本文關(guān)鍵詞：基于粗糙度參數(shù)的風(fēng)沙灘地區(qū)土壤水分微波遙感反演模型研究，由筆耕文化傳播整理發(fā)布。

【摘要】：水是人類及地球上一切生物賴以生存且必不可少的重要物質(zhì),是農(nóng)業(yè)生產(chǎn)、經(jīng)濟(jì)發(fā)展過(guò)程中極為寶貴的自然資源。土壤水分是水循環(huán)中重要的參數(shù)之一,它不僅是聯(lián)系降水和地下水的紐帶,還決定著植被的生長(zhǎng)發(fā)展。鄂爾多斯風(fēng)沙灘地區(qū)屬干旱半干旱荒漠區(qū),降雨稀少,蒸發(fā)量大。近年來(lái),地表土壤水分的大量蒸發(fā)和流失導(dǎo)致區(qū)域內(nèi)土壤鹽漬化、荒漠化以及植被和耕地的退化,不僅制約了當(dāng)?shù)剞r(nóng)業(yè)經(jīng)濟(jì)的發(fā)展,生態(tài)環(huán)境也日益脆弱。因此,在干旱缺水地區(qū)監(jiān)測(cè)土壤水分具有重要的意義。微波遙感技術(shù)是目前大尺度土壤水分監(jiān)測(cè)的主要手段,與傳統(tǒng)的測(cè)量手段相比,微波遙感具有全天時(shí),全天候的優(yōu)勢(shì),能夠?qū)崿F(xiàn)大面積、實(shí)時(shí)監(jiān)測(cè)。利用微波遙感反演土壤水分是一種十分有效的手段,對(duì)水環(huán)境評(píng)價(jià)以及合理利用水資源具有現(xiàn)實(shí)的指導(dǎo)意義。微波遙感反演土壤水分關(guān)鍵是要建立后向散射系數(shù)與土壤水分的函數(shù)關(guān)系,然而對(duì)于裸露地表,影響雷達(dá)后向散射系數(shù)的重要參數(shù)是地表粗糙度,因此,對(duì)地表粗糙度進(jìn)行精確描述,并去除粗糙度對(duì)后向散射的影響,是提高土壤水分反演精度的關(guān)鍵所在。本文以風(fēng)沙灘地區(qū)為研究區(qū),利用AIEM模型模擬雷達(dá)后向散射系數(shù)與粗糙度、土壤水分之間的關(guān)系,分別建立了基于組合粗糙度、有效相關(guān)長(zhǎng)度以及粗糙度定標(biāo)的AIEM反演模型,針對(duì)組合粗糙度、有效粗糙度、粗糙度定標(biāo)這三大描述粗糙度的方法進(jìn)行深入探究;通過(guò)評(píng)價(jià)各模型的精度,確定出適合研究區(qū)的最佳土壤水分反演模型。利用RADARSAT-2 C波段全極化雷達(dá)數(shù)據(jù)對(duì)研究區(qū)進(jìn)行地表土壤水分反演,并制作土壤水分分布圖,結(jié)合研究區(qū)DEM數(shù)據(jù)與GF-1遙感數(shù)據(jù),從不同尺度分析土壤水分與地形地貌的關(guān)系。主要研究成果如下:(1)實(shí)驗(yàn)發(fā)現(xiàn),法向菲涅爾反射系數(shù)與后向散射系數(shù)的相關(guān)性較土壤水分與后向散射系數(shù)的相關(guān)性更顯著;由此,基于AIEM模型以法向菲涅爾反射系數(shù)建立的土壤水分反演模型,較直接以土壤水分建立的反演模型反演精度要高。(2)在利用不同粗糙度參數(shù)構(gòu)建的土壤水分反演模型中,基于組合粗糙度的AIEM模型反演效果較好,基于粗糙度定標(biāo)的AIEM模型次之,基于有效相關(guān)長(zhǎng)度的AIEM模型反演效果一般。其中,基于新的組合粗糙度參數(shù)Zs=s3/l的AIEM模型精度較高,其相關(guān)系數(shù)、平均相對(duì)誤差、平均絕對(duì)誤差、一致性指數(shù)和均方根誤差分別為0.942、26.4%、4.95%、0.885和6.00%。該模型較適合于干旱半干旱地區(qū)土壤水分的反演。(3)研究區(qū)土壤水分反演圖顯示,整個(gè)區(qū)域土壤含水量較低,平均為12%,土壤含水量小于10%的地區(qū)多為沙丘,土質(zhì)為砂質(zhì)�？傮w來(lái)看,土壤水分分區(qū)明顯,呈西北—東南向高、低相間的條帶狀分布。(4)通過(guò)典型剖面分析不同尺度土壤水分與地形、地貌的關(guān)系,發(fā)現(xiàn)土壤含水量的分布與沙丘、草灘的分區(qū)一致,即沙丘區(qū)土壤含水量低,在12%以下,草灘區(qū)土壤含水量高,平均含水量為21%。從地形上來(lái)看,整個(gè)研究區(qū)地勢(shì)較高的沙丘與草灘相間分布,呈西北—東南向條帶狀;一些流動(dòng)沙丘,由于風(fēng)力作用沙丘表層呈現(xiàn)高低不平的魚鱗狀分布,不同尺度的剖面顯示,土壤水分與地形有著較好的響應(yīng)關(guān)系,進(jìn)一步驗(yàn)證了土壤水分反演結(jié)果的可靠性。
【關(guān)鍵詞】：地表粗糙度 土壤水分 RADARSAT-2 AIEM 遙感反演模型
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：S152.7;S127
【目錄】：

