亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于Landsat 8數(shù)據(jù)的荒漠土壤水分遙感反演

        2021-04-16 07:44:22馮春暉馬自強王玉珍
        水土保持通報 2021年1期
        關(guān)鍵詞:土壤水分反演光譜

        高 琪, 彭 杰, 馮春暉, 宋 奇, 馬自強, 王玉珍

        (1.塔里木大學(xué) 植物科學(xué)學(xué)院, 新疆 阿拉爾 843300;2.北京大學(xué) 地球與空間科學(xué)學(xué)院, 遙感與地理信息系統(tǒng)研究所, 北京 100000)

        水資源是地球生態(tài)系統(tǒng)的重要組分,并在全球水汽循環(huán)中發(fā)揮著積極作用,土壤水分作為水資源的重要分支,是連接植被、土壤和大氣的關(guān)鍵因子,隨著全球氣候變暖,三者間物質(zhì)和能量循環(huán)加劇,從而土壤水分蒸散嚴重,干旱現(xiàn)象頻繁發(fā)生,如何合理的監(jiān)測土壤水分運移,改善旱情是當(dāng)今全球的熱點問題[1-4]。傳統(tǒng)土壤水分監(jiān)測是基于地面有限點的測定,不但耗損大量經(jīng)濟成本和人力資源,而且空間連續(xù)性缺乏,時空信息獲取困難,導(dǎo)致傳統(tǒng)方法難以滿足大范圍土壤水分監(jiān)測的需求[5]。遙感技術(shù)因具有宏觀性、高效性、時效性、經(jīng)濟成本低和地面限制因素少等獨特優(yōu)勢,已逐漸發(fā)展為現(xiàn)今土壤水分研究的關(guān)鍵方法[6]。

        20世紀60年代至今,以遙感監(jiān)測土壤水分的技術(shù)日漸成熟,并逐漸形成了微波遙感法、熱慣量法、溫度—植被干旱指數(shù)法和光譜指數(shù)法等[7-8]。其中,微波遙感在監(jiān)測過程中易受地形、植被覆蓋度和地表溫度的影響[9-10];熱慣量法存在衛(wèi)星數(shù)據(jù)獲取時效性差、遙感圖像解譯效果低等劣勢[11];溫度-植被干旱指數(shù)法不適用于高植被覆蓋區(qū)域土壤水分的監(jiān)測;光譜指數(shù)法在監(jiān)測過程中雖對遙感數(shù)據(jù)要求較多,但在植被和土地類型多樣且覆蓋程度復(fù)雜區(qū)域有較好的監(jiān)測效果,因此,以光譜指數(shù)法監(jiān)測地貌和植被類型復(fù)雜的空臺里克地區(qū)土壤水分變化,其適應(yīng)度更高,監(jiān)測效果更為顯著。鑒于光譜指數(shù)監(jiān)測土壤水分的特性,國內(nèi)外諸多學(xué)者以光譜指數(shù)法對土壤水分監(jiān)測進行了大量研究,如Ghulam等[12]通過構(gòu)建Nir-Red特征空間,描述植被覆蓋信息,發(fā)現(xiàn)改進垂直干旱指數(shù)(modified perpendicular drought index, MPDI)比傳統(tǒng)指數(shù)能更好的反演旱情;張學(xué)藝等[13]結(jié)合MODIS-EVI得到改進型干旱指數(shù)(modified temperature vegetation dry ness index, MTVDI),通過構(gòu)建各指數(shù)與土壤含水量的相關(guān)函數(shù),表明經(jīng)改進后MTVDI的監(jiān)測效果顯著;姚云軍等[14]發(fā)現(xiàn)并提出了短波紅外土壤濕度指數(shù)(shortwave infrared soil moisture index, SIMI),以SIMI反映土壤水分信息有較好的效果。諸多研究結(jié)果表明基于單一光譜指數(shù)研究均能反映土壤水分表征旱情,但面對植被覆蓋復(fù)雜、地理因素多樣,同時外延到研究區(qū)以外大范圍監(jiān)測研究時,其適用性尚未驗證。為此,有學(xué)者在光譜指數(shù)法的基礎(chǔ)上構(gòu)建綜合干旱監(jiān)測模型,如孫灝等[15]比較13種典型光譜指數(shù)的適用特點,構(gòu)建了農(nóng)業(yè)干旱遙感監(jiān)測的分類體系;葛少青等[16]在綜合NDPI,TVDI和PDI共3種指數(shù)監(jiān)測干旱區(qū)土壤水分取得了良好效果;Du等[17]考慮植被、土壤和降水虧缺等干旱因素,以主成分變換構(gòu)建綜合干旱監(jiān)測指數(shù)(spatial drought index,SDI),表明綜合光譜指數(shù)監(jiān)測土壤水分的精度和適用性均優(yōu)于單一指數(shù),同時以光譜指數(shù)監(jiān)測土壤水分的發(fā)展逐步呈現(xiàn)為單指標向多指標、單因素向多因素發(fā)展的整體趨勢。

