利用GPS-IR监测土壤含水量的反演模型

GPS-IR（GPS-interferometric reflectometry）本质上是一种基于GPS辐射源的双基地雷达技术,利用大地测量型接收机记录的信噪比（signal-to-noise ratio,SNR）数据可用于反演土壤含水量。针对GPS-IR获取土壤含水量的参数估计问题,提出了一种改进的反射信号参数估计方法,并研究了土壤含水量反演模型的建立过程。实验结果表明,利用改进的反射信号参数估计方法可获得更加准确可靠的结果,反射信号相位与土壤含水量间存在显著的线性相关,可建立土壤含水量的线性反演模型,但在连续降雨条件下会存在较大误差。     

土壤含盐量反演的研究

运用Hyperion数据,以黑龙江省大庆市某一实验区为例,开展对土壤含盐量定量提取的研究,通过对图像预处理、特征提取、建立BP神经网络模型（Back Propagation Network）等研究工作,探讨反演土壤含盐量的方法。研究结果表明：神经网络模型具有极强的线性和非线性拟合能力,模拟遥感影像特征与土壤盐分之间比较复杂的关系上有很大优势。研究结果不但为利用Hyperion数据反演土壤含盐量提供理论依据,而且还为其它地表参数的反演提供参考。     

粗糙地表土壤含水量遥感模型研究

土壤粗糙度对地表二向反射率特征有重要影响而且极不稳定 ,是影响土壤含水量遥感精度的一个重要因素。该文分析土壤含水量影响反射率的物理过程 ,论证土壤含水量与土壤光谱的关系服从比尔定律 ;分析土块级土壤粗糙度影响土壤反射率的根本原因是微坡面的倾斜使二次和多次散射的比例增加。在此基础上建立粗糙地表土壤含水量遥感模型 ;实验证明模型具有较高的精度     

城市扩展极限学习机模型

城市空间结构及其扩展的模拟是城市科学管理与规划的重要前提,本文基于极限学习机提出了顾及不同非城市用地转化为城市用地差异与强度的城市扩展元胞自动机模型（ELM-CA）。模型验证表明：①ELM-CA模型的模拟精度达到70.30%,相比于逻辑回归和神经网络分别提高了2.21%和1.54%,FoM系数分别提高了0.025 9和0.017 9,Kappa系数分别提高了0.024 7和0.016 9,且Moran I指数接近于实际值,说明极限学习机模型较逻辑回归和神经网络能更有效模拟城市扩展的空间形态及其变化;②ELM模型的训练时间仅为神经网络的1/3左右,体现了ELM学习速度的优势;③在小样本情况下,逻辑回归和神经网络都受到明显的影响,而极限学习机还能保持良好的性能,这个特点使其在样本难以获取的情况下具有明显的优势。两个时相的城市扩展模拟与真实数据的比较表明：基于极限学习机的城市扩展元胞自动机模型（ELM-CA）,简化了CA模型的复杂度,并在小样本情况下能有效提高模拟精度,适合于复杂土地利用条件下城市扩展模拟与预测。     

改进的表观热惯量法反演土壤含水量

提出一种改进的表观热惯量计算模型,以中科院栾城农业生态系统试验站为基地,通过实测的模型参数,利用提出的表观热惯量模型计算不同植被覆盖下、不同实验区土壤含水量的热惯量值,并与土壤含水量进行相关性分析,以找到热惯量方法可以用来反演土壤含水量的适用条件(归一化植被指数NDVI的阈值).实验结果表明,该模型监测土壤含水量是可行的,在植被覆盖度较低的情况下(NDVI≤O.35)具有较高的精度,在植被覆盖度较高(NDVI＞0.35)时,热惯量模型失效,因此用热惯量方法反演土壤含水量植被覆盖时将NDVI阈值的最大值设为0.35.将该方法应用到MODIS数据中,以河北省栾城县、赵县、藁城市3市县为研究区,分别反演该区土壤含水量,反演结果与实际情况相符合.实地取点人工监测土壤含水量为25.1％,栾城站模型计算结果为22.4％,匹配性较好,该方法在遥感数据中得到了很好的应用.     

