【摘要】：土壤水分是地球生態(tài)系統(tǒng)的重要組成部分,是陸地—大氣系統(tǒng)間水熱傳輸和能量交換的重要基礎,是聯(lián)系地表與地下水循環(huán)、陸地間碳循環(huán)的關鍵紐帶。土壤水分作為最常用的地表模型參數(shù)之一,在全球水循環(huán)規(guī)律分析、流域水文模型建立、農作物生長監(jiān)測和旱情評估等方面起著重要的作用。相對于傳統(tǒng)的土壤水分獲取方法,遙感因其宏觀性強、時效性快、能動態(tài)性大區(qū)域監(jiān)測等優(yōu)點已成為土壤水分信息獲取的主要手段。近幾十年來,學者們針對不同的傳感器類型發(fā)展的土壤水分反演算法已達上百種。其中,主動微波協(xié)同光學數(shù)據(jù)反演土壤水分算法具有高時效、強穿透性、不受天氣影響、植被影響弱等特點,成為植被覆蓋區(qū)地表土壤水分反演的一個重要方法。同時,通過不同植被指數(shù)構建特征空間來反演土壤水分的光學遙感算法也成為常用手段之一。本文選擇黑河流域中游張掖地區(qū)盈科綠洲農業(yè)灌區(qū)為研究區(qū)域,以主動微波遙感Sentinel-1A哨兵數(shù)據(jù)和光學遙感Landsat-8數(shù)據(jù)為基礎,結合實測數(shù)據(jù),通過對比不同輸入?yún)?shù)確定了兩種土壤水分反演算法,開展了土壤水分反演算法的對比分析。主要結論如下:(1)以NDVI和MSAVI指數(shù)與地表溫度構成的Ts-NDVI和Ts-MSAVI特征空間均滿足溫度植被干旱指數(shù)法的構成條件,兩個特征空間的溫度植被干旱指數(shù)與實測數(shù)據(jù)的相關性結果表明,Ts-MSAVI特征空間高于Ts-NDVI特征空間,Ts-MSAVI計算的MTVDI指數(shù)能更好地反演土壤水分狀況。(2)NDWI指數(shù)計算的植被含水量較NDVI指數(shù)的高。NDWI計算的植被含水量能有效地去除植被對后向散射系數(shù)造成的影響。結合Oh模型經(jīng)查找表算法得到最終土壤水分反演結果顯示,NDWI指數(shù)的植被含水量反演得到的土壤水分比NDVI植被含水量反演得到的土壤水分更接近實際情況、反演精度更高。(3)MTVDI指數(shù)的土壤水分反演算法和NDWI指數(shù)的水云模型土壤水分反演算法進行精度對比評價,表明NDWI的水云模型土壤水分反演算法相關系數(shù)高,均方根誤差低。主動微波協(xié)同光學數(shù)據(jù)算法反演出的土壤水分更能反映研究區(qū)地表土壤水分狀況。
【圖文】：

技術路線圖

則該區(qū)域構成的圖通常為梯形（Moran et al., 1994）。圖 2-1 地表溫度與植被指數(shù)構成的 Ts-NDVI 梯形特征空間圖（Moran et al., 1994）Ts-NDVI特征空間圖（圖2-1）的邊界由植被覆蓋、裸土、飽和含水、最小含
【學位授予單位】：成都理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：S152.7;S127

