基于高分一号的农田植被区土壤湿度反演研究

以国产高分一号(GF-1)遥感数据为数据源,以荆州市公安县为实验区,选择垂直干旱指数(PDI)、改进型的垂直干旱指数(MPDI)和植被调整垂直干旱指数(VAPDI),对土壤湿度指数反演的效果进行比较和验证,同时为减少水体对地表反射率的干扰,采用归一化差异水体指数法(NDWI)对水体进行掩膜处理.研究结果表明,PDI、MPDI和VAPDI分别反演得到的土壤湿度值与实测值的相关系数为0. 520 5、0. 697 2、0. 687 2,实测土壤含水量验证精度评价也表明各模型均能满足反演的精度要求;在植被覆盖较好的农区,MPDI和VAPDI能够在一定程度上克服混合像元对土壤湿度光谱信息的影响,模型拟合效果优于PDI.研究结果可为江汉平原大范围和动态监测表层土壤湿度指数提供理论基础和实践参考.     

ESA土壤湿度遥感产品在河南省的时空变化分析

利用河南省区域2012年1月1日到2012年12月31日的土壤湿度观测资料和欧空局(ESA CCI SM)土壤湿度遥感资料,验证ESA土壤湿度遥感产品在河南省的精度及其时空分布特征.进行了一系列的反复实验,得出结果,结果表明:(1)ESA土壤体积含水量反演值与地面实测值相关性较好,R2为0.6765;RMSE为0.0511,偏差较小;平均值相差0.0113,土壤湿度值较接近.(2)ESA土壤湿度遥感产品可以很好地展现出河南省土壤湿度的空间分布特征.(3)ESA土壤湿度数据在一定程度上可以精确地展现各个季节河南省的土壤湿度时间变化趋势和空间变化特征,与实际情况大致符合,对分析河南的土壤水分变化有着一定的适用性.     

基于机器学习模型的多层土壤湿度反演

为了获取深层土壤湿度缺测值,采用支持向量机、BP神经网络和随机森林3种机器学习算法,在表层至深层土壤中利用主成分分析法选择与土壤湿度相关性显著的气象因子作为输入数据,建立多层土壤湿度反演模型反演了不同深度的土壤湿度。结果表明:随机森林模型模拟结果更加稳定,反演效果更佳;受气象因子驱动的影响,3种机器学习模型对地表0~10.cm深度内土壤湿度的反演效果更佳,对深层土壤湿度的反演效果随着深度增加而变差;增加表层土壤湿度及不同深度土壤温度作为驱动因子可以有效提高机器学习模型对深层土壤湿度的反演能力。     

融合合成孔径雷达和光学影像的植被覆盖区土壤湿度反演

利用合成孔径雷达(synthetic aperture radar,SAR)卫星可对土壤湿度实现大面积、时间连续的反演.针对此过程中难以消除植被遮挡的问题,提出融合SAR微波数据和光学数据,利用修正水云模型消除植被影响,求解纯粹地表后向散射系数,代入裸土区土壤湿度反演算法进行土壤湿度反演,并在武汉豹澥区域设置实测站点记录实测数据进行比对.结果分析表明,经过植被消除后,实测站点垂直极化后向散射系数平均衰减量与植被覆盖度之间时间序列上相关系数达到0.83;土壤湿度反演值与实测值趋势相关性平均提升0.08,且提升程度与植被覆盖度相关系数也达到0.8以上,表明本算法针对植被覆盖度越大区域反演效果越好.该方法通过SAR影像和光学影像融合反演长时间序列土壤湿度具有良好可信度.     