一种基于多元统计分析的土壤含水量高光谱反演模型

为建立方便、快速、大尺度区域土壤含水量估测模型,对陕西省横山县实验区83个土壤样本光谱数据进行研究。对光谱数据进行一阶微分变换处理,提高土壤含水量与变换后光谱数据的相关性,根据相关系数的大小,选取1 412,1 549,1 586,1 842,1 976和2 032 nm五个波段的反射率作为最佳建模反演因子,运用多元统计的原理建立土壤含水量反演模型。实验结果表明,利用因子R1 412,R1 549和R1 842组合建立起的预测方程效果最好,预测方程的相关系数为0.960 1,RMSE(中误差)为1.934 2。这表明建立的土壤含水量反演模型是可行的,模型具有较高的精度。     

基于植被-土壤二向反射模型的土壤含水量遥感

以北京地区为例，利用像元信息分解法，定量提取出区域植被盖度，由植被盖度得到区域叶面积指数，在只考虑一次散射的情况下，利用植被-土壤二向反射模型，提取出下层湿润土壤反射率。通过引入粗糙度因子建立起粗糙地表下土壤反射率与叶面积指数的函数关系，进而得出土壤含水量。     

不同含水量土壤偏振光谱特征定量分析

水分含量是影响土壤偏振光谱特征的重要参数之一,研究土壤不同水分含量的偏振光谱特征在土壤偏振遥感波段的选择和图像解释上具有重要意义,为应用偏振遥感信息进行土壤调查及理化性质的分析提供依据。本文通过在350-2500 nm波段范围内对不同水分含量的土壤进行偏振光谱测试与分析,研究土壤偏振光谱数据与水分含量之间的关系,建模并检验其精度,对影响土壤偏振光谱特征的各个因素设计科学的正交实验,研究含水量、偏振角度、探测角和方位角等各个因素及其交互作用对土壤偏振光谱特征的影响。结果表明,含水量与偏振角度的交互作用和含水量本身对土壤偏振光谱的影响最大,显著性最强,其次是探测角与含水量的交互作用的影响,而偏振角对土壤偏振光谱有一定的影响,其他因素对土壤光谱偏振反射的影响不大。     

基于PCA和极限学习机的高光谱遥感分类研究

针对高光谱遥感分类研究中面临的数据处理效率低、分类结果精度不高等难题,本文在引入极限学习机(ELM)算法的基础上,顾及其在噪声影响下出现稳健性降低的现象,进一步将主成分分析(PCA)应用于ELM的前端,从而构建了一种基于PCA和ELM的联合算法。将该算法与目前常用的神经网络和支持向量机进行对比分析发现:PCA-ELM分类结果的精度最高,其数据处理效率也较高,该算法具有较强的稳健性和泛化能力,适用于高光谱遥感信息的高效提取。     

结合粒子群寻优的混合核函数极限学习机分类模型

多光谱影像记录了地球上各类地物的电磁波,具有极大的信息量,对影像上相关信息的处理和提取是遥感信息应用的前提。多光谱影像的信息自动提取技术的准确性和提取速度是图像分析与理解领域永恒的研究主题。针对遥感影像信息提取的复杂性和极限学习机ELM的分类性能,在单隐层神经网络和极限学习机理论的基础上,提出了基于粒子群参数寻优的混合核函数极限学习机分类模型。与标准的ELM、支持向量机等分类模型进行比较验证,实验结果表明,混合核函数的极限学习机总体分类精度最高,达到了92.67%,有效提高了影像信息提取的精度和速度,很好地满足了图像信息自动提取对准确率和速度的双重要求。     

基于MODIS的ATI和TVI组合法反演石羊河流域土壤含水量

利用MODIS数据产品MOD11A2、MOD13A1和MCD43A3获取NDVI、ATI(表观热惯量)和TVI(温度植被指数)等参数,以NDVI作为判别阈值将ATI和TVI进行组合建立土壤含水量反演模型,并用预留的实地采样数据对模型进行了验证.最后,结合DEM数据进一步分析了石羊河流域土壤含水量的空间分异规律,结果表明...     

基于RS的淮河流域土壤含水量估算方法

运用MODIS等数据,建立了基于能量平衡与水量平衡的地表土壤含水量遥感反演模型。模型验证结果表明,山东半岛地区实测值与模拟值相关性R2为0.63,沂沭泗流域R2为0.6,淮河地区R2为0.65,适合研究区域不同季节不同分区土壤含水量预测。对将RS用于土壤含水量估算有一定参考价值。     

徐州市区土壤重金属空间分布研究

本文以徐州市泉山、云龙、鼓楼、九里4个城区的表层土壤为研究对象,利用BP神经网络模型结合GIS技术对徐州市表层土壤重金属空间分布进行了研究.结果表明:BP神经网络模型能够智能地学习各个样点的空间位置与该点各重金属含量之间的映射关系和预先设计好的分类评价模式,并能够对各个空间插值点处的重金属含量和污染状况进行预测和评价....     

改进蝙蝠算法优化极限学习机的大坝变形预测模型分析

针对大坝变形监测数据中存在的非线性关系强和传统大坝预测模型精度不高等问题,本文利用改进蝙蝠算法选取最优的参数作为极限学习机的连接权值和阈值,并提出了一种基于改进蝙蝠算法(IBA)优化极限学习机(ELM)的大坝变形预测模型(IBA-ELM).将IBA-ELM模型应用于工程实例,通过对某地水库大坝监测数据预测分析,验证IB...     

