安徽省土壤湿度时空变化规律分析及遥感反演

被引：7

作者：

王青青 ^{[1
,2
]}

张珂 ^{[1
,2
]}

叶金印 ^{[3
]}

李致家 ^{[2
]}

机构：

[1] 河海大学水文水资源与水利工程科学国家重点实验室

[2] 河海大学水文水资源学院

[3] 中国气象局气象干部培训学院安徽分院

来源：

河海大学学报(自然科学版) | 2019年 / 47卷 / 02期

基金：

国家重点研发计划;

关键词：

安徽省; 土壤湿度; 时空变化; 人工神经网络; 微波遥感; 土壤湿度卫星反演;

D O I：

暂无

中图分类号：

S152.71 []; S127 [遥感技术在农业上的应用];

学科分类号：

082804 ;

摘要：

为获取安徽省的土壤湿度时空信息,采用克里金法将站网实测多层土壤湿度数据插值为网格数据,分析其时空变化特征;进而建立遗传算法优化的BP（back propagation）神经网络模型进行土壤湿度反演。该模型以风云3B卫星的亮温数据为主要输入,训练后对该模型验证并进行预测。结果表明:安徽省土壤湿度月均值波动较频繁,淮北平原和大别山区较其他区域干燥;随着深度的增加,土壤湿度增大且季节和空间差异变小;所有分区平均模拟值与实测值的日序列相关性达到0. 605,均方根误差为0. 056 m3/m3,说明该模型能够较好地反演安徽省土壤湿度。

引用

页码：114 / 118

页数：5

共 14 条

[11] Estimating surface soil moisture from SMAP observations using a Neural Network technique[J] . J. Kolassa,R.H. Reichle,Q. Liu,S.H. Alemohammad,P. Gentine,K. Aida,J. Asanuma,S. Bircher,T. Caldwell,A. Colliander,M. Cosh,C. Holifield Collins,T.J. Jackson,J. Martínez-Fernández,H. McNairn,A. Pacheco,M. Thibeault,J.P. Walker.Remote Sensing of Environment . 2018
[12] 福建省降水空间插值方法比较与区域分布特征研究
林金煌
林广发
[J]. 海南师范大学学报(自然科学版), 2015, 28 (01) : 61 - 65
[13] 基于BP人工神经网络的河流生态健康预警
徐伟
董增川
付晓花
谈娟娟
刘倩
杜芙蓉
[J]. 河海大学学报(自然科学版), 2015, 43 (01) : 54 - 59
[14] 基于改进BP算法的地下水动态预测模型
卢文喜
杨忠平
李平
杨威
[J]. 水资源保护, 2007, (03) : 5 - 8+59

← 1 2 →