基于广义回归神经网络的京津冀地区土壤湿度遥感逐日估算研究

土壤湿度是地表水热交换过程和水文循环中的一个关键组成部分,获取高时空分辨率的土壤湿度数据一直是当前研究的热点.SMAP(Soil Moisture Passive and Active)主被动微波土壤湿度产品的精度高,但存在着空间分辨率低和时间分辨率缺失的问题,这限制了其在区域尺度上的应用,为解决这一问题得到更高时空分...     

基于地理神经网络加权回归的中国PM2.5浓度空间分布估算方法

中国空气污染问题日益严重,为获得连续的PM_2.5浓度空间分布,现有研究建立了多种基于统计回归的PM_2.5估算模型。然而,由于PM_2.5回归关系显著的空间非平稳性和复杂的非线性特征,如何实现高精度、高合理性的PM_2.5浓度空间大面估计仍然面临挑战,尤其在地形变化复杂、覆盖范围广阔的中国地区更为突出。本文引入了一种将普通线性回归（OLR）和神经网络结合的地理神经网络加权回归（GNNWR）模型,通过集成遥感数据、气象数据和地理信息数据建立了基于GNNWR的PM_2.5浓度空间估算方法。文章以中国2017年PM_2.5年平均浓度估算为例,开展了该模型与OLR、地理加权回归（GWR）的比较实验。实验结果表明,基于GNNWR的PM_2.浓度估算性能指标均明显优于OLR和GWR,且预测精度显著高于GWR。此外,GNNWR获得的PM_2.5浓度空间分布也更为合理,较为细致地刻画了中国地区PM_2.5浓度的局部空间变化和细节层次。     

基于广义回归神经网络的GPS高程转换

为提高GPS高程转换的精度,采用广义回归神经网络(GRNN)进行拟合。将控制点的X、Y坐标作为网络输入,高程异常作为网络输出,采用实验数据训练网络,训练完成的网络作为模型进行高程异常预测。结果表明,GRNN方法具有较高的GPS转换精度。     

基于微波数据与光学数据集成的机器学习技术在作物产量估算中的应用

各类光学植被指数已成功地应用于各种植被监测与作物产量估算中,但这些指数易受大气状况的影响.由星载微波辐射计得到的植被光学厚度数据(VOD)与植被密度、含水量密切相关,数据可全天候获得,在农业遥感监测中呈现着巨大的潜力.作为来自不同传感器的遥感数据,微波遥感数据与光学遥感数据可以提供不同波长范围内的植被信息.为了更准确地...     

时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。     

光学信息分解被动微波土壤湿度方法

土壤水分是一个重要生态参量,以被动微波反演土壤水分,不受天气影响,且其算法成熟.但是星载被动微波数据的空间分辨率较低,可适合大区域尺度研究.本文将1km分辨率光学数据MODIS和25km分辨率被动微波数据AMSR- E2级土壤湿度产品结合,利用NDVI-Ts特征空间,去除植被影响,结合前人提出的裸土蒸散模型,将研究区被...     

GNSS-R探测土壤湿度综述

通过对基于GNSS-R土壤湿度探测技术的观测方式及原理进行系统评述,阐述已取得的研究成果,并在此基础上指出研究中存在的不足及未来的发展方向.     

克里格法的土壤水分遥感尺度转换

 尺度效应往往会制约着定量遥感反演的精度,对地学信息进行空间尺度转换是生产实践的必然要求,而常用的尺度转换模型多利用光谱数据进行差值计算,不适合升尺度和降尺度转换。由于土壤含水量数据具有区域变化量的随机性和结构性特点,本文以15m分辨率的ASTER图像像元为基本单元,采用点克里格法完成ASTER 15m至7.5m分辨率的土壤含水量数据降尺度转换,从分维数的相似程度上来看,转换结果是合理的;并利用块状克里格法对地面实测样点数据进行点到7.5m分辨率的面数据升尺度转换,将升尺度和降尺度转换结果与实测样点均值相比较,结果表明:7.5m分辨率的实测样点土壤水均值误差在1.5782-5.019之间,块状克里格法获取的升尺度土壤含水量数据与点克里格法获取的降尺度土壤含水量数据之间误差则为1.2825-5.0481,可见克里格法考虑了点与周边的关系,所获得的土壤含水量值要优于未考虑空间异质性的土壤含水量平均值。     

