共查询到10条相似文献，搜索用时 156 毫秒
1.
利用遥感反演和同化模拟方法估算大范围陆表土壤水分,建立了适用于干旱区的土壤水分反演模型。在.NET平台下运用C#、IDL与ArcEngine控件,对反演模型与同化模拟模型进行了软件实现,并集成为土壤水分遥感反演与同化模拟系统,为环保部门获取大范围土壤水分信息提供了支撑软件工具。 相似文献
2.
3.
双极化SAR数据反演裸露地表土壤水分 总被引：1，自引：0，他引：1
为了较高精度地获取大范围地表土壤水分,提出一种基于双极化合成孔径雷达数据的裸露地表土壤水分反演模型即非线性方程组,通过改进的粒子群算法求解非线性方程组从而得到土壤水分。首先通过AIEM模型数值模拟和回归分析,得到一种新的组合粗糙度,然后模拟分析得到土壤水分与雷达后向散射系数的关系,从而建立雷达后向散射系数与组合粗糙度、土壤水分的经验关系。利用ASAR C波段双极化雷达数据,基于经验关系和改进的粒子群算法即可实现土壤水分的反演。经过黑河流域实测土壤水分数据对模型进行验证,反演结果与实测数据具备良好的相关性(R~2=0.778 6)。与以往同一区域研究成果比较,文中的方法反演精度有所提高,更适用于裸露地表土壤水分反演。 相似文献
4.
为了更好地研究内蒙古额济纳盆地的土壤水分时空分布及动态变化,基于MODIS数据,利用热惯量模型,计算了表观热惯量,并与实测数据进行回归分析建模,反演了内蒙古额济纳盆地的土壤水分。结果表明,利用MODIS数据产品,反演参量获取简单,可降低反演土壤含水量的复杂性,有利于大、中尺度的实际应用;砂土对应的表观热惯量均值较大,粘土次之,壤土最小;相比粘土,壤土和砂土的表观热惯量值比较大且分散;绿洲区表观热惯量值比戈壁和沙漠区大;热惯量模型在20 cm左右深度土壤水分反演效果最好,可有效反演干旱区土壤水分。 相似文献
5.
为了更好地进行土壤水分反演,发展了一种基于ALOS/PALSAR数据、利用自适应神经模糊推理系统(adaptive neuro fuzzy inference system,ANFIS)反演土壤水分的方法.首先,根据研究区实际情况,利用AIEM和Oh模型模拟了试验区裸土区的后向散射特性,建立了后向散射系数与地表粗糙度之间的关系;然后,考虑到研究区地表粗糙度几乎没有变化这一情况,设定了地表粗糙度对后向散射系数的影响为常量;在此基础上,分别利用ANFIS,BP神经网络、多元线性回归和多元非线性回归方法构建了裸土区土壤水分的反演模型,并利用野外实测数据对模型进行了验证.研究结果表明,采用ANFIS方法构建的模型反演精度最高,其均方根误差为0.030,相对误差为14.5％.因此,可以利用ANFIS方法反演裸土区的土壤水分含量,其反演结果具有较高的精度. 相似文献
6.
针对土壤水分反演经验模型使用范围受限、而理论模型相对复杂的问题,该文利用积分方程模型及经验相关长度定标模型,分析均方根高度、地表相关长度、土壤体积含水量对雷达后向散射系数组合的影响;结合RADARSAT-2全极化C波段雷达数据和野外实测数据,构建研究区均方根高度反演模型;将该模型与Dubois模型、介电模型进行结合以反演表层土壤含水量,并对反演值进行线性校正,最终实现裸土区表层土壤水分反演。实验结果表明,HH、VV极化下土壤水分实测值与反演值绝对误差在0.06内的点数分别达到总点数的78%和68%,证明该方法具有一定的可靠性和实用性,可为地表均方根高度、土壤水分反演提供方法和借鉴。 相似文献
7.
参数不确定性是SAR反演土壤水分的重要不确定性来源,为控制土壤水分反演精度,提出一种基于参数不确定性的有效控制土壤水分反演精度的方法,使用该方法可以控制参数的误差范围。首先使用全局敏感性分析方法,确定后向影响散射系数输出的主要参数;在不同量级高斯噪声随机扰动下,将大量各参数采值输入AIEM模型中,得到带噪声的后向散射系数集合;再使用LUT法反演土壤水分,计算反演结果满足误差量级控制范围。以此为基础,利用ENVISAT ASAR双极化数据(VV、VH)和实测土壤水分数据进行验证,利用LUT法反演得到带噪声的土壤水分,计算ASAR影像中采样点土壤水分反演值RMSE0.04cm3/cm3。结果表明各影响参数误差量级控制范围可有效控制土壤水分反演精度,在较大的入射角范围内都适用。 相似文献
8.
以北京市为研究区域,联合使用光学遥感数据和雷达数据,对植被覆盖区地表土壤水分进行反演研究。在利用同期光学数据提取出归一化水分指数(normalized differential water index,NDWI)之后,利用water-cloud模型去除植被层在土壤水分后向散射中的贡献,然后考虑到地表粗糙度,在构建后向散射数据库的基础上分别利用HH和HV极化方式的后向散射系数构建土壤水分反演模型,并对反演结果进行对比研究。结果表明,采用HH极化方式反演土壤水分的均方根误差为0.044,相对误差为15.5%;采用HV极化方式反演土壤水分的均方根误差为0.057,相对误差为20.3%;相比而言,HH极化的反演效果更好。 相似文献
9.
地表土壤水分含量的时空分布信息是十分重要的,常常作为水文模型、气候模型、生态模型的输入参数,同时,也是干旱预报、农作物估产等工作的重要指标。被动微波遥感是监测土壤含水量最有效的手段之一。相比红外与可见光,它具有波长长,穿透能力强的优势。相比主动微波雷达,被动微波辐射计具有监测面积大、周期短,受粗糙度影响小,对土壤水分更为敏感,算法更为成熟的优势。目前,已研究出许多反演土壤水分的方法.本课题的主要内容是借助AMSR-E土壤水分影像数据、MODIS归一化植被指数(NDVI)影像数据和MODIS分类影像数据,利用ENVI软件进行遥感图像数据处理,运用统计分析方法建立NDVI与土壤水分的经验模型,研究中国西部地区稀疏植被覆盖区土壤水分的反演。 相似文献
10.
光学与微波数据协同反演农田区土壤水分 总被引：1，自引：0，他引：1
光学和微波协同遥感反演对于提高农田土壤水分遥感反演精度十分重要。本文采用SMEX02数据集,研究了L波段土壤发射率与地表土壤水分之间的关系,分析了地面植被覆盖对L波段土壤发射率与地表水分之关系的影响规律,推导了以L波段土壤发射率和归一化植被指数NDVI为自变量的土壤水分反演模型。研究表明:L波段土壤发射率与地表土壤水分之间的相关性随NDVI的增加而下降。验证结果表明,本文算法相对常规经验算法,土壤水分反演精度明显提高,H极化条件下,土壤水分的反演精度RMSE由0.0553提高到0.0407,相关系数R2由0.70提高到0.81;V极化条件下,反演精度RMSE由0.0452提高到0.0348,相关系数R2由0.79提高到0.86。 相似文献