• 摘要4-6
• Abstract6-10
• 第一章 緒論10-18
• 1.1 選題背景與研究意義10-11
• 1.2 國(guó)內(nèi)外研究進(jìn)展11-15
• 1.2.1 國(guó)外研究現(xiàn)狀11-13
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀13-14
• 1.2.3 存在的問(wèn)題及分析14-15
• 1.3 本文研究?jī)?nèi)容與技術(shù)路線15-18
• 1.3.1 研究?jī)?nèi)容15
• 1.3.2 技術(shù)路線15-17
• 1.3.3 論文組織及安排17-18
• 第二章 土壤水分微波遙感反演理論基礎(chǔ)18-28
• 2.1 微波遙感18-22
• 2.1.1 雷達(dá)方程19-20
• 2.1.2 雷達(dá)后向散射系數(shù)20
• 2.1.3 雷達(dá)系統(tǒng)參數(shù)20-22
• 2.2 土壤介電特性22-25
• 2.2.1 土壤水分22-23
• 2.2.2 土壤介電常數(shù)23-25
• 2.3 粗糙度參數(shù)25-28
• 2.3.1 均方根高度25
• 2.3.2 表面相關(guān)長(zhǎng)度25-26
• 2.3.3 表面自相關(guān)函數(shù)26-27
• 2.3.4 地表粗糙度測(cè)量27-28
• 第三章 土壤水分微波遙感反演模型28-35
• 3.1 經(jīng)驗(yàn)?zāi)Ｐ?/span>28-29
• 3.1.1 Oh模型28-29
• 3.1.2 Dubois模型29
• 3.2 半分析模型29-30
• 3.3 理論模型30-35
• 3.3.1 幾何光學(xué)模型（GOM）30
• 3.3.2 物理光學(xué)模型（POM）30-31
• 3.3.3 小擾動(dòng)模型（SPM）31-32
• 3.3.4 積分方程模型（IEM）32
• 3.3.5 高級(jí)積分方程模型（AIEM ）32-35
• 第四章 研究區(qū)概況及數(shù)據(jù)采集與處理35-46
• 4.1 研究區(qū)概況35-37
• 4.1.1 地理位置35
• 4.1.2 地形地貌35-36
• 4.1.3 水文與氣象36
• 4.1.4 資源與經(jīng)濟(jì)36-37
• 4.2 數(shù)據(jù)獲取與處理37-46
• 4.2.1 RADARSAT-2 數(shù)據(jù)37
• 4.2.2 雷達(dá)數(shù)據(jù)的預(yù)處理37-41
• 4.2.3 實(shí)測(cè)數(shù)據(jù)的采集及預(yù)處理41-46
• 第五章 土壤水分反演模型的建立與應(yīng)用46-65
• 5.1 基于組合粗糙度的AIEM模型46-52
• 5.1.1 組合粗糙度46
• 5.1.2 基于Zs=s3/l的AIEM模型46-51
• 5.1.3 基于Zs=s2/l的AIEM模型51-52
• 5.2 基于有效相關(guān)長(zhǎng)度的AIEM模型52-54
• 5.2.1 有效相關(guān)長(zhǎng)度52-53
• 5.2.2 土壤水分反演與驗(yàn)證53-54
• 5.3 基于粗糙度定標(biāo)的AIEM模型54-58
• 5.3.1 粗糙度定標(biāo)54
• 5.3.2 土壤水分反演模型54-55
• 5.3.3 土壤水分反演與驗(yàn)證55-58
• 5.4 基于不同粗糙度參數(shù)的反演模型精度評(píng)價(jià)58-59
• 5.5 模型的應(yīng)用59-65
• 5.5.1 風(fēng)沙灘地區(qū)土壤水分反演59
• 5.5.2 土壤水分的空間分布與地形地貌的關(guān)系59-65
• 結(jié)論與展望65-68
• 主要結(jié)論65-66
• 創(chuàng)新點(diǎn)66
• 不足與展望66-68
• 參考文獻(xiàn)68-76
• 攻讀學(xué)位期間取得的研究成果76-77
• 致謝77