土壤含水量对桉树幼苗生长及生物量分配的影响

以尾叶桉U6无性系为研究材料,盆栽于土壤含水量分别为田间持水量的100%(Ⅰ)、80%(Ⅱ,CK)、60%(Ⅲ)和40%(Ⅳ)条件下30 d,研究不同土壤含水量对桉树幼苗生长和生物量分配的影响.结果表明:不同土壤含水量显著影响桉树幼苗的生长和生物量分配.与对照组相比,60%和40%土壤含水量下桉树幼苗的株高、地径、叶片数、叶面积、根长和侧根数分别减少37.8%、33.6%、52.1%、68.9%、44.0%、37.5%和44.4%、40.4%、60.8%、77.5%、51.6%、48.9% ;总生物量、根、茎、叶生物量分别减少53 .5%、22.4%、57.9%、62.0%和63.9%、26.2%、59.7%、78.9% .100%土壤含水量下上述各项指标值均有所增加,说明桉树幼苗仍有一定增长潜力,然其水分利用效率不高,生产上不实用.水分亏缺使桉树幼苗倾向于将更多的资源分配给根系生长,增大根/茎比,降低其利用价值.     

GA辅助NLS的GNSS-IR土壤湿度反演方法北大核心CSCD

采用具有阻尼因子的函数模型,使用遗传算法(genetic algorithm,GA)辅助非线性最小二乘(nonlinear least squares,NLS)方法对相位参数进行求解。结果表明:1)相较于标准余弦函数模型,该方法的反演相位与土壤湿度的相关系数有较为明显的提升,反演结果也更加稳定,在5°~15°、5°~20°、5°~25°三个高度角范围内的相关系数均大于0.68,不同高度角之间的相关系数差值小于0.07;2)反演精度有不同程度提高,R 2提高5.72%~76.06%,RMSE减小6.12%~24.24%,MAE减小2.7%~28.3%,将该方案所求相位用于多星线性回归模型后平均RMSE减小10%。     

基于BDS三频相位多路径误差的土壤湿度反演

为丰富GNSS-IR技术的数据源,提出一种基于北斗三频载波相位多路径误差的土壤湿度反演方法.实验结果表明,由多路径误差导出的延迟相位与土壤湿度间存在较强的相关性,相关系数为0.97.该方法仅需较少历元的多路径误差便可获得与基于信噪比的GNSS-IR相当的土壤湿度反演精度,更容易实现土壤湿度的高动态监测.     

GNSS-R/IR土壤水分遥感研究现状

根据不同遥感平台,详细叙述地基、塔基、机载和星载GNSS-R技术土壤水分监测的发展现状,综述辐射计联合GNSS-R技术进行土壤水分监测的发展状态及GNSS-R地基和星载接收机的发展现状,探讨GNSS-R/IR进行土壤水分反演的重难点。     

S波段雷达数据反演土壤水分的模拟分析和验证

中国自主研制的环境减灾卫星星座（HJ）中包含多颗光学和雷达小卫星,这些小卫星计划于2007年底陆续升空。其中,载有S波段合成孔径雷达（SAR）的HJ-1C星,预计于2008年发射,该卫星设置有S波段（3.2GHz）,采用VV极化方式,入射角变化范围是25°～47°。本文根据该雷达卫星的系统参数,利用AIEM模型的模拟数据反演土壤水分的变化。首先,对传统单极化SAR数据反演土壤水分的方法（基于简单散射模型）在S波段的适用性进行了分析（共检验了四个波段数据,分别是Ku波段、C波段、S波段和L波段）,结果表明该方法可应用于S波段,且应用效果比C波段好;然后,对以往研究中该方法可采用的不同水分参数形式进行了比较分析,结果表明,以垂直极化幅度作为土壤水分参数效果最好;最后,利用模拟数据对该方法进行验证,结果在两次数据入射角差为5°时,近80%数据的误差在5%以内。     

地表组合粗糙度不确定性引起的SAR反演土壤水分的不确定性分析

地表粗糙度的不确定性是引起SAR土壤水分反演结果不确定性的主要因素,现有研究大多着重于研究单个粗糙度参数（主要是相关长度）的不确定性,直接研究地表组合粗糙度不确定性的较少。本文使用偏度、峰度和四分位距3个指标来量化不确定性,通过在组合粗糙度中加入不同量级高斯噪声进行随机扰动的方法,研究组合粗糙度不确定性在反演过程中的传递,并对反演土壤水分的不确定性进行定量分析。进一步研究反演土壤水分的均方根误差对组合粗糙度不同比例误差范围的响应特征,得到满足反演精度要求的组合粗糙度误差控制范围。样区的实验分析结果表明：组合粗糙度高斯噪声标准差在0-0.045之间时,峰度取值从-0.1984到1.2501,偏度取值从0.0191到0.6791,四分位距取值从0.0018到0.0167,3个量化指标都随组合粗糙度高斯噪声量级的增大而增大,土壤水分反演值有集中在众数附近的趋势,土壤水分低估倾向比高估倾向更明显;本文提出的组合粗糙度误差控制范围可满足反演精度要求,误差控制范围与入射角负相关。