基于多时相高分一号影像的土壤湿度反演

近年来使用国产光学遥感数据反演土壤湿度已成为业内研究热点,其中利用高分一号(GF-1)影像反演土壤湿度是一种潜在的新兴手段,但应用中模型参数需要根据地域调节.为提高GF-1反演土壤湿度的准确度,将豹澥试验区2019年12月至2020年6月的GF-1多光谱宽幅覆盖(WFV)影像和地面观测站点实测数据作为数据源,以垂直干旱指数(PDI)、基于归一化植被指数(NDVI)的修正型垂直干旱指数(MPDIN)、基于两波段增强型植被指数(EVI2)的修正型垂直干旱指数(MPDIE)以及植被调整垂直干旱指数(VAPDI)这四种干旱指数为基准建立土壤湿度反演模型并进行精度评估.实验结果表明:在无植被区域,四种模型的反演结果大致相同,决定系数均在0.7350左右、平均相对误差均在4.50％左右、均方根误差均在1.10％左右,具有较高的精度;在有植被区域,VAPDI的反演效果最优,MPDIN与MPDIE次之,PDI效果不佳.与PDI相比,VAPDI由于考虑了混合像元的影响,不仅适用于稀疏植被区域,也适用于密集植被区域,应用范围更广;与基于两种不同植被指数的MPDI相比,VAPDI由于克服了植被覆盖度和植被像元反射率等因素的影响,基于该指数的土壤湿度估计值与实测值的决定系数达到0.7277以上,具有较高的反演能力.因此,针对豹澥试验区的实际情况,VAPDI指数具有精确反演土壤湿度的潜力.     

安徽省土壤湿度时空变化规律分析及遥感反演

为获取安徽省的土壤湿度时空信息,采用克里金法将站网实测多层土壤湿度数据插值为网格数据,分析其时空变化特征;进而建立遗传算法优化的BP(back propagation)神经网络模型进行土壤湿度反演。该模型以风云3B卫星的亮温数据为主要输入,训练后对该模型验证并进行预测。结果表明:安徽省土壤湿度月均值波动较频繁,淮北平原和大别山区较其他区域干燥;随着深度的增加,土壤湿度增大且季节和空间差异变小;所有分区平均模拟值与实测值的日序列相关性达到0. 605,均方根误差为0. 056 m~3/m~3,说明该模型能够较好地反演安徽省土壤湿度。     

主/被动微波遥感数据融合的土壤湿度产品的CDF改进研究

土壤水分是控制陆地和大气间水热能量交换的关键因子之一,在地球生态系统中起着重要的作用。定量化获取土壤水分信息对农业生产、应对全球变化、保护生态环境等众多领域都有着重要意义。目前,获取精度较高的大区域土壤湿度信息依然是研究的热点和难点问题。气候变化倡议项目(climate change initiative,CCI)土壤湿度数据集是由多种主、被动微波数据融合的大尺度土壤湿度数据集,对其在中国区域的数据质量改进具有较高的实际应用价值。研究利用累积概率分布函数(cumulative distribution function,CDF)匹配方法对CCI土壤湿度产品进行改进。选择有较多实测数据的河北、山西、天津等部分区域,获得2009~2010年每月三旬(共72旬)的土壤湿度插值数据,以此为基础利用CDF进行重调整,建立逐像元的CCI土壤湿度数据的改进模型;然后利用站点实测数据进行该方法的有效性验证。结果表明,CDF调整前的偏差、均方根偏差和平均相对误差分别集中在0.05~0.09、0.05~0.1、0.20~0.45,调整后分别降低在0~0.04、0~0.05、0~0.2范围。可见,CDF调整后的误差明显减小,调整后的CCI土壤湿度的精度得到了明显的提高。     

CCI土壤湿度产品在中国区的降尺度与融合研究

以欧洲航天局主/被动微波遥感融合的土壤湿度产品数据为主要数据源,结合地表参数、亮度温度、土壤质地、地形、降雨等辅助数据,提出基于移动窗口的线性、非线性联合的土壤湿度降尺度模型,对中国区域2003年1—12月的CCI土壤湿度产品数据进行降尺度,提高CCI土壤湿度数据的空间分辨率,使其更适用于农业、水文模拟等精细尺度的应用要求。为了克服CCI数据冬季缺失较多的情况,利用第3代再分析资料ERA-Interim表层土壤湿度的降尺度和重采样结果与之进行融合,生成空间覆盖完整的2003—2013年中国区月1 km土壤湿度数据集,并利用站点实测数据集对其进行了验证。结果表明,依据主/被动微波融合CCI、ERA-Interim再分析土壤湿度数据以及辅助数据的基于移动窗口和线性非线性集成的中国区地表土壤湿度降尺度和融合方法,提高了CCI土壤湿度数据集的空间分辨率和空间覆盖,同时还一定程度上提高了土壤湿度的估算精度。     

