基于IEM模拟的干旱区多时相数据含水含盐量反演模型及分析

根据干旱区的一些自然地理特征，利用IEM模型生成干旱区的多时相（少雨期、多雨期）后向散射数据，然后对数据进行统计分析。一方面印证了多雨期与少雨期后向散射差（αwet^0-αdry^0）与土壤介电常数高度相关的实验观察；另外一方面根据大量的模拟数据找到确切的（αwet^0-αdry^0）与土壤介电常数的关系。最后对盐渍化干旱区的情况（有的干旱区有严重的盐渍化）进行了探讨，发现后向散射系数差（αwet^0-αdry^0）与大介电常数虚部差成较好的线性关系，这为反演土壤含盐量提供了一定依据，但由于介电常数虚部是由含水含盐量两个量决定的，所以要直接反演出含水含盐量还需要进一步研究。     

WOFOST模型与遥感数据同化的土壤速效养分反演

土壤速效养分是作物生长的必要条件,合理控制土壤速效养分含量对粮食增产、农民增收以及环境保护都有重要意义。随着现代农业技术的发展,可以通过变量施肥将土壤速效养分含量控制在最佳状态,这也对土壤养分的获取精度提出了更高的要求。当前的主要土壤速效养分遥感监测方法在监测精度、稳定性、成本控制和可推广性依然存在一定不足,甚至限制对变量施肥的指导作用。本文针对传统土壤速效养分估算方法的不足,提出了利用作物模型与时间序列遥感数据相结合实现耕层土壤速效养分反演的新思路,该思路以养分缺失引起的作物长势参数的变化为切入点,在数据同化算法设计和养分模块优化改造的基础上,利用作物长势参数遥感监测结果与模型模拟结果的差异设计了土壤速效养分反演算法,实现速效养分含量信息的有效获取。设计地面观测实验并利用地面观测数据对反演精度进行评价,结果表明该方法可以对土壤中的速效养分进行实时、高精度的稳定反演,3种主要的速效养分速效氮、有效磷和速效钾的R2分别达到了0.68、0.74和0.52,平均相对误差分别为7.45%、6.17%和9.97%。     

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....     

基于神经网络方法的极化雷达地表参数反演

人工神经网络（Artificial Neural Network)是一个由独立处理单元以一定拓扑结构高度连接而成的并行分布式信息处理结构，适于解决各种非线性问题，积分方程（Integrated Equation Model)单散射模型可模拟各种地表参数条件下裸露地表后向散射系数，以IEM为基础生成训练数据，用L波段的C波段SIR-CHH，VV极化单散射后向散射系数数据为神经网络输入，通过后向反馈（BP）神经网络模型可同时反演得到裸露地表条件下地表介电常数，地表相关长度和均方根高度等地表参数。     

含盐土壤盐渍化雷达反演模拟研究

准确、快速提取大范围地表土壤盐渍化空间分布是一个迫切急需解决的科学难题。本文以河套灌区解放闸灌域土壤盐分雷达监测为例,研究基于RADARSAT-2数据的盐渍化信息提取。利用成熟的BP神经网络技术,建立了四极化雷达影像灰度值反演土壤盐分的人工智能模型,经实测数据检验能够在一定程度上满足盐渍化监测的需要,优于传统盐渍土分类方法,可促进微波遥感在土壤盐渍化监测中的开拓应用。     

融合作物类型的土壤盐分遥感反演方法研究

在沿海平原地区,土壤盐度是制约作物生长的非生物胁迫之一,也是作物种植的重要依据,作物类型能够间接反映土壤盐渍化程度,因此本文提出了一种融合作物类型信息的土壤盐分反演方法。以黄河三角洲典型滨海盐渍土地区为例,基于Sentinel-2 MSI影像,首先采用随机森林分类提取作物类型信息,并基于OneHot方式将作物类型信息编码;然后融合作物类型信息,结合环境协变量数据、地面实测盐分数据,采用自适应增强决策树模型(AB-DT)进行盐分反演;最后与其他机器学习方法,如支持向量机、随机森林、K最邻近和决策树进行盐分反演精度的对比。结果表明：(1)加入作物类型信息能够提高土壤盐分反演模型精度,所有模型中,融合作物类型变量的AB-DT反演模型精度最高,建模集R²为0.86,测试集R²为0.61;(2)加入作物类型信息能够修正误判的盐渍土级别,并使土壤盐分反演结果的地块边缘更加清晰。综上所述,加入作物类型信息,能够提高土壤盐分反演的准确性,为农田管理和农业决策提供更可靠的依据。     

