土壤水分是"四水"轉(zhuǎn)換的紐帶,農(nóng)業(yè)生產(chǎn)的基礎(chǔ),傳統(tǒng)的野外定點(diǎn)測(cè)量土壤水分的方法難以實(shí)現(xiàn)空間上的展布,現(xiàn)代微波遙感數(shù)據(jù)可以得到大尺度的土壤水分,但分辨率低。本文利用CLDAS數(shù)據(jù),將機(jī)器算法應(yīng)用到遙感影像指數(shù)運(yùn)算中,開展土壤水分的降尺度研究。論文分別采用OLS算法、Bagging算法、BRT算法和隨機(jī)森林算法模型建立MODIS光學(xué)遙感數(shù)據(jù)（LST、Albedo、NDVI、ET）與土壤水分的關(guān)系模型。研究結(jié)果表明:四種算法中隨機(jī)森林算法的擬合效果更優(yōu)（R²=0.961 28,RMSE=0.006 99）。利用該算法算出降尺度后的土壤體積水分,可以得到大尺度且空間分辨率更高的土壤水分?jǐn)?shù)據(jù)。大清河流域西北部土壤含水量高于東南部,土壤含水量差異可達(dá)0.2 mm³/mm³,在流域土壤含水量空間分布的季節(jié)變化顯著,3月土壤水分低至0.16 mm³/mm³,9月土壤水分高達(dá)0.33 mm³/mm³。 

【文章來源】：水利水電技術(shù). 2019,50(10)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

大清河流域地理位置及高程

發(fā)，在缺乏實(shí)測(cè)土壤水分情況下，可以保證在相同空間尺度上對(duì)數(shù)據(jù)進(jìn)行驗(yàn)證，如果使用地面點(diǎn)測(cè)量的土壤水分?jǐn)?shù)據(jù)，就會(huì)面臨點(diǎn)數(shù)據(jù)和面尺度的誤差問題。另一方面受土地利用類型的影響，土壤水分值在林地、耕地等處數(shù)值高，在人類建設(shè)活動(dòng)區(qū)等處數(shù)值低，隨機(jī)籠統(tǒng)地將整個(gè)流域的土壤水分?jǐn)?shù)據(jù)分成兩部分進(jìn)行建模和驗(yàn)證，會(huì)對(duì)土壤水分?jǐn)?shù)據(jù)的反演精度有一定的影響。3.2大清河流域土壤含水率空間分布綜上所述，衡量4種機(jī)器學(xué)習(xí)方法可知，ＲF模型的精度和預(yù)測(cè)能力要高于其他3種模型，估選�。褾模型對(duì)CLDAS土壤水分進(jìn)行降尺度。圖3(a)大清河流域0～10cm的原始CLDAS土壤水分，圖3(b)為降尺度后土壤水分的空間分布結(jié)果，降尺度后將大清河流域土壤水分?jǐn)?shù)據(jù)空間分辨率提高到1km，能夠滿足中小研究尺度范圍內(nèi)的數(shù)據(jù)精度要求，彌補(bǔ)了CLDAS土壤水分產(chǎn)品分辨率低的缺點(diǎn)，擴(kuò)大CLDAS土壤水分?jǐn)?shù)據(jù)的應(yīng)用范圍。從整體上看，隨機(jī)森林算法將大清河流域大部分地區(qū)的土壤水分細(xì)節(jié)都保留并且變得更細(xì)致，CLDAS土壤水分和降尺度后的土壤水分分布在高海拔地區(qū)表現(xiàn)較高的土壤水分，土壤水分高低趨勢(shì)都能很好地對(duì)應(yīng)相應(yīng)的區(qū)域，土壤體積含水量高達(dá)0.36mm3/mm3，比東南部地勢(shì)的的地區(qū)多0.2mm3/mm3。結(jié)合地勢(shì)分布分析，從東海吹來的水汽經(jīng)過大清河流域西北部，海拔高的地方容易形成降雨，降雨強(qiáng)度較大，土壤含水量也較高。但在大清河流域東部廊坊區(qū)域存在一個(gè)明顯高估的區(qū)域，原始的CLDAS土壤濕度實(shí)際低于0.25mm3/mm3，降尺度后該區(qū)域土壤水分值高于0.3mm3/mm3，這與圖2中ＲF算法對(duì)低的值存在高估相符。根據(jù)ＲF降尺度方法，計(jì)算大圖3原始CLDAS和隨機(jī)森林降尺度后土壤水分估算空間圖對(duì)比清河流域2018年4季的土壤水分反演結(jié)果?