淮北地区土壤墒情动态预测

利用与土壤墒情密切相关的气象因子,逐步回归分析1981—2003年土壤墒情变化与气象因子之间的关系,建立安徽省淮北地区各季节土壤墒情的预报模型;结果表明利用时间连续性较好的5个站点的土壤湿度、降水量、日照3个因子建立的预报模型,经检验可以应用到整个淮北地区,春夏秋冬各季节平均预报精度分别为88.92%、91.35%、91.96%、92.94%。     

CLM4.5对中国区域夏季土壤湿度的模拟研究

利用CESM(Community Earth System Model)框架最新发布的陆面模式CLM4.5模拟得到中国区域1991~2010年7月份0~10 cm的土壤湿度数据集;并以中国农作物生长发育和农田土壤湿度旬值数据集的土壤湿度作为实测值,与模拟结果进行了比较分析。结果表明CLM4.5能够揭示中国区域7月份0~10 cm土壤湿度的空间分布特征,与实测数据土壤湿度的年际变化趋势保持着较好的一致性。利用曼-肯德尔法进行突变现象检测表明,模拟和实测得到的二十年的土壤湿度在华北、东北地区有逐年减小的趋势,尤其是东北地区土壤变干现象尤为明显;而华东、华中地区的土壤湿度以2~3年为周期增减,并没有一个持续稳定的变化趋势。CLM4.5模拟的土壤湿度值普遍偏高,最大偏差超过0.1 mm3·mm-3,这可能与模式的参数化方案有关,在以今后的研究中有待进一步探索。     

运用响应面法的工程废土综合改性优化

基于响应面法中的Box-Behnken试验设计方法,在考虑因素间交互作用的基础上对工程废土进行综合改性优化研究.构建成型压力、混合料含水率、水泥掺量及细石掺量等因素与改性后工程废土表观密度、抗压强度、导热系数和软化系数等指标间的响应面,探索各因素对响应指标的影响规律.通过回归模型修正、试验验证获取适用于工程废土综合改性优化指标响应值预测的回归模型方程.结果表明:考虑工艺成本,工程废土在进行综合改性优化时,成型压力、混合料含水率、水泥掺量和细石掺量的最优取值范围分别为15~25 MPa,10.5%~12.5%,8%~12%和3%~6%;各影响因素对改性后工程废土的表观密度、抗压强度、导热系数和软化系数等指标的影响显著程度均不相同,且存在交互作用;修正后的改性工程废土指标响应值回归模型经试验验证,最大偏差值为6.07%,适用于工程废土改性方案的优化和各指标响应值的预测.     

青岛自动土壤水分对比观测分析评估

根据《自动土壤水分观测准确性研究》理论,对青岛六个区市2011年度土壤水分对比观测实验数据进行分析评估,发现在土壤质地、结构比较均匀地段,自动土壤水分观测经订正可以替代人工观测土壤水分。土壤容重综合修正法比简化直线回归法适宜性和效果均好,方法简便,物理意义清晰。简化直线回归法体积含水率平均绝对误差小于5%,不能保证重量含水率平均绝对误差也小于5%,不能仅以体积含水率平均绝对误差小于5%作为判断标准。     