海底底质分类支持下的WorldView-3多光谱影像浅海海域水深反演

近几十年来,基于遥感影像进行水深反演一直是国内外学者研究的热点。本文使用WorldView-3高分辨率卫星影像,结合卫星测高数据,以中国海南岛附近的蜈支洲岛及其附近海域为主要研究区域,在进行数据预处理、底质分类之后,分别通过多元线性回归模型、Stumpf对数比值模型和BP神经网络集中对岛屿周围0～20 m水域的水深进行反演和结果分析。结果证明,对这3种模型而言,在进行底质分类之后精度都会明显提升。其中,BP神经网络反演水深精度最高(均方根误差范围为0.2～0.7 m),多元线性回归模型次之(均方根误差范围为0.3～0.8 m),对数比值模型精度最低(均方根误差范围为0.6～1.1 m)。     

基于支持向量机和BP神经网络的水深反演研究

根据高空间分辨率Quickbird遥感影像反射率和实测水深之间的相关性,选取相关性较高的反演因子b1/b2、b1/b3和b2/b3建立单因子模型、双因子模型、多因子模型和BP神经网络模型,并对甘泉岛附近20m内的水深进行反演。同时,利用最佳指数因子(OIF)和支持向量机(SVM)对甘泉岛研究区域基于水深颜色分成两类,将分类结果分别提取建立BP神经网络模型并进行水深反演。通过对反演结果对比发现:遥感影像分类前,线性回归模型中多因子线性模型反演精度最高,但比BP神经网络模型稍差。遥感影像分类后,浅海水域BP神经网络模型的反演精度要比分类前的各模型反演精度低,但是,深海区域BP神经网络模型的反演精度最高。     

基于神经网络的LAI遥感反演影响因素分析

基于BP神经网络和植被冠层辐射传输模型PROSAIL对LAI进行反演,针对BP神经网络中网络结构设计的关键问题,从网络隐含层层数、隐含层节点数和学习速率等3个方面进行分析与讨论,确定了最佳的BP网络结构,取得了较好的反演结果。     

一种裸露土壤湿度反演方法

针对目前土壤湿度反演方法研究较少且缺少实时性的现状,该文提出一种土壤湿度反演方法——最小二乘支持向量机技术。以积分方程模型为正向算法,数值模拟不同雷达参数(频率、入射角及极化)下后向散射系数随土壤含水量和地表粗糙度的变化情况。经过数据敏感性分析,选取C-波段和X-波段、小入射角下的同极化后向散射系数作为支持向量回归的训练样本信息;经过适当的训练,利用支持向量回归技术对土壤含水量进行了反演研究;并考虑通过多频率、多极化、多入射角数据的组合,消除地表粗糙度的影响,提高反演精度。模拟结果表明,该方法反演土壤湿度具有较高的精度和较好的实时性;同时,与人工神经网络方法的结果比较,证明了该方法的有效性,为土壤湿度的反演研究提供了一种方法。     

The inversion method study of sub-canopy soil moisture estimation using repeat pass SIR-C PolInSAR data

From repeat pass SIR-C L band polarimetric SAR interferometric data and fully maximum likelihood inversion decomposition model of PolInSAR, a method for sub-canopy soil moisture estimation using repeat pass SIR-C PolInSAR data is proposed. At the same time, the potential and validity of fully maximum likelihood inversion decomposition model of PolInSAR for sub-canopy soil moisture inversion is investigated. Firstly, from the random oriented volume over ground two layer coherent scattering model and the statistical characteristics of Pol-InSAR coherency matrix, the fully maximum likelihood inversion decomposition model is used to reconstruct or recover the surface polarimetric coherency matrix with volume scattering components significantly removed; then, from recovered surface polarimetric coherency matrix, co-HH, VV and cross-HV polarization backscattering coefficient are obtained, and the sub-canopy soil moisture are inverted from Oh and Dihedral scattering model. At last, Compared the inversion result with the field measurement and the climate data of hetan region from 1951 to 2006, the preliminary result indicates that the proposed method based on fully maximum likelihood inversion decomposition model has enough high inversion accuracy, if the new spaceborne or airborne polarimetric SAR interferometric data with synchronously spaceborne or airborne-ground measurement will be acquired, the validity and accuracy of proposed inversion method will be further investigated and validated.     

