014年11期

3 宋小寧;馬建威;李小濤;冷佩;周芳成;李爽;;基于Hyperion高光譜數(shù)據(jù)的植被冠層含水量反演[J];光譜學(xué)與光譜分析;2013年10期

4 肖艷芳;周德民;趙文吉;;輻射傳輸模型多尺度反演植被理化參數(shù)研究進(jìn)展[J];生態(tài)學(xué)報(bào);2013年11期

5 陳書林;劉元波;溫作民;;衛(wèi)星遙感反演土壤水分研究綜述[J];地球科學(xué)進(jìn)展;2012年11期

6 施建成;杜陽(yáng);杜今陽(yáng);蔣玲梅;柴琳娜;毛克彪;徐鵬;倪文儉;熊川;劉強(qiáng);劉晨洲;郭鵬;崔倩;李云青;陳晶;王安琪;羅禾佳;王殷輝;;微波遙感地表參數(shù)反演進(jìn)展[J];中國(guó)科學(xué):地球科學(xué);2012年06期

7 余凡;趙英時(shí);李海濤;;基于遺傳BP神經(jīng)網(wǎng)絡(luò)的主被動(dòng)遙感協(xié)同反演土壤水分[J];紅外與毫米波學(xué)報(bào);2012年03期

8 楊貴軍;趙春江;邢著榮;黃文江;王紀(jì)華;;基于PROBA/CHRIS遙感數(shù)據(jù)和PROSAIL模型的春小麥LAI反演[J];農(nóng)業(yè)工程學(xué)報(bào);2011年10期

9 柳藝博;居為民;朱高龍;陳鏡明;邢白靈;朱敬芳;周艷蓮;;內(nèi)蒙古不同類型草地葉面積指數(shù)遙感估算[J];生態(tài)學(xué)報(bào);2011年18期

10 李海洋;范文義;于穎;楊曦光;;基于Prospect,Liberty和Geosail模型的森林葉面積指數(shù)的反演[J];林業(yè)科學(xué);2011年09期

相關(guān)博士學(xué)位論文 前1條

1 武勝利;基于TRMM的主被動(dòng)微波遙感結(jié)合反演土壤水分算法研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

相關(guān)碩士學(xué)位論文 前9條

1 金夢(mèng)婷;基于合成孔徑雷達(dá)衛(wèi)星數(shù)據(jù)反演表層土壤含水量的研究[D];杭州師范大學(xué);2016年

2 閆昕;黑河中游灌區(qū)不同尺度灌溉水有效利用系數(shù)估算[D];中國(guó)水利水電科學(xué)研究院;2015年

3 董洲;植被遙感識(shí)別與葉面積指數(shù)反演方法研究[D];安徽大學(xué);2015年

4 石鋒;基于HJ-1B星影像和PROSAIL模型相思樹LAI反演[D];福建師范大學(xué);2012年

5 姜良美;基于微波遙感農(nóng)田土壤水分反演研究[D];湖南科技大學(xué);2012年

6 孫曉;基于CASI高光譜遙感數(shù)據(jù)估測(cè)森林葉面積指數(shù)研究[D];中國(guó)林業(yè)科學(xué)研究院;2012年

7 朱海珍;多時(shí)相ENVISAT ASAR數(shù)據(jù)森林制圖及參數(shù)反演研究[D];北京林業(yè)大學(xué);2006年

8 許小燕;表層土壤水分預(yù)測(cè)下層土壤水分的模型研究[D];西北農(nóng)林科技大學(xué);2005年

9 姚春生;使用MODIS數(shù)據(jù)反演土壤水分研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2003年

，

本文編號(hào)：1986239