【目的】提高遙感墑情的反演精度和通用性。【方法】利用MODIS（MOD021KM）數(shù)據(jù)建立一種基于修正表觀熱慣量的墑情反演模型,在此基礎(chǔ)上,結(jié)合BP人工神經(jīng)網(wǎng)絡(luò)（BPNN）進行協(xié)同反演。首先針對單一表觀熱慣量反演土壤墑情的局限性問題,選取EVI和ATI共同作為墑情反演的評價指標(biāo),并利用實測土壤墑情作為驗證指標(biāo),將原始遙感影像預(yù)處理后計算出評價指標(biāo),并實地測量25組10 cm深度土壤墑情值;然后以評價指標(biāo)作為輸入層,以驗證指標(biāo)作為輸出層,構(gòu)建BPNN土壤墑情反演模型�！窘Y(jié)果】選取的都江堰灌區(qū)作為研究對象反演效果較好,模型的評價指標(biāo)與10 cm深度的土壤墑情有較好的相關(guān)性,綜合植被覆蓋和表觀熱慣量的因素反演灌區(qū)土壤墑情,最終反演均方誤差為0.003 9,相較于線性、對數(shù)和冪函數(shù),其相對誤差分別減小了66.9%、81.1%和74.9%�！窘Y(jié)論】以該模型進行土壤墑情反演其精度有了明顯的提高。依賴遙感影像和部分實測數(shù)據(jù),使得該方法在大面積墑情反演的研究上有較好的參考價值。 

【文章來源】：灌溉排水學(xué)報. 2020,39(S1)北大核心

【文章頁數(shù)】：5 頁

【文章目錄】：
0引言
1 材料與方法
    1.1 研究區(qū)域
    1.2 MODIS數(shù)據(jù)
    1.3 研究方法
        1.3.1 數(shù)據(jù)預(yù)處理
        1.3.2 反演模型
2 結(jié)果與分析
    2.1 曲線擬合回歸模型
    2.2 ATI-BP神經(jīng)網(wǎng)絡(luò)模型
    2.3 結(jié)果與分析
3 討論
4 結(jié)論



本文編號：3017365