土壤水分是水文學(xué)、氣象學(xué)和農(nóng)業(yè)研究中的一個關(guān)鍵參數(shù),它在全球水和能源循環(huán)中起著重要作用。利用遙感數(shù)據(jù)監(jiān)測地表土壤水分信息是目前研究的焦點,但不論是光學(xué)遙感還是主動或被動微波遙感都有其優(yōu)勢和劣勢,多源遙感數(shù)據(jù)聯(lián)合反演地表土壤水分是近年來研究的趨勢。本文基于Sentinel系列衛(wèi)星中的Sentinel-1 SAR數(shù)據(jù)、Sentinel-2光學(xué)數(shù)據(jù)以及AMSR2亮溫數(shù)據(jù),分別在青藏高原那曲地區(qū)和西班牙薩拉曼卡地區(qū)訓(xùn)練了BP神經(jīng)網(wǎng)絡(luò)模型反演地表土壤水分,實現(xiàn)了兩個研究區(qū)域內(nèi)土壤水分的精確反演,其主要結(jié)論如下:（1）在BP神經(jīng)網(wǎng)絡(luò)中,將雷達后向散射系數(shù)、雷達入射角、植被指數(shù)作為輸入變量訓(xùn)練模型,反演土壤濕度是可行的。（2）在主被動微波數(shù)據(jù)聯(lián)合反演植被覆蓋區(qū)土壤水分中,微波極化差異指數(shù)MPDI能有效的去除植被對土壤水分反演的影響,且在BP神經(jīng)網(wǎng)絡(luò)中加入表達地形要素的坡度因子可以更好地訓(xùn)練網(wǎng)絡(luò),得到更高精度的反演結(jié)果（RMSE=0.045cm~3/cm~3、ubRMSE=0.043cm~3/cm~3、r=0.767、Bias=0.001cm~3/cm~3）。說明對于占據(jù)特殊地理位置的地區(qū),地理及地形... 

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 熱紅外遙感監(jiān)測法
        1.2.2 光學(xué)遙感監(jiān)測法
        1.2.3 微波遙感監(jiān)測法
        1.2.4 多源遙感聯(lián)合監(jiān)測法
    1.3 論文研究內(nèi)容及技術(shù)路線
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
第二章 試驗數(shù)據(jù)與方法
    2.1 研究區(qū)域與地面站點數(shù)據(jù)集
        2.1.1 青藏高原那曲地區(qū)概況及站點數(shù)據(jù)集
        2.1.2 西班牙薩拉曼卡研究區(qū)概況及站點數(shù)據(jù)集
    2.2 遙感及地形數(shù)據(jù)的獲取與預(yù)處理
        2.2.1 Sentinel-1 SAR數(shù)據(jù)的獲取與預(yù)處理
        2.2.2 Sentinel-2光學(xué)數(shù)據(jù)的獲取與預(yù)處理
        2.2.3 AMSR2亮溫數(shù)據(jù)的獲取與預(yù)處理
        2.2.4 地形數(shù)據(jù)的獲取與處理
    2.3 土壤濕度反演的模型與方法
        2.3.1 裸露地表微波散射模型
        2.3.2 植被覆蓋地表微波散射模型
        2.3.3 人工神經(jīng)網(wǎng)絡(luò)算法
第三章 基于BP神經(jīng)網(wǎng)絡(luò)的主被動微波聯(lián)合反演土壤濕度
    3.1 主被動微波遙感BP神經(jīng)網(wǎng)絡(luò)模型輸入?yún)?shù)
    3.2 基于VV極化數(shù)據(jù)的參數(shù)化方案
    3.3 土壤濕度反演試驗及結(jié)果分析
    3.4 小結(jié)
第四章 基于BP神經(jīng)網(wǎng)絡(luò)的主動微波與光學(xué)遙感聯(lián)合反演土壤濕度
    4.1 微波、光學(xué)遙感BP神經(jīng)網(wǎng)絡(luò)模型輸入?yún)?shù)
    4.2 基于不同極化數(shù)據(jù)的參數(shù)化方案
    4.3 土壤濕度反演試驗及結(jié)果分析
    4.4 小結(jié)
第五章 結(jié)果與討論
    5.1 主要結(jié)論
    5.2 主要創(chuàng)新
    5.3 不足與展望
參考文獻
作者簡介
致謝


【參考文獻】：
期刊論文
[1]基于Sentinel-1與FY-3C數(shù)據(jù)反演植被覆蓋地表土壤水分[J]. 林利斌,鮑艷松,左泉,房世波.  遙感技術(shù)與應(yīng)用. 2018(04)
[2]基于MODIS數(shù)據(jù)的農(nóng)業(yè)干旱遙感指數(shù)對比和應(yīng)用[J]. 宋揚,房世波,梁瀚月,柯麗娜.  國土資源遙感. 2017(02)
[3]基于時序Sentinel-1A數(shù)據(jù)的農(nóng)田土壤水分變化檢測分析[J]. 張祥,陳報章,趙慧,汪磊.  遙感技術(shù)與應(yīng)用. 2017(02)
[4]基于Sentinel-1A與Landsat 8數(shù)據(jù)的北黑高速沿線地表土壤水分遙感反演方法研究[J]. 曾旭婧,邢艷秋,單煒,張毅,王長青.  中國生態(tài)農(nóng)業(yè)學(xué)報. 2017(01)
[5]基于Radarsat2與Landsat8協(xié)同反演植被覆蓋地表土壤水分的一種新方法[J]. 趙昕,黃妮,宋現(xiàn)鋒,李增元,牛錚.  紅外與毫米波學(xué)報. 2016(05)
[6]L波段主被動微波協(xié)同反演裸土土壤水分[J]. 馬紅章,劉素美,彭愛華,孫林,孫根云.  農(nóng)業(yè)工程學(xué)報. 2016(19)
[7]利用條件植被指數(shù)評價西藏植被對氣象干旱的響應(yīng)[J]. 王圓圓,扎西央宗.  應(yīng)用氣象學(xué)報. 2016(04)
[8]基于AMSR-2蒙古高原土壤水分反演及對氣象因子響應(yīng)分析[J]. 魏寶成,玉山,賈旭,包玉海,那日蘇,銀山.  中國生態(tài)農(nóng)業(yè)學(xué)報. 2016(06)
[9]基于Radarsat-2全極化數(shù)據(jù)的高原牧草覆蓋地表土壤水分反演[J]. 謝凱鑫,張婷婷,邵蕓,柴勛.  遙感技術(shù)與應(yīng)用. 2016(01)
[10]SAR圖像濾波方法比較與分析[J]. 王宇航,范文義,張金虎.  森林工程. 2015(03)



本文編號：3723932