        迄今為止,以多種光譜指數(shù)、多因素為模型因子對土地利用類型和地表景觀復(fù)雜多樣區(qū)域土壤水分監(jiān)測研究的相關(guān)報道甚少,其監(jiān)測效果有待進一步驗證。本文以南疆干旱區(qū)阿克蘇地區(qū)的空臺里克沖積扇為研究區(qū),該研究區(qū)以沙漠—綠洲過渡帶為主要土地利用類型,同時地表景觀類型多樣且交錯分布,其中,包括高覆蓋區(qū)域植被—中覆蓋區(qū)域植被—低覆蓋區(qū)域植被、裸地和農(nóng)田;區(qū)域內(nèi)土壤質(zhì)地空間分布變異性強,從而地表粗糙度差異較大,特別是在鹽結(jié)皮區(qū)域和非鹽結(jié)皮區(qū)域之間差異較為顯著。為更好的探究綜合光譜指數(shù)法對地表景觀復(fù)雜多樣的空臺里克區(qū)域荒漠土壤水分監(jiān)測的效果及適用性,因此,本研究以Landsat 8數(shù)據(jù)擬構(gòu)建一種基于多個光譜指數(shù),同時考慮地形(digital elevation model, DEM)和環(huán)境數(shù)據(jù)等因子的土壤水分綜合監(jiān)測模型,為干旱區(qū)旱情監(jiān)測和荒漠土壤水分空間分布研究提供一定理論依據(jù)和方法支持。

        1 材料與方法

        1.1 研究區(qū)概況

        研究區(qū)位于南疆阿克蘇地區(qū)溫宿縣境內(nèi)的空臺里克沖積扇(40°40′10″—41°32′36″N,80°45′09″—81°12′45″E),北靠天山山脈,西臨塔里木盆地邊緣,地勢北高南低,西高東低[18],平均海拔1 200 m,面積約2 176 km2。研究區(qū)屬于典型沙漠—綠洲過渡帶,光熱資源充足,氣候干燥,年平均積溫4 200 ℃,無霜期212 d,年平均降水55.1 mm,而年平均蒸發(fā)卻高達2 428 mm;區(qū)域交通單一,以南北方向長110 km和東西方向長80 km的省級公路為主且貫穿整個研究區(qū),沿省級公路兩側(cè)由北向南土地利用類型依次為沙漠、沙漠—綠洲過渡帶、河流和農(nóng)田;土壤質(zhì)地以沙土、沙壤土為主;地表植被類型分布多樣,以檉柳、駱駝刺,鹽惠木等荒漠植被為主且呈高(植被全覆蓋)—中(植被半覆蓋)—低(裸地)的趨勢集中分布于大面積沙漠—綠洲過渡帶,小面積農(nóng)田以棉花種植為主。

        1.2 遙感數(shù)據(jù)獲取及預(yù)處理

        通過美國地質(zhì)調(diào)查局USGS官網(wǎng)(https:∥earth explorer.usgs.gov/)下載過境時間為2019年6月15日,軌道號為146/31,146/32,云量小于10%,空間分辨率為30 m的2景Landsat 8遙感影像。通過ENVI 5.3軟件完成影像預(yù)處理,具體包括:輻射定標、FLAASH大氣校正、影像鑲嵌、裁剪和波段運算,經(jīng)預(yù)處理后對研究區(qū)遙感影像進行支持向量機分類(SVM Classical);以遙感影像提取比輻射率和黑體輻射亮度等數(shù)據(jù)信息用于地表溫度計算。通過ArcGIS 10.2軟件獲取各光譜指數(shù)信息。

