【摘要】：土壤墑情狀況是氣象研究、農(nóng)業(yè)生產(chǎn)等領(lǐng)域中的一個重要參量,土壤墑情信息準(zhǔn)確、大范圍、快速地獲取,對我國的農(nóng)作物旱情預(yù)報、水文監(jiān)測分析等具有重要的現(xiàn)實意義。在遙感反演土壤水分的實際應(yīng)用研究中,可見光-紅外遙感易受到天氣狀況的影響,被動微波遙感監(jiān)測精度達(dá)不到要求,而主動微波遙感具有全天候監(jiān)測、不受云霧干擾、具有一定穿透能力等優(yōu)勢,彌補(bǔ)了可見光-紅外遙感和被動微波遙感在土壤墑情監(jiān)測中的不足,提供了監(jiān)測土壤墑情的新方法,成為當(dāng)下監(jiān)測表層土壤墑情信息最具發(fā)展?jié)摿Φ氖侄�。在基于主動微波遙感監(jiān)測土壤墑情的研究中,比較分析了含水模型的基本理論與適用范圍,最終選取與待研究區(qū)地表粗糙度相適應(yīng)的改進(jìn)積分模型(AIEM),利用BP人工神經(jīng)網(wǎng)絡(luò)在處理非線性數(shù)據(jù)方面的優(yōu)勢,且AIEM模型較其他反演模型能更好的模擬地表的實際散射特征,實現(xiàn)網(wǎng)絡(luò)模型模擬雷達(dá)四極化后向散射系數(shù)同土壤介電常數(shù)間的關(guān)系。BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)以AIEM模型模擬的數(shù)據(jù)為參考,實現(xiàn)BP人工神經(jīng)網(wǎng)絡(luò)處理雷達(dá)影像后向散射系數(shù)與土壤介電常數(shù)的非線性關(guān)系。利用ENVI軟件結(jié)合雷達(dá)系統(tǒng)的已知參數(shù),處理Radarsat-2遙感數(shù)據(jù),最終獲取四極化影像對應(yīng)的后向散射系數(shù)值。以四種極化方式(HH、HV、VH、VV)的后向散射系數(shù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入值,以AIEM模型模擬的數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,設(shè)置訓(xùn)練傳遞函數(shù)、隱含層節(jié)點數(shù)、學(xué)習(xí)方法等以完成神經(jīng)網(wǎng)絡(luò)的最優(yōu)設(shè)計,最終輸出值為土壤的介電常數(shù)。通過Topp介電模型處理土壤墑情和土壤介電常數(shù)之間的關(guān)系,從而得到土壤重量含水量。試驗區(qū)選擇在內(nèi)蒙古巴彥淖爾市杭錦后旗陜壩鎮(zhèn)境內(nèi),借助Radarsat-2主動微波遙感C波段數(shù)據(jù)對試驗區(qū)裸露地表的土壤墑情進(jìn)行反演,并對反演值與實測值進(jìn)行相關(guān)性分析,2013年和2014年的相關(guān)性分別為0.8503和0.8219最終反演精度比較可觀,能達(dá)到實際應(yīng)用的效果。
【圖文】：

逡逑的６０％１４＂。如圖３所示為研究區(qū)上壤鹽潰化現(xiàn)狀。逡逑瞬逡逑Ｒｉｌｌ＊逡逑圖３xO究區(qū)±X萄吻寤智懾義希疲椋紓沖澹裕瑁邋澹踴洌澹幔潁澹徨澹錚駑澹螅錚椋戾澹螅幔剩椋睿櫓幔歟椋錚鑠義希玻彩堇叢村義希玻澹玻崩漬庥跋袷蒎義涎星汕捎玫氖敲瘢幔洌幔潁螅幔簦燦跋袷藎怯桑停粒模ǎ停幔悖模錚睿幔歟溴澹模澹簦簦鰨椋歟澹蟈澹幔睿溴義希粒螅螅錚悖椋幔簦澹簀澹蹋簦淝洌茫粒渝澹ǎ茫幔睿幔洌椋幔鑠澹櫻穡幔悖邋澹粒紓澹睿悖┯冢玻埃埃紡旯餐鱟士咨仔侵馗旰襄義銑煽拙抖嗉狀鏘低�，罓钿sǘ撾貌ǘ危�，该波段可ｔｕ提取地表０？�(dān)悖淼耐躒厘義閑畔�，＿b幔洌幔潁螅幔簦不袢⊥枷竦哪芰Ρ齲遙幔洌幔潁螅幔簦煊瀉艽蠼劍四芑袢〉ゼ�、双极辶x匣莼鼓芑袢【傅乃募藎匝榍捎玫睦狀鍤菸桿募ǎ齲取㈠義希齲幀ⅲ鄭�、｀嵿崺模式g藎狀鋝ㄖ型�、波长为６Ｘ）ｃｍ，频逻m牽擔(dān)矗牽齲�，罓铈k跋窈義嫌蟹齲準(zhǔn)跋轡恍畔�，研練箲M∪×狡誒狀鏌８惺藎袢∈奔浞直鷂玻埃保襯輳村義顯路鶯停玻埃保茨輳叢路藎湊帳笛榧蘋裳氖奔�，提前１０天左右从中国科学院对辶x系毓鄄庵型�、订购影像数�

本文編號：2575142