基于多源遥感数据的中亚咸海流域农田土壤水盐反演
文献类型：学位论文
| 作者 | 王浩 |
| 答辩日期 | 2019-06-30 |
| 文献子类 | 硕士 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 北京 |
| 导师 | 罗格平 ; 郑宏伟 |
| 关键词 | 土壤盐分含量 土壤水分含量 随机森林 多源遥感 GEE 中亚咸海流域 Soil Salinity Content soil moisture content Random Forest multi-source remotely sensed data GEE Aral Sea Basin |
| 学位专业 | 理学硕士 |
| 其他题名 | Inversion of Soil Salinity Content and Soil Moisture Content in The farmland in the Aral Sea Basin Based on Multi-source Remotely Sensed Data |
| 英文摘要 | 中亚咸海流域（锡尔河流域与阿姆河流域） 绿洲农田盐渍化问题突出。土壤盐渍化破坏农业安全与生态环境， 制约中亚咸海流域国家的可持续发展。 “盐随水动”； 遥感技术是大面积精确估计土壤盐分含量（Soil Salinity Content,SSC） 与土壤水分含量（Soil Moisture Content, SMC） 的关键手段。 将擅长处理变量关系的机器学习方法与多源遥感数据结合，构造反演模型，反演 SSC 和SMC，具有显著优势。 但基于机器学习方法的 SSC/SMC 反演因子，通常包括主动微波雷达的后向散射系数，和基于可见光近红外数据的植被因子如 NDVI以及这两类数据的组合； 较少考虑温度、蒸散、高程等重要因子对 SSC/SMC的影响，这在一定程度上增加 SSC/SMC 反演结果的不确定性。 因此，本文研究以锡尔河流域和阿姆河流域的绿洲农田为研究区，以谷歌地球引擎（GoogleEarth Engine, GEE） 为平台获取微波遥感物理量、植被、温度、蒸散发、地形、盐分指数等 SSC/SMC 的影响因子，基于相关分析挑选与 SSC/SMC 显著相关的影响因子作为反演因子。 将随机森林（Random Forest， RF）、支持向量回归（Support Vector Regression, SVR）、 BP 神经网络（Back Propagation NeuralNetwork, BPNN） 3 种机器学习方法与 SSC/SMC 反演因子相结合， 建立SSC/SMC 反演模型， 定量反演 2017 与 2018 年生长季中亚咸海流域绿洲农田SSC 与 SMC 的时空变化。结论如下：（1）基于 GEE 平台， 获取微波遥感物理参量、植被、温度、 蒸散发、地形、下垫面反射条件 6 大类共 32 个 SMC 影响因子；在 SMC 影响因子的基础上增加盐分指数，即 7 大类共 44 个 SSC 影响因子。相关分析结果中， 在锡尔河流域，基于 2017 年数据挑选出 24 个 SSC 反演因子，基于 2018 年数据挑选出 22 个SMC 反演因子和 12 个 SSC 反演因子。 在阿姆河流域，基于 2018 年数据挑选出16 个 SMC 反演因子和 8 个 SSC 反演因子。（2） 将 SSC/SMC 反演因子分为 3 组与 3 种机器学习方法结合，精度验证表明随机森林 RF 与全部因子（多因子）结合在训练与验证阶段具有最高的精度。在锡尔河流域，基于 2017 年的数据，SSC 反演验证阶段结果 RMSE 为 2.17/g/kg；基于 2018 年数据， SSC 反演验证阶段结果 RMSE 为 2.31/g/kg， SMC 反演验证阶段结果 RMSE 为 0.033m³/m³。 在阿姆河流域， 基于 2018 年数据， SSC 反演验证阶段结果 RMSE 为 2.28/g/kg， SMC 反演验证阶段结果 0.041m³/m³（3） 采用最小显著性差异法比较生长季的不同季节（春、夏、秋）内锡尔河流域或阿姆河流域不同子区域（上、中、下游段）之间的绿洲农田 SSC/SMC 差异，并采用该方法分别比较热量条件（LST）、植被状况（NDVI）、土壤质地，以分析 3 者的季节空间差异对 SSC/SMC 时空格局差异造成的影响。 锡尔河流域2017、 2018 生长季与阿姆河流域 2018 生长季中不同季节的宏观主控因素为热量条件、 植被状况、 土壤质地， 3 者单独地或者共同作用影响 SSC、 SMC 时空分布。基于多源遥感数据尽可能全面获取 SSC/SMC 的影响因子，在此基础上采用机器学习模型，可显著提高 SSC/SMC 反演的精度，这在一定程度上克服了因考虑 SSC/SMC 因子不足获取更高 SMC 精度的限制。 作为干旱区盐渍化评估和农田干旱监测补充研究，为干旱区农业安全与生态保护提供一定支持。 |
| 学科主题 | 地图学与地理信息系统 |
| 语种 | 中文 |
| 源URL | [http://ir.xjlas.org/handle/365004/15358]  |
| 专题 | 中国科学院新疆生态与地理研究所 新疆生态与地理研究所_研究系统 |
| 作者单位 | 中国科学院新疆生态与地理研究所 |
| 推荐引用方式 GB/T 7714 | 王浩. 基于多源遥感数据的中亚咸海流域农田土壤水盐反演[D]. 北京. 中国科学院大学. 2019. |
入库方式： OAI收割
来源：新疆生态与地理研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。