        通過地理空間數(shù)據(jù)云(http:∥www.gscl oud.cn/)下載空間分辨率為30 m的DEM數(shù)據(jù),以ArcGIS 10.2軟件完成洼地填充、影像裁剪、幾何精度校正和高程數(shù)據(jù)提取。

        1.3 土壤樣品采集與測定

        本研究于2019年6月15日Landsat 8衛(wèi)星過境當(dāng)日完成土壤樣品采集,共計160個,為使野外采樣充分反映研究區(qū)土壤質(zhì)地及植被覆蓋,同時考慮到研究區(qū)交通較為單一的情況,沿東西走向長110 km的省級公路兩側(cè)以近似等間距布設(shè)20個采樣樣方,各樣方內(nèi)分布8個采樣點且遵循如下采樣原則:①遠離省級公路300 m以上;②避開河流和農(nóng)業(yè)用水渠等;③依據(jù)土地利用分類結(jié)果,在不同覆蓋類型內(nèi)均布設(shè)樣方;④以五點法采集各樣方表層0—20 cm的土樣并均勻混合。為防止土樣水分蒸發(fā)而導(dǎo)致含水量數(shù)據(jù)誤差,將采集的土樣快速裝入自封袋中密封保存,帶回實驗室稱取50 g左右,采用質(zhì)量烘干法測定土壤含水率,每個樣品設(shè)置3次重復(fù),各重復(fù)間相對誤差控制在5%以內(nèi),取3個重復(fù)樣的平均值為該樣品的土壤水分實際測定值。剩余土壤樣品放置于室內(nèi)風(fēng)干,經(jīng)充分研磨后統(tǒng)一過篩(2 mm),使用稀釋溶液法測定pH值和電導(dǎo)率(EC)。

        1.4 建模方法與模型精度評價

        本研究選取經(jīng)典線性模型偏最小二乘法(partial least squares regression, PLSR)、二分類模型支持向量機(support vector machine, SVM)和機器學(xué)習(xí)模型隨機森林(random forest, RF)3種方法,分別通過The Unscrambler10.5和R語言軟件構(gòu)建模型。將160個樣品實測數(shù)據(jù)在Excel軟件中依次由小到大排列,以2∶1比例分成107個建模集樣品,53個預(yù)測集樣品,通過決定系數(shù)(R2)、均方根誤差(RMSE)、平均絕對誤差(MAE)、相對分析誤差(RPD)對模型精度驗證;當(dāng)R2值越大、RMSE值越小,說明模型精度越高,預(yù)測效果越好;MAE表示模型誤差范圍,其值越低,模型精度越高;相對RPD值而言,當(dāng)RPD<1.5時,表明模型沒有預(yù)測能力;當(dāng)1.5≤RPD<2.0,RPD≥3.0,表明模型預(yù)測能力較差,只能進行粗略估算;當(dāng)2.0≤RPD<2.5時,表明模型預(yù)測能力較好;當(dāng)2.5≤RPD<3.0時,表明模型預(yù)測能力很好;當(dāng)RPD≥3時,表明模型預(yù)測能力極出色,能進行高精度估算[19]。其中,各精度評價指標通過如下(1)—(5) 公式計算:

        (1)

        (2)

        (3)

        (4)

        (5)

        1.5 研究方法

        1.5.1 光譜指數(shù) 不同光譜指數(shù)描述的地表干旱特征有所差異,進而反映土壤水分表征旱情的結(jié)果也不一致[15],由此造成單一光譜指數(shù)監(jiān)測土壤水分精度較低,本研究在此基礎(chǔ)上針對空臺里克地區(qū)植被覆蓋和土地利用等復(fù)雜情況,選取TVDI,NR和NDVI等31個光譜指數(shù)并充分考慮了不同指數(shù)對土壤水分反映的基本特征,以多個光譜指數(shù)為建模因子構(gòu)建反演模型,探究研究區(qū)土壤水分變化規(guī)律。

