基于神经网络算法的Sentinel-1和Sentinel-2遥感数据联合反演土壤湿度研究.docxVIP

下载本文档

2
0
约1.75万字
约 13页
2024-09-12 发布于湖北
举报
版权申诉

基于神经网络算法的Sentinel-1和Sentinel-2遥感数据联合反演土壤湿度研究.docx

1、本文档共13页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于神经网络算法的Sentinel-1和Sentinel-2遥感数据联合反演土壤湿度研究

吴善玉鲍艳松李叶飞吴莹

摘要以西班牙萨拉曼卡地区为研究区域，联合Sentinel-1后向散射系数和入射角信息、Sentinel-2光学数据提取的植被指数以及地面实测数据，构建了BP神经网络土壤湿度反演模型，并将该模型应用于试验区土壤湿度反演。结果表明：1）基于Sentinel-1卫星VV和VH极化雷达后向散射系数、雷达入射角和Sentinel-2植被指数数据构建的BP神经网络土壤湿度反演模型，能够实现对该地区土壤湿度高精度反演;2）在光学与微波数据联合反演植被覆盖区土壤湿度中，Sentinel-2的NDVI、NDWI1和NDWI2指数都可以用于削弱植被对土壤湿度反演的影响，但基于SWRI1波段的NDWI1能够获得更高精度的土壤湿度反演结果（RMSE为0.049cm3/cm3，ubRMSE为0.048cm3/cm3，Bias为0.008cm3/cm3，r为0.681）;3）相比于Sentinel-1VH极化模式，Sentinel-1VV极化模式在土壤湿度中表现出更大优势，说明Sentinel-1VV极化模式更适用于土壤湿度反演。

关键词土壤水分;Sentinel-1;Sentinel-2;BP神经网络

土壤水分无论在气候、水文模型还是在农业应用中都是一个重要的参数，它在全球水和能量循环中发挥着重要作用，尤其在气候变化、干旱监测等方面都具有重要意义（Petropoulosetal.，2015;王国杰等，2018a;宋耀明，2019;余波，2020）。因此，土壤水分时空变化的准确估算对于生态环境研究极其重要。

传统的土壤水分观测方法成本高，耗费人力物力，且只适用于采集小范围样点的土壤水分信息，很难建立大尺度的土壤水分观测网络（Luetal.，2014;王静，2018）。而遥感监测方法，尤其是微波遥感因其全天时、全天候、高分辨率、穿透性强及对土壤水分变化敏感的优势，成为土壤水分观测的主要发展方向（赵少华等，2010）。在过去的几十年间，许多搭载主被动微波传感器的卫星相继发射升空，为获取更高时空分辨率的土壤水分产品提供了数据支撑，其中包括多波段微波辐射计SMMR（Oweetal.，2001）、高级微波辐射计AMSR-E（Zengetal.，2015）及其后续AMSR2（魏宝成等，2016）、风云三号卫星（王国杰，2018b）、TRMM卫星（郭英等，2011）、先进合成孔径雷达ASAR（王军战等，2010）、土壤湿度和海洋盐度观测计划卫星SMOS（KedziorandZawadzki，2016）、土壤湿度主-被动观测计划SMAP（马红章等，2016）等。2014年，欧洲航天局开展全球环境与安全监测系统项目（GlobalMonitoringforEnvironmentandSecurity，GMES），Sentinel系列卫星是GMES项目的重要组成部分，目前在轨运行的卫星共有7颗（S1A/B、S2A/B、S3A/B、S5P）。其中，Sentinel-1卫星是载有C波段合成孔径雷达的成像系统，可以实现全天时、全天候对陆地和海洋的监测（Palosciaetal.，2013;Gaoetal.，2017）;Sentinel-2卫星搭载的多光谱成像仪（MultispectralImager，MSI），包含有可见光、近红外和短波红外波段，可提供植被覆盖、土壤及海岸区域的图像用于陆地监测（Martimortetal.，2007;Delegidoetal.，2011）。Sentinel-1SAR数据和Sentinel-2光学数据为监测全球土壤水分、植被和陆地信息提供了新途径。

张祥等（2017）应用积分方程模型IEM，分析了土壤湿度变化与雷达后向散射系数变化之间的关系，基于时序Sentinel-1A雷达后向散射系数差，估算土壤水分变化信息。Dabrowska-Zielinskaetal.（2016）利用Sentinel-1IW模式下不同极化的数据，确定湿地生态系统中CO2通量和土壤湿度，证明了Sentinel-1数据计算土壤湿度的能力以及在频繁的湿地监测中具有的重要优势。曾旭婧等（2017）将Sentinel-1A数据与Landsat8光学数据结合，对不同植被覆盖程度下的土壤含水量进行反演研究，探討不同极化组合方式在不同土地利用方式下的土壤水分含量反演结果。Alexakisetal.（2017）将Sentinel-1SAR数据的后向散射系数、入射角信息，与基于Landsat8数据提取的NDVI（NormalizedDifferenceVegeta