期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于多源遥感数据的夏玉米覆盖地表土壤水分协同反演研究 被引量:2
1
作者 石家豪 杨欢 +1 位作者 王富强 孙培彦 《中国农村水利水电》 北大核心 2024年第8期136-143,共8页
土壤水分是陆-气界面物质与能量交换的关键参数,及时、准确地获取土壤水分信息,对于旱情监测、水资源管理以及农作物估产等具有重要意义。研究基于Sentinel-1 SAR遥感数据与Sentinel-2光学遥感数据,系统分析了不同光学植被指数与实测植... 土壤水分是陆-气界面物质与能量交换的关键参数,及时、准确地获取土壤水分信息,对于旱情监测、水资源管理以及农作物估产等具有重要意义。研究基于Sentinel-1 SAR遥感数据与Sentinel-2光学遥感数据,系统分析了不同光学植被指数与实测植被含水量之间的关系,优选融合植被指数(Fusion Vegetation Index,FVI)建立植被含水量估测模型,将其与植被微波散射模型—水云模型(Water Cloud Model,WCM)相结合,校正了植被层对SAR后向散射信号的影响。在此基础上,利用地表微波散射模型—Oh模型构建后向散射系数模拟数据库,基于查找表(Look Up Table,LUT)算法实现了VV和VH两种极化方式下夏玉米覆盖地表的土壤水分反演。结果表明:对于夏玉米等浓密植被覆盖地表,FVI能够更好地反映植被含水量特征,从而准确校正植被层的后向散射贡献量,基于FVI构建的植被含水量反演模型R2为0.693,RMSE为0.303 kg/m2;植被校正后,VV和VH极化方式下土壤水分与SAR总后向散射系数之间的相关性分别提高了21.6%和27.9%;相比于VH极化方式,VV极化方式更适用于土壤水分的反演,夏玉米覆盖地表土壤水分反演结果与实测值之间的R2为0.672,RMSE为0.048 m3/m3。研究成果可为浓密植被覆盖下土壤水分的遥感观测提供有力支撑。 展开更多
关键词 土壤水分 植被含水量 夏玉米 WCM模型 协同反演
在线阅读 下载PDF
基于Sentinel-1A数据和BP神经网络的裸露地表土壤含水量反演研究 被引量:12
2
作者 郭文 马梦梦 孙培彦 《中国农村水利水电》 北大核心 2023年第1期89-94,共6页
土壤含水量是影响水文循环和气候变化的重要参数,相比于光学遥感,雷达遥感不受云、雨等气象因素影响,可以实现全天时、全天候的连续观测,是大范围获取土壤含水量信息的有效手段。为研究裸露地表雷达后向散射信号的影响因素和变化规律,... 土壤含水量是影响水文循环和气候变化的重要参数,相比于光学遥感,雷达遥感不受云、雨等气象因素影响,可以实现全天时、全天候的连续观测,是大范围获取土壤含水量信息的有效手段。为研究裸露地表雷达后向散射信号的影响因素和变化规律,探讨利用Sentinel-1A雷达数据反演裸露地表土壤含水量的方法,在南阳盆地典型农业区进行了观测试验。首先利用微波散射模型—AIEM理论模型模拟不同雷达入射角度、地表均方根高度、相关长度、以及土壤含水量参数下的雷达后向散射系数,分析各参数对雷达后向散射系数的影响。进而采用实测数据和模拟数据训练BP神经网络模型(Back Propagation Neural Network,BPNN),以实现对裸露地表土壤含水量的反演,并对其反演精度进行验证。结果表明:在特定入射角下,地表粗糙度对土壤含水量反演精度的影响不可忽略。不同极化方式下,BPNN模型与AIEM理论模型对微波后向散射系数模拟值的R^(2)达到0.99以上。采用野外实测数据对BPNN模型反演土壤含水量的精度进行测试,结果显示,模型预测值与实测值之间的R^(2)为0.72,RMSE为0.033 g/cm^(3)。因此,基于Sentinel-1A SAR数据,利用C波段雷达遥感和BPNN模型可以实现对裸露地表土壤含水量的准确、高效反演。研究成果可在农田灌溉管理、环境变化监测、水文循环等领域提供有效的科学支撑,具有重要的应用价值和现实意义。 展开更多
关键词 微波遥感 BP神经网络 土壤含水量 反演
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部