        1.5.2 地表溫度(Ts) 地表溫度是區(qū)域尺度地表物理參量的一個關(guān)鍵因子,作為地球表面能量平衡的重要指示指標,地表溫度能間接的反映土壤水分狀態(tài)表達旱情特征。其計算方法見公式(6)—(8):

        熱紅外輻射亮度值的表達式如下:

        Lλ=〔εB(Ts)+(1-ε)L↓〕ε+L↑

        (6)

        式中ε為地面比輻射率數(shù)據(jù);Ts為地面實際溫度;B(Ts)為黑體在地表實際溫度的熱輻射亮度;τ為大氣;L↑為大氣向上的輻射亮度;L↓為大氣向下由地表反射的輻射亮度。

        黑體輻射亮度B(Ts)的計算公式如下:

        (7)

        式中:Lλ表示大氣校正后的熱紅外波段輻射定標值。

        得到黑體輻射亮度數(shù)據(jù)后通過普朗克函數(shù)計算地表溫度(Ts)。

        (8)

        式中:Ts為地表實際溫度;B(Ts)為黑體在Ts的熱輻射亮度;K1,K2為衛(wèi)星預(yù)設(shè)常數(shù);Landsat 8預(yù)設(shè)K1=774.89 W/(m2·sr·μm),K2=1 321.08 K。

        1.5.3 地形數(shù)據(jù)(DEM) 研究區(qū)地勢北高南低,自西北向東南傾斜,考慮到地勢高低起伏的特征是影響土壤水分、植被分布和氣候特征等地域分異的關(guān)鍵因子[20],因此,本研究以DEM數(shù)據(jù)作為建模因子,分析因地形變化引起土壤水分分異的規(guī)律,更進一步了解空臺里克地區(qū)土壤水分分布的總體特征。

        2 結(jié)果與分析

        2.1 土壤屬性統(tǒng)計性描述

        表1對實地采集的160個表層土壤樣品基礎(chǔ)屬性進行統(tǒng)計描述。由表1可知,表層土壤水分最小值為4.30%,而最大值為44.29%,極差高達39.99%,平均值為21.58%,說明表層土壤水分(0—20 cm)分布差異較大,引起這種差異的可能原因為不同土壤質(zhì)地和植被覆蓋,從而造成研究區(qū)表層各部分土壤的持水能力差異。EC,pH值的極差分別為78.53 dS/m,1.8,平均值分別為24.01 dS/m,8.16,變異系數(shù)分別為44.57%和5.12%,同時表層土壤水分變異系數(shù)為30.74%。而變異系數(shù)一般分為強變異(>50%)、中等變異(20%~50%)和弱變異(0~20%)[21],引起土壤水分和EC值中等變異一是植被覆蓋差異較大,高植被覆蓋區(qū)域植被對土壤水分和養(yǎng)分元素需求較高,低覆蓋區(qū)域直接受太陽高溫輻射作用較強;二是研究區(qū)人為活動現(xiàn)象明顯,新開墾農(nóng)耕田、撂荒地不斷增加以及人為設(shè)立保護區(qū)存在,導(dǎo)致土壤結(jié)構(gòu)人為破壞嚴重,使土壤水分和鹽分較強變異。土壤屬性的偏度和峰度值分別描述數(shù)據(jù)偏斜程度和各特征值的高低分布情況,表中所有數(shù)據(jù)偏度值均大于0,峰度均與3有一定差距,表明數(shù)據(jù)總體呈現(xiàn)偏態(tài)分布且均不符合正態(tài)分布規(guī)律。