辽东湾北部碱蓬群落及滩涂土壤盐分遥感反演模型

土壤盐分是评价土壤质量的重要指标，也是影响辽河口滨海湿地盐地碱蓬生长的主要环境因素之一，提出一种实时、准确、大尺度监测碱蓬群落及周围滩涂土壤盐分的算法十分必要.为了减少大气对模型的影响，该文利用地面高光谱数据模拟Landsat 8 OLI卫星反射率，采用基于交叉验证的逐步回归分析方法构建土壤盐分反演模型.结果表明：1) 碱蓬样本的土壤盐分明显低于裸滩，海南三区域土壤盐分在总体上低于鸳鸯沟和笔架岭区域，而植株高度和生物量普遍均高于鸳鸯沟和笔架岭区域，在一定程度上说明了土壤盐分对盐地碱蓬生长的影响；2) 模拟卫星反射率构建的多光谱指数与土壤盐分的相关性相较于单波段在整体上有所提高，其中植被指数NDVI和RVI与土壤盐分的相关性较高，相关系数达到了－0.689和－0.683；3) 利用基于交叉验证的逐步回归分析法构建土壤盐分反演模型，模型的自变量为RVI、SAVI和SI3，模型的建模集决定系数R2为0.684，均方根误差(RMSE)为3.45，验证集RMSE为1.88，相对分析误差(RPD)为2.28，表明模型的反演精度和反演能力较好；为了进一步验证模型的精度，对比分析基于逐步回归分析法筛选的指数因子构建的多元线性回归反演模型，发现交叉验证的逐步回归模型的R2、RMSE均优于多元线性回归反演模型，同时土壤盐分反演值和实测值散点图更接近1∶1线，为辽东湾北部碱蓬群落及裸滩土壤盐分因子的反演提供技术及数据支持.     

基于GIS的两种土壤水分模拟方法的对比研究

借助数字地形分析和GIS方法,将野外采样和空间分析相结合,研究了利用区域土壤水分空间统计模型和地形湿度指数模型模拟土壤水分的方法。并在此基础上,以陕北黄土高原为实验样区,利用实测的土壤水分数据分别构建两种模型对土壤水分进行模拟,分析了不同模型模拟土壤水分的精度,对两种方法模拟土壤水分的效果进行了评价。     

冀东几种主要土壤水分有效性的研究

本文以张力计为主要手段研究了冀东8种土壤水分有效性,包括田间持水量值与相应的土壤吸力值、土壤有效水范围及其影响因素、土壤水分的易效程度等内容。     

基于MODIS的神东矿区土壤湿度变化监测

 地表土壤湿度是矿区环境监测的内容之一,对判别采矿扰动地表程度具有重要意义。本文以中国西北干旱地区的神东矿区为试验区,利用中分辨率成像光谱仪(MODIS)数据和热惯量法,对矿区地表土壤湿度进行了反演;同步选取若干地面点按深度分层进行现场实测,与遥感结果进行比对拟合。结果表明,在局部植被盖度较高的区域,遥感结果与不同深度实测结果相关性较差;在植被稀疏的区域,二者相关性较好,其中遥感结果与10cm土壤湿度相关性最好。对9年低盖度区域的土壤湿度变化情况进行监测发现,与背景区相比,矿区表层土壤并未发生干化。初步分析认为这与矿井水循环利用和矿区环境治理有关。     

不同因素对浅表土冻结温度的影响

通过自制的冻结温度试验装置,以南京地区浅表土为研究对象,分析了淤泥质黏土、淤泥质粉质黏土、粉砂3种不同土质在不同含水率、盐分含量以及不同水质条件下的冻结温度规律。结果表明：在试验的含水率范围内,土体冻结温度随含水率增加呈近似线性升高,随盐分含量增加直线降低,而干密度的变化对土体冻结温度影响不大。     

基于无人机多光谱数据的农田土壤水分遥感监测

为了提高农田精准管理效率,基于无人机(Unmanned Aerial Vehicle,UAV)实时获取和传输的遥感数据设计了一种快速监测农田土壤水分的方法:首先,利用UAV飞行采集农田的多光谱数据,在农田选取一个代表性的重点观测区域进行随机样点土壤水分探测;然后,利用垂直干旱指数(Perpendicular Drought Index, PDI),结合样点土壤水分数据快速构建农田土壤水分反演模型,进而获得大范围的农田土壤水分监测结果.并通过6个时相获取的UAV数据和样点土壤水分数据,进行方法实验和模型精度分析,结果表明利用该方法进行农田土壤水分监测的精度较高:6个时相土壤水分反演结果的决定系数R2均在0.8以上,其中5个时相的均方根误差RMSE和系统误差SE值均小于0.1.这证明了基于UAV数据设计的农田土壤水分监测方法的有效性和可行性,可以为大范围农田土壤水分的快速监测提供方法参考.