全极化SAR图像的山地低矮植被区域土壤含水量估计

山区土壤含水量对山区植被生长监测、滑坡预测等工作具有重要意义,因此针对山地低矮植被区域,提出了全极化SAR图像的土壤含水量估计方法。为解决山地区域SAR图像几何形变和极化旋转问题,根据入射角、坡度、坡向信息定义了可测区域与不可测区域,并对可测区域后向散射系数进行校正。其次以密西根模型为基础,发展了低矮植被的散射模型。在假定植被和土壤特征不变的情况下,基于此散射模型并结合校正数据建立了山区土壤含水量反演方法。结果表明,模型反演的土壤含水量和实验点实测值基本一致,两个实验点反演值分别为14%和15%,实测值为11.45%和15.80%,能够满足一般应用的需求。     

土壤Cu含量高光谱反演的BP神经网络模型

以高光谱数据为基础,针对传统土壤重金属反演模型拟合度低、预测效果差的缺点,提取光谱预处理后的特征波段数据进行相关性分析,选取860nm一阶微分光谱反射率建立基于Matlab的重金属Cu含量BP神经网络预测模型,模型的拟合优度为0.721,预测精度达82.3%,高于传统单元线性回归模型0.414的拟合优度与76.1%的预测精度。研究表明,BP神经网络模型具有良好的拟合优度与预测能力,能更有效预测土壤中重金属Cu的含量。     

CatBoost模型在水深反演中的应用

在多光谱遥感水深反演研究中,由于影响反演精度的因素较多,传统的水深反演模型具有一定局限性。机器学习算法在解决非线性高复杂问题上较有优势,将其应用在某些特定区域水深反演可提高反演精度。本文利用Sentinel-2多光谱遥感影像和LiDAR测深数据,以瓦胡岛为研究区域,构建CatBoost水深反演模型,与传统水深反演模型及Boosting中的XGBoost和LightGBM模型的反演精度进行比较。试验结果表明,经过参数优化后的CatBoost水深反演模型的决定系数、均方根误差、平均绝对误差和平均相对误差分别为96.19%、1.09 m、0.77 m和9.61%,准确性最高,效果更佳。     

土壤性质指标光谱反演数据变换模型研究

本文采用土壤含铁量和有机质含量作为性质指标,对反射率作常规模型变换,变换后的数值与性质指标的相关系数最大值有一定提高。又进行反射率一阶微分乘以平方根一阶微分等几种创新模型变换,以及将变换效果较好的个别波段选出进行交叉组合模型变换,变换后的数值与性质指标的相关系数最大值又有一定提高。实验证明,反射率一阶微分乘以平方根一阶微分模型以及选出波段交叉组合变换模型可以有效提高反射率与土壤性质指标的相关性。     

基于作物缺水指数的土壤含水量估算方法

为研究江苏省徐州市的土壤水分时空分布及动态变化,基于MODIS数据和站点气象数据,利用蒸散发双层模型和考虑土壤水分可供率的改进双层模型分别计算实际蒸散发量,利用Penman-Monteith模型计算区域潜在蒸散发量,计算获得作物缺水指数(crop water stress index,CWSI),并与2010年7月和11月的土壤相对含水量实测数据分别进行回归分析建模,得到了土壤含水量分布图。结果表明:基于蒸散发双层模型的土壤含水量估算结果与实测值的决定系数分别为0.53和0.72,平均相对误差分别为5.89%和9.6%;对双层模型进行改进后,土壤含水量估算结果与实测值的决定系数都为0.84,平均相对误差分别为3.47%和6.03%,利用改进后的双层模型对土壤相对含水量进行估算效果更好。     

塔里木河流域绿洲土壤盐分遥感反演模型研究

以塔里木河流域阿拉尔—沙雅段为研究区,通过多光谱指数组转换和指标筛选,基于最小二乘原理和多元二次模型比较不同光谱指标与土壤电导率之间的相关性,构建基于光谱指数组的土壤盐渍化监测模型。结果表明：生长期NDVI与土壤电导率相关性最好,相关系数为-0.783,休耕期各光谱指标与土壤电导率相关性明显低于生长期。光谱指标的不同数学变换可以一定程度改变与土壤电导率的相关性,NDVI、MSAVI(1/R)、多元二次模型与土壤电导率成极显著相关关系,决定系数R²分别为0.832 8、0.809 6、0.679 0,且模型验证精度较高,可用于研究区土壤盐渍化监测研究。