        表1 土壤樣品基礎(chǔ)屬性

        2.2 建模因子與土壤水分的相關(guān)性分析

        為探究各建模因子與土壤水分相關(guān)性,將地表溫度(Ts)和地形數(shù)據(jù)(DEM)以及經(jīng)波段運算的31個光譜指數(shù)與實測土壤水分在Excel 2019軟件中進行相關(guān)分析并附各因子計算公式(具體見表2)。通過表2可知,26個光譜指數(shù)與土壤水分為極顯著相關(guān),其中,溫度植被干旱指數(shù)(TVDI)與土壤水分相關(guān)性最高,為0.53,表明26個光譜指數(shù)均能在不同程度內(nèi)指示土壤水分,但TVDI指示效果優(yōu)于其余光譜指數(shù);綠度差值植被指數(shù)(green difference vegetation index, GDVI)、土壤改良植被指數(shù)2(modified soil adjustment vegetation, MSAVI2)和非線性植被指數(shù)(nonlinear vegetation index, NLI)的相關(guān)系數(shù)分別為0.06,0.08,0.15,與土壤水分均未達到顯著或極顯著相關(guān),表明3個光譜被指數(shù)均不能有效的指示土壤水分信息,不適宜作為建模因子,地表溫度和地形與土壤水分相關(guān)系數(shù)分別為-0.41和-0.43,均為極顯著負相關(guān),表明兩者均能影響土壤水分分布且相關(guān)性越高,土壤含水量則越低。因此,本研究在相關(guān)系數(shù)的基礎(chǔ)上篩選出26個光譜指數(shù),地表溫度和地形為反演模型建模因子。

        表2 建模因子與土壤水分相關(guān)系數(shù)

        2.3 不同建模方法對比分析

        表3為PLSR,SVM,RF3種模型方法構(gòu)建土壤水分建模集和預(yù)測集的精度統(tǒng)計表。通過表3可知,建模集中3種模型方法的精度差異較大,RF模型的R2最高,為0.93,而RMSE和MAE均為最小值,分別為1.49,1.09;SVM模型的R2最低,為0.43,RMSE和MAE分別為3.66,2.82,均為建模集中最大值;PLSR模型性能介于二者間。綜上所述,建模集中,RF模型性能明顯優(yōu)于PLSR和SVM方法,反演效果優(yōu)劣排序依次為RF>PLSR>SVM。在預(yù)測集中,3種模型的各指標相較于建模集均無明顯下降,表明模型比較穩(wěn)定,但三者相比較而言,仍然是RF模型的各項指標明顯優(yōu)于PLSR和SVM,而PLSR和SVM二者間相比,PLSR模型的R2明顯高于SVM模型,而RMSE和MAE要低于SVM模型。就RPD指標而言,PLSR模型和SVM模型的1.5≤RPD<2.0,表明這兩種模型只能對土壤水分進行粗略估計。RF模型的RPD值為3.90(3.90>3.0),表明RF模型有出色預(yù)測能力,能精準反映研究區(qū)土壤水分。綜合考察各模型建模集與預(yù)測集的評價指標,3種模型的預(yù)測性能和穩(wěn)定性從高到低排序依次為RF,PLSR和SVM,表明神經(jīng)網(wǎng)絡(luò)模型比線性模型和二分類模型監(jiān)測反演土壤水分更理想,模型穩(wěn)定性更強,精度更高。

        表3 不同模型下土壤水分反演精度

        2.4 不同建模方法可信度檢驗

        分析土壤水分在PLSR,SVM和RF模型預(yù)測結(jié)果下與實測土壤水分的相關(guān)性,進一步確定預(yù)測土壤水分數(shù)據(jù)的精準性(見圖1)。通過圖1可以看出,RF模型(c)實測水分與預(yù)測水分R2最高,為0.91,表明基于機器學(xué)習(xí)方法的RF模型反演土壤水分最優(yōu),PLSR(a)和SVM(b)的R2為0.63,0.32,相比較RF模型,對土壤水分反演效果較差,但都具有一定的可信度。

        圖1 不同模型反演數(shù)據(jù)與實測數(shù)據(jù)相關(guān)性

        2.5 對比不同模型的土壤水分空間分布

        圖2為最優(yōu)模型(RF)反演表層(0—20 cm)荒漠土壤水分的分布情況,通過圖2可知,土壤含水量以0~5%和5%~12%集中分布于研究區(qū)東北部;15%~20%或>20%大面積分布于北部、中部和南部區(qū)域。

