本文關(guān)鍵詞：河套灌區(qū)土壤鹽漬化微波雷達(dá)反演

  更多相關(guān)文章： 土壤 神經(jīng)網(wǎng)絡(luò) 雷達(dá) 土壤鹽漬化 反演

【摘要】：目前中國西北干旱、半干旱地區(qū)的土壤鹽漬化情況日益趨于嚴(yán)重,動態(tài)、快速而精確地監(jiān)測與評價土壤鹽漬化顯得尤為重要。微波遙感所具有的優(yōu)點使其成為探測土壤鹽分分布的新興而有潛力的方法�？焖佾@取大范圍地表土壤鹽漬化的空間分布是一個迫切急需解決的科學(xué)難題。該文目的是試驗與評價C波段RADARSAT-2 SAR(synthetic aperture radar)數(shù)據(jù)反演土壤鹽漬化的性能。以受鹽漬化影響較嚴(yán)重的內(nèi)蒙古河套灌區(qū)解放閘灌域為試驗區(qū),基于SAR后向散射系數(shù)和土壤鹽分實測值,利用多元線性回歸(multiple linear regress,MLR)、地理加權(quán)回歸(geographically weighted regression,GWR)和BP人工神經(jīng)網(wǎng)絡(luò)(back propagation artificial neural networks,BP ANN)方法建立土壤含鹽量的定量反演模型,重點構(gòu)建了8∶140∶1結(jié)構(gòu)的3層BP ANN模型,經(jīng)模型驗證發(fā)現(xiàn)MLR、GWR模型均偏向于弱相關(guān),其標(biāo)準(zhǔn)誤差SE分別為0.55、0.47 mg/g,而ANN(BP)模型的內(nèi)部、外部檢驗標(biāo)準(zhǔn)誤差SE分別為0.24、0.33 mg/g,優(yōu)于前2種模型,其反演的鹽漬化面積占比65.4%,與地面驗證結(jié)果基本一致。該文建立的考慮土壤水分影響、組合雷達(dá)后向散射系數(shù)反演土壤鹽分的人工智能模型,無需復(fù)雜的介電常數(shù)模型,能夠在一定程度上滿足土壤鹽漬化監(jiān)測的需要,可促進微波遙感在土壤鹽漬化監(jiān)測中的開拓應(yīng)用。
【作者單位】： 內(nèi)蒙古農(nóng)業(yè)大學(xué)水利與土木建筑工程學(xué)院測繪工程系;加拿大約克大學(xué)地球空間科學(xué)與工程系;
【關(guān)鍵詞】： 土壤 神經(jīng)網(wǎng)絡(luò) 雷達(dá) 土壤鹽漬化 反演
【基金】：國家自然科學(xué)基金項目(51249007、51569018) 內(nèi)蒙古自然科學(xué)基金項目(2013MS0609)
【分類號】：S156.4
【正文快照】：

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 王爽;丁建麗;王璐;牛增懿;;基于地表光譜建模的區(qū)域土壤鹽漬化遙感監(jiān)測研究[J];干旱區(qū)地理;2016年01期

2 姚遠(yuǎn);丁建麗;張芳;趙振亮;江紅南;;基于高光譜指數(shù)和電磁感應(yīng)技術(shù)的區(qū)域土壤鹽漬化監(jiān)測模型[J];光譜學(xué)與光譜分析;2013年06期

3 丁建麗;伍漫春;劉海霞;李爭光;;基于綜合高光譜指數(shù)的區(qū)域土壤鹽漬化監(jiān)測研究[J];光譜學(xué)與光譜分析;2012年07期

4 王靜;劉湘南;黃方;唐吉龍;趙冷冰;;基于ANN技術(shù)和高光譜遙感的鹽漬土鹽分預(yù)測[J];農(nóng)業(yè)工程學(xué)報;2009年12期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 胡慶榮;含水含鹽土壤介電特性實驗研究及對雷達(dá)圖像的響應(yīng)分析[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2003年

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉全明;成秋明;王學(xué);李相君;;河套灌區(qū)土壤鹽漬化微波雷達(dá)反演[J];農(nóng)業(yè)工程學(xué)報;2016年16期

2 陳艷艷;侯虎;陳鐵軍;彭U，

本文編號：613925