吳穎菊，等∥基于CLDAS數(shù)據(jù)和機(jī)器算法模型的大清河流域地表土壤濕度降尺度研究水利水電技術(shù)第50卷2019年第10期圖4大清河流域2018年土壤水分四季空間分布示意利用類型也有高度聯(lián)系，因此，在以后的研究中，應(yīng)考慮上降雨量、高程和土地利用類型等因素。4結(jié)論和展望本研究以大清河流域?yàn)檠芯繀^(qū)，不同的機(jī)器算法CLDAS土壤體積水分與土壤水分相關(guān)的產(chǎn)品和指數(shù)，利用OLS、Bagging、BＲT和ＲF算法建立回歸。(1)4種機(jī)器算法模型擬合土壤水分的精度由高到低的順序依次是ＲF、BＲT、Bagging、OLS。ＲF算法的預(yù)測(cè)精度最高，ＲMSE=0.00699和Ｒ2=0.95128，OLS算法效果最差，Ｒ2=0.72366和ＲMSE=0.01715。(2)CLDAS原始的土壤含水量數(shù)據(jù)空間分辨率從7km提高到1km，提高了土壤含水量影像的清晰度，滿足流域尺度研究精度的要求，為大清河流域日后的水文以及旱情監(jiān)測(cè)提供了有效依據(jù)。(3)大清河流域表層土壤水分時(shí)空分布差異較大，空間分布上，海拔更高，土壤含水量更大，一年四季的表層土壤水有明顯的差異，主要是降雨強(qiáng)度影響表層土壤含水量的變化。未來研究中應(yīng)該增加高程、降水，土地利用類型和其他水文因子，增強(qiáng)模型對(duì)土壤水分的擬合精度。由于大清河流域缺乏大量的實(shí)測(cè)數(shù)據(jù)以供檢驗(yàn)，本文以CLDAS土壤體積含水量作為實(shí)測(cè)的土壤水分?jǐn)?shù)據(jù)，目前對(duì)CLDAS土壤水分的降尺度研究還較為缺乏，本文是對(duì)該研究的一個(gè)補(bǔ)充;同時(shí)因?yàn)镸O-DIS每日的數(shù)據(jù)成像質(zhì)量較差，所以本文采用的是一個(gè)月合成影像與對(duì)應(yīng)的月1～10cm的CLDAS土壤體積含水量進(jìn)行降尺度，存在一定誤差。不同的土地利用類型的土壤水分差異明顯，將整個(gè)流域的土壤水分?jǐn)?shù)據(jù)分成兩部分進(jìn)行建模和驗(yàn)證，會(huì)對(duì)土壤水分?jǐn)?shù)據(jù)的反演精度有一定地影響通過高質(zhì)量的清晰的實(shí)時(shí)的土壤水分?jǐn)?shù)

【參考文獻(xiàn)】：
期刊論文
[1]疏勒河流域土壤含水率反演[J]. 郭曉娟,周妍妍,郭建軍,陳冠光,岳東霞.  干旱區(qū)研究. 2018(06)
[2]基于CLDAS2.0驅(qū)動(dòng)數(shù)據(jù)的中國區(qū)域土壤濕度模擬與評(píng)估[J]. 師春香,姜立鵬,朱智,姜志偉,梁曉,韓帥,張濤.  江蘇農(nóng)業(yè)科學(xué). 2018(04)
[3]Boosting和Bagging綜述[J]. 沈?qū)W華,周志華,吳建鑫,陳兆乾.  計(jì)算機(jī)工程與應(yīng)用. 2000(12)
[4]利用氣象衛(wèi)星遙感監(jiān)測(cè)土壤含水量[J]. 裴浩,范一大,烏日娜.  干旱區(qū)資源與環(huán)境. 1999(01)

碩士論文
[1]中國區(qū)域多源主被動(dòng)微波遙感土壤濕度產(chǎn)品融合研究[D]. 莊媛.南京信息工程大學(xué) 2014
[2]大清河流域可利用水資源量演變規(guī)律研究[D]. 劉文靜.河北工程大學(xué) 2014
[3]基于遙感影像對(duì)土壤水分反演的研究[D]. 吳超.西安科技大學(xué) 2011
[4]基于MODIS數(shù)據(jù)的北京地區(qū)土壤含水量遙感信息模型研究[D]. 趙立軍.中國農(nóng)業(yè)大學(xué) 2004



本文編號(hào)：3213049