        圖2 最優(yōu)模型反演土壤水分分布結(jié)果

        表4對土壤水分反演結(jié)果的分布面積進行統(tǒng)計,從表4可知,0~5%土壤含水量面積最小,為104 km2;>20%的分布面積最大,為1 041.18 km2;0~15%之間的分布面積總占比為18.21%;而15%~20%和>20%為81.79%,表明研究區(qū)土壤含水量低值較少,總體呈偏高的分布特征。為更進一步探究研究區(qū)土壤水分變化特征,結(jié)合土地利用分類結(jié)果和最優(yōu)模型土壤水分分布結(jié)果(圖2)可知,東北部為沙漠區(qū),土壤水分含量集中為0~12%,南部多為高作物覆蓋農(nóng)田區(qū),土壤含水量多為15%~20%和>20%,同時農(nóng)田內(nèi)存在無作物覆蓋的新開墾田和撂荒地,土壤含水量為0~15%,中部、北部為典型沙漠—綠洲過渡帶區(qū),土壤含水量多集中為15%~20%或者>20%,表明在不同土地利用類型下,土壤水分含量存在較大差異。

        表4 土壤水分分布面積及比例

        3 討 論

        3.1 多因素建模可行性

        本研究以26個光譜指數(shù)、環(huán)境數(shù)據(jù)因子和地形因子(DEM)構(gòu)建PLSR,SVM和RF3種模型反演土壤水分。研究區(qū)地勢北高南低,由1 400 m向980 m依次降低,而土壤含水量與地形相關(guān)系數(shù)為-0.44,達極顯著相關(guān),表明DEM變化對土壤水分分布有較大影響,而本研究引入DEM數(shù)據(jù)作為模型因子,校正因地形引起土壤水分反演精度的偏差,該結(jié)果與蔡亮紅等[20]在TVDI基礎(chǔ)上引入DEM數(shù)據(jù)校正,校正后TVDI能更好的反映土壤水分狀況的研究結(jié)論較為一致。地表溫度在土壤濕度和地、氣相互循環(huán)過程中有重要作用,同時能間接反映土壤水分狀況表征旱情分布,因而對地表溫度數(shù)據(jù)的研究是不可或缺的內(nèi)容[21-22],本研究地表溫度與土壤水分為極顯著負相關(guān),表明土壤水分隨地表溫度的增大而迅速減少,以地表溫度為環(huán)境數(shù)據(jù)因子,構(gòu)建土壤水分綜合模型,對土壤水分高精準反演有重要價值,與蔡國印等[23]以熱慣量法研究土壤水分的結(jié)果較為相似。結(jié)果表明在模型中引入地形和地表溫度數(shù)據(jù)對土壤水分反演模型的精度有較大提升。

        3.2 土壤水分空間分布特征

        通過最優(yōu)模型RF反演空臺里克地區(qū)土壤水分,結(jié)合圖2和表4可知,東北部沙漠土壤含水量最低,集中為0~12%,中部沙漠—綠洲過渡帶土壤含水量最高,集中在15~20%和>20%且分布面積為81.79%,由于沙漠和沙漠—綠洲過渡帶土壤質(zhì)地相差較大,土壤結(jié)構(gòu)疏密度和土壤持水能力不同,因而在不同土地類型下土壤含水量差異較大,這與姜紅等[24]研究結(jié)論較為一致。相比較,沙漠—綠洲過渡帶土壤含水量普遍較高,由于衛(wèi)星遙感在監(jiān)測中具有不確定性,空臺里克是典型的高鹽漬化區(qū)域,鹽分表聚現(xiàn)象嚴重,地表上層形成大量鹽結(jié)皮,而下層土壤水分受鹽結(jié)皮封阻蒸發(fā)困難,導(dǎo)致下濕上干的現(xiàn)象,與Peng等[25]對空臺里克地區(qū)鹽漬化程度研究結(jié)論相符;南部農(nóng)耕田土壤含水量呈0~12%,15~20%和>20%的空間分布特征,而農(nóng)耕田內(nèi)存在大量新開墾農(nóng)田和撂荒地,在不同作物覆蓋區(qū)域,土壤水分的運移速率有所差異,導(dǎo)致變異性較高(44.57%),而含水量低值區(qū)(新開墾田、撂荒地)受人為因素干擾,土壤表層結(jié)構(gòu)破壞嚴重,下層土壤水分受6月高溫蒸發(fā)上移現(xiàn)象明顯,與王思楠等[26]研究結(jié)論較為相似。以光譜指數(shù)法研究土壤水分,受植被覆蓋、大氣、土壤背景粗糙度等自然因素、遙感傳感器等自身因素影響較為嚴重,后續(xù)研究需進一步探索不同影響因素對土壤水分的貢獻率,篩選出一套適合研究區(qū)甚至新疆南部類似干旱區(qū)域的高精度土壤水分反演方法。