Estimating soil salinity in Pingluo County of China using QuickBird data and soil reflectance spectra

Soil salinization is a worldwide environmental problem with severe economic and social consequences. In this paper, estimating the soil salinity of Pingluo County, China by a partial least squares regression (PLSR) predictive model was carried out using QuickBird data and soil reflectance spectra. At first, a relationship between the sensitive bands of soil salinity acquired from measured reflectance spectra and the spectral coverage of seven commonly used optical sensors was analyzed. Secondly, the potentiality of QuickBird data in estimating soil salinity by analyzing the correlations between the measured reflectance spectra and reflectance spectra derived from QuickBird data and analyzing the contributions of each band of QuickBird data to soil salinity estimation Finally, a PLSR predictive model of soil salinity was developed using reflectance spectra from QuickBird data and eight spectral indices derived from QuickBird data. The results indicated that the sensitive bands covered several bands of each optical sensor and these sensors can be used for soil salinity estimation. The result of estimation model showed that an accurate prediction of soil salinity can be made based on the PLSR method (R² = 0.992, RMSE = 0.195). The PLSR model's performance was better than that of the stepwise multiple regression (SMR) method. The results also indicated that using spectral indices such as intensity within spectral bands (Int1, Int2), soil salinity indices (SI1, SI2, SI3), the brightness index (BI), the normalized difference vegetation index (NDVI) and the ratio vegetation index (RVI) as independent model variables can help to increase the accuracy of soil salinity mapping. The NDVI and RVI can help to reduce the influences of vegetation cover and soil moisture on prediction accuracy. The method developed in this paper can be applied in other arid and semi-arid areas, such as western China.     

作物LAI的遥感尺度效应与误差分析

以黑河中游盈科绿洲为研究区, 利用Hyperion高光谱数据, 采用双层冠层反射率模型(ACRM)迭代运算反演LAI; 通过LAI的均值化(LAImean)以及Hyperion数据反射率线性累加反演LAI(LAIp), 定量分析LAI反演的尺度效应; 从模型的非线性和地表景观结构的空间异质性2个方面分析引起反演误差的原因, 并在LAI-NDVI回归方程的基础上利用泰勒展开的方法对低分辨率数据反演结果进行了误差纠正。结果表明, 地表景观结构的空间异质性是造成多尺度LAI反演误差的关键因素, 通过泰勒展开式能很好地实现大尺度数据LAI反演结果的误差纠正。     

随机森林回归模型用于土壤重金属含量多光谱遥感反演

本文以陕西省柞水县大西沟矿区为研究区域,通过实地采集土壤样本,结合在Landsat 8多光谱遥感影像上提取的辐射亮度值和光谱衍生指数,以及从ASTER GDEM提取的3种地形因素,通过相关性分析确定了建模因子,并以K折交叉验证法建立了砷、铜、铅3种重金属元素的随机森林回归模型。试验结果表明,所建立模型的预测精度优于多元线性回归模型和CART模型,可见随机森林回归模型适用于在小样本情况下的矿区重金属含量反演。经现场调查,空间反演结果与实际情况较符合,证明了基于多光谱遥感的随机森林回归模型在矿区土壤重金属反演中的准确性。     

基于小波分析的神经网络在遥感测温数据拟合中的应用

将小波母函数嵌入人工神经网络的神经元,形成紧致型小波神经网络,该网络用于遥感测温的数据拟合中,可提升纯粹的BP神经网络的拟合精度。本文结合红沿河核电站无人机红外测温试验,对其采集的一组温度数据采用小波神经网络进行拟合。对实验数据进行了统计分析,结果表明:小波神经网络能保证拟合误差在很小的范围之内,并且优于BP神经网络。     

电离层总电子数预报方法研究

针对电离层总电子数对于提高导航定位精度的重要性,该文采用2014年国际GPS服务公布的年积日为第1~10d的电离层总电子数为原始数据,以自回归模型、灰色系统模型、BP神经网络模型两两结合的方式完成建模和预报。通过比较不同纬度、不同预测天数的实验结果分析各模型预报精度及适用范围。结果表明,利用BP神经网络模型对AR模型的预测值进行补偿,在赤道处模型拟合的相对精度达到91.32%;残差范围控制在-1.0~0.8TECU内,预报残差最优可达到0.0TECU,从而证明了该方法可以提高电离层总电子数预报精度。     

光学与微波数据协同反演农田区土壤水分

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。     

AMSR微波遥感数据进行土壤湿度的计算机反演

为了有效解决大尺度区域土壤水分时、空间变化监测的问题,在总结了被动微波遥感反演土壤湿度规律的基础上,基于先进的AMSR星载被动微波遥感数据,提出了利用双谱模型计算土壤表面发射率的计算机算法。首先需要由双站散射系数计算反射率和发射率,然后应用人工神经网络反演土壤湿度,实现了在随机粗糙面状况下基于被动微波遥感的土壤表面水分反演,并在实验区进行了成功的应用。     

基于BP神经网络的矿区地表沉降预测研究

BP神经网络具有非常强的非线性映射能力,广泛应用于分类识别、逼近、回归、压缩等领域。本文基于BP神经网络的理论基础,利用某矿区地表沉降观测点1~10期的实测沉降数据资料,结合MATLAB建立针对矿区地表沉降的预测模型,并预测其11~15期的沉降情况。通过将预测值与实测值进行对比,分析预测模型精度,结果表明BP神经网络用于矿区地表的沉降研究是可行的。