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 黃對(duì);王文;;基于粗糙度定標(biāo)的IEM模型的土壤含水率反演[J];農(nóng)業(yè)工程學(xué)報(bào);2014年19期

2 胡蝶;郭鈮;沙莎;王麗娟;李巧珍;王靜;劉偉剛;;基于Radarsat-2 SAR數(shù)據(jù)反演定西裸露地表土壤水分[J];干旱氣象;2014年04期

3 余凡;李海濤;張承明;萬(wàn)紫;劉江;趙穎;;利用雙極化微波遙感數(shù)據(jù)反演土壤水分的新方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年02期

4 王亞飛;程亮;鐘禮山;李滿春;蔣潔;;像素級(jí)SAR影像時(shí)間序列的建模方法研究[J];地理與地理信息科學(xué);2013年04期

5 Wang Dan;Huang Pingping;Huang Mo;Liu Aijun;;SIMPLE ALGORITHM FOR SOIL MOISTURE RETRIEVAL WITH CO-POLARIZED SAR DATA[J];Journal of Electronics(China);2013年03期

6 陳晶;賈毅;余凡;;雙極化雷達(dá)反演裸露地表土壤水分[J];農(nóng)業(yè)工程學(xué)報(bào);2013年10期

7 丁建麗;姚遠(yuǎn);;干旱區(qū)稀疏植被覆蓋條件下地表土壤水分微波遙感估算[J];地理科學(xué);2013年07期

8 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

9 陳亮;施建成;蔣玲梅;杜今陽(yáng);;基于物理模型的被動(dòng)微波遙感反演土壤水分[J];水科學(xué)進(jìn)展;2009年05期

10 王軍戰(zhàn);張友靜;鮑艷松;陳晨;楊立君;王冬梅;;基于ASAR雙極化雷達(dá)數(shù)據(jù)的半經(jīng)驗(yàn)?zāi)Ｐ头囱萃寥罎穸萚J];地理與地理信息科學(xué);2009年02期

  本文關(guān)鍵詞：基于粗糙度參數(shù)的風(fēng)沙灘地區(qū)土壤水分微波遙感反演模型研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：434271