        4 結(jié) 論

        本研究有效結(jié)合衛(wèi)星遙感和地面實測數(shù)據(jù),通過PLSR,SVM和RF 3種方法構(gòu)建多指數(shù)、多因素的綜合監(jiān)測模型反演土壤水分,選取最優(yōu)模型對南疆阿克蘇地區(qū)空臺里克表層荒漠土壤(0—20 cm)水分預(yù)測分析。得到以下基本結(jié)論:

        (1) 各因子與土壤水分相關(guān)性分析表明TVDI,NR,NDVI,EVI,GOSAVI等26個光譜指數(shù),環(huán)境因子地表溫度(Ts)、地形(DEM)均與土壤水分極顯著相關(guān),適合作為南疆荒漠土壤水分遙感監(jiān)測的指示因子。

        (2) 對比PLSR,SVM和RF3種模型各評價指標精度,RF模型的R2為0.91,RMSE為1.49,同時RPD值高達3.90,表明RF為土壤水分反演最優(yōu)模型。

        (3) 以最優(yōu)模型RF反演研究區(qū)表層土壤水分,呈現(xiàn)沙漠0~12%集中分布,沙漠—綠洲過渡帶15%~20%和>20%廣泛分布,農(nóng)田區(qū)域交錯分布的土壤水分總體分布特征,其結(jié)果與土地利用分類特征和表1描述性統(tǒng)計結(jié)果較為一致。

        猜你喜歡
        土壤水分反演光譜
        基于三維Saab變換的高光譜圖像壓縮方法
        反演對稱變換在解決平面幾何問題中的應(yīng)用
        基于低頻軟約束的疊前AVA稀疏層反演
        基于自適應(yīng)遺傳算法的CSAMT一維反演
        西藏高原土壤水分遙感監(jiān)測方法研究
        星載近紅外高光譜CO2遙感進展
        疊前同步反演在港中油田的應(yīng)用
        不同覆蓋措施對棗園土壤水分和溫度的影響
        苦味酸與牛血清蛋白相互作用的光譜研究
        鋱(Ⅲ)與PvdA作用的光譜研究
        人妻少妇无码精品视频区| 91蜜桃精品一区二区三区毛片| 99精品人妻少妇一区二区三区| 国产av无码专区亚洲版综合| 少妇高潮惨叫正在播放对白| 亚洲AV无码乱码1区久久| 一级黄片草逼免费视频| 国产亚洲精品熟女国产成人| 人人妻人人澡人人爽人人精品97| 亚洲一区视频在线| 黄色国产一区在线观看| 国产亚洲一区二区三区| 国产97在线 | 亚洲| 91久久久久无码精品露脸| 亚洲女同av一区二区在线观看| 99久久国产精品网站| 精品国产人妻一区二区三区| 久久亚洲国产成人亚| 国产午夜三级精品久久久| 久久国产人妻一区二区| 亚洲aⅴ无码成人网站国产app| 亚洲日本国产乱码va在线观看| 蜜桃视频羞羞在线观看| 亚洲日韩av一区二区三区中文| 国产jizzjizz视频免费看| 一区二区三区国产视频在线观看| 丰满精品人妻一区二区| 久久亚洲国产成人精品性色| 中文字幕一区二区三区在线不卡| 国产丝袜长腿在线看片网站| 国产69久久精品成人看| 久久人人97超碰超国产| 91精品人妻一区二区三区蜜臀 | 亚洲第一黄色免费网站| 国产精品无码无片在线观看3d| 97久久精品人人妻人人| 色佬易精品视频免费在线观看| 人人爽久久久噜人人看| 女同久久精品国产99国产精品| 亚洲色图在线视频免费观看| 一本之道久久一区二区三区|