| 基于极端随机树的闪电河流域土壤水分反演 |
| |
| 引用本文： | 程渊,李玉霞,李凡,何磊.基于极端随机树的闪电河流域土壤水分反演[J].遥感学报,2021,25(4):941-951. |
| |
| 作者姓名： | 程渊 李玉霞 李凡 何磊 |
| |
| 作者单位： | 1.电子科技大学 自动化工程学院, 成都 6117312;2.成都信息工程大学 软件工程学院, 成都 610225 |
| |
| 基金项目： | 四川省重点研发计划（编号：2021YFS0335，2020YFG0296，2020YFS0338）；中央高校基本科研业务费项目（编号： ZYGX2019J064）；全球陆表能量与水分交换过程及其对全球变化作用的卫星观测与模拟研究(编号: 2015CB953700)；民用航天“十三五”技术预先研究项目 |
| |
| 摘 要： | 土壤水分在地表动植物生存、大气—地表间的能量和物质循环中承担着重要的角色,对水循环、气候变化、农业监测、生态环境、地质灾害等应用指标的大面积监测具有重要意义。但由于土壤类型、土壤结构条件、地形特征、植被环境以及人类活动等因素的影响,土壤含水量的分布存在空间异质性特点,对较大区域(例如流域尺度)的土壤水分分布进行监测仍然十分困难。本文以闪电河流域为例,利用中分辨率成像光谱仪(MODIS)反射率数据反演得到植被指数,并以相关植被指数VIs (Vegetation Indices)、地表温度LST (LandSurface Temperature)数据为输入参数,实测土壤水分数据为期望输出参数,发展了一种基于极端随机树的土壤水分反演方法。考虑到地表温度的不易测量性以及对区域土壤湿度监测的需求,本文使用短波红外转换反射率STR (Shortwave Infrared Transformed Reflectance)代替LST建立极端随机树模型,反演了覆盖闪电河流域的2°×2°区域的土壤湿度图。实验结果表明:(1)输入参数使用LST时,基于极端随机树的土壤湿度反演模型表现较好,其均方根误差为0.054 m~3m~(-3),相关系数为0.69,预测精度优于其他模型(支持向量机、随机森林);(2)输入参数使用STR时,预测结果的均方根误差为0.060 m~3m~(-3),相关系数为0.66,使用STR代替LST进行大面积土壤湿度预测具有可行性,土壤水分的空间分布与实际情况基本一致,能够满足一般的应用需求。
|
| 关 键 词： | 土壤含水量 闪电河流域 极端随机树 MODIS 短波红外转换反射率（STR） |
| 收稿时间： | 2019/10/29 0:00:00 |
Soil moisture retrieval using extremely randomized trees over the Shandian river basin |
| |
| CHENG Yuan,LI Yuxi,LI Fan,HE Lei.Soil moisture retrieval using extremely randomized trees over the Shandian river basin[J].Journal of Remote Sensing,2021,25(4):941-951. |
| |
| Authors: | CHENG Yuan LI Yuxi LI Fan HE Lei |
| |
| Institution: | 1.School of Automation Engineering, University of Electronic Science and Technology of China, Chengdu 611731, China;2.School of Software Engineering, Chengdu University of Information Technology, Chengdu 610225, China |
| |
| Abstract: | |
| |
| Keywords: | soil moisture the Shandian river extreme random trees MODIS STR |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《遥感学报》浏览原始摘要信息 |
| 点击此处可从《遥感学报》下载免费的PDF全文 |
|