【參考文獻】

相關期刊論文 前10條

1 李俐;王荻;王鵬新;黃健熙;朱德海;;合成孔徑雷達土壤水分反演研究進展[J];資源科學;2015年10期

2 蔣金豹;胡丹娟;劉益青;湯勰;李京;;基于MIMICS模型的麥田地表土壤含水量反演研究[J];麥類作物學報;2015年05期

3 阿多;趙文吉;程立海;宮兆寧;周廷剛;;基于中分辨率遙感影像的濕地土壤水分提取方法[J];湖北農業(yè)科學;2015年05期

4 蔣金豹;張玲;崔希民;蔡慶空;孫灝;;植被覆蓋區(qū)土壤水分反演研究——以北京市為例[J];國土資源遙感;2014年02期

5 吳黎;張有智;解文歡;李巖;宋靜波;;土壤水分的遙感監(jiān)測方法概述[J];國土資源遙感;2014年02期

6 行敏鋒;何彬彬;;干旱區(qū)草原地上植被生物量估算——以烏圖美仁大草原蘆葦植被為例[J];地球信息科學學報;2014年02期

7 劉立文;張吳平;段永紅;邢立新;陳圣波;趙敏;;TVDI模型的農業(yè)旱情時空變化遙感應用[J];生態(tài)學報;2014年13期

8 王秀君;陳健;;基于LST-EVI特征空間的土壤水分含量反演[J];遙感技術與應用;2014年01期

9 初慶偉;張洪群;吳業(yè)煒;馮鐘葵;陳勃;;Landsat-8衛(wèi)星數(shù)據(jù)應用探討[J];遙感信息;2013年04期

10 徐涵秋;唐菲;;新一代Landsat系列衛(wèi)星:Landsat 8遙感影像新增特征及其生態(tài)環(huán)境意義[J];生態(tài)學報;2013年11期

相關博士學位論文 前9條

1 李茉;基于不確定性分析的農業(yè)水土資源多尺度優(yōu)化配置方法與模型研究[D];中國農業(yè)大學;2017年

2 樊磊;基于多源數(shù)據(jù)的土壤水分估算及森林火災風險評估應用[D];中國科學院大學(中國科學院遙感與數(shù)字地球研究所);2017年

3 白曉靜;基于多波段多極化SAR數(shù)據(jù)的草原地表土壤水分反演方法研究[D];電子科技大學;2017年

4 張祥;多源時序SAR數(shù)據(jù)土壤水分反演研究[D];中國礦業(yè)大學;2017年

5 黃資_g;基于多源遙感數(shù)據(jù)的干旱/半干旱地區(qū)表層土壤水反演方法研究[D];華南農業(yè)大學;2016年

6 行敏鋒;生態(tài)脆弱區(qū)植被生物量和土壤水分的主被動遙感協(xié)同反演[D];電子科技大學;2015年

7 李森;基于IEM的多波段、多極化SAR土壤水分反演算法研究[D];中國農業(yè)科學院;2007年

8 武勝利;基于TRMM的主被動微波遙感結合反演土壤水分算法研究[D];中國科學院研究生院（遙感應用研究所）;2006年

9 杜曉;植被葉面水遙感監(jiān)測及其時空特征分析[D];中國科學院研究生院（遙感應用研究所）;2006年

相關碩士學位論文 前10條

1 胡古月;ASAR數(shù)據(jù)和TM影像協(xié)同反演土壤水分方法研究[D];成都理工大學;2017年

2 杜挺;Landsat8 OLI遙感影像融合算法比較及其土地利用分類適應性分析[D];西北大學;2015年

3 屈創(chuàng);基于多源遙感數(shù)據(jù)的白龍江流域土壤水分反演研究[D];蘭州大學;2014年

4 姜良美;基于微波遙感農田土壤水分反演研究[D];湖南科技大學;2012年

5 吳超;基于遙感影像對土壤水分反演的研究[D];西安科技大學;2011年

6 冀美蓉;基于MODIS遙感數(shù)據(jù)的山西省土壤水分反演研究[D];山西農業(yè)大學;2013年

7 王麗莉;利用MODIS數(shù)據(jù)反演土壤含水量[D];東北師范大學;2008年

8 張麗麗;土壤水分垂直方向相關性研究和動態(tài)預報[D];華中農業(yè)大學;2007年

9 任鑫;多極化、多角度SAR土壤水分反演算法研究[D];中國科學院研究生院（遙感應用研究所）;2004年

10 鄧輝;基于MODIS數(shù)據(jù)的大區(qū)域土壤水分遙感監(jiān)測研究[D];中國農業(yè)科學院;2004年

，

本文編號：2665529