基于多源遥感数据反演土壤墒情方法研究

土壤墒情是影响农作物生长状况重要参数之一,为提高农作物覆盖下地表土壤墒情反演精度,基于Sentinel-1雷达数据和Landsat8光学数据,利用改进的水云模型得到拔节期玉米覆盖下的地表土壤后向散射系数,并采用SAE深度学习的方法建立遥感影像与土壤水分之间的隐式映射,对玉米覆盖下的土壤墒情进行反演。结果表明:通过改进的水云模型去除植被影响后的反演精度有所提高,R~2达到0.657 7,比传统的水云模型提高了0.150 6;RMSE为0.038 7 cm~3/cm~3,误差降低0.002 5 cm~3/cm~3,为利用多源遥感数据反演农田地表土壤水分提供了参考。     

基于Sentinel-1A数据和BP神经网络的裸露地表土壤含水量反演研究

土壤含水量是影响水文循环和气候变化的重要参数，相比于光学遥感，雷达遥感不受云、雨等气象因素影响，可以实现全天时、全天候的连续观测，是大范围获取土壤含水量信息的有效手段。为研究裸露地表雷达后向散射信号的影响因素和变化规律，探讨利用Sentinel-1A雷达数据反演裸露地表土壤含水量的方法，在南阳盆地典型农业区进行了观测试验。首先利用微波散射模型—AIEM理论模型模拟不同雷达入射角度、地表均方根高度、相关长度、以及土壤含水量参数下的雷达后向散射系数，分析各参数对雷达后向散射系数的影响。进而采用实测数据和模拟数据训练BP神经网络模型(Back Propagation Neural Network,BPNN)，以实现对裸露地表土壤含水量的反演，并对其反演精度进行验证。结果表明：在特定入射角下，地表粗糙度对土壤含水量反演精度的影响不可忽略。不同极化方式下，BPNN模型与AIEM理论模型对微波后向散射系数模拟值的R²达到0.99以上。采用野外实测数据对BPNN模型反演土壤含水量的精度进行测试，结果显示，模型预测值与实测值之间的R²为0.72,RMSE为0...     

粗糙度不变假设下的大区域冬小麦墒情多源遥感监测方法

大区域农田墒情遥感定量监测对当代精准农业应用意义重大,但如何提高监测精度一直是该领域的关键问题.融合多源遥感的方法可以充分发挥各种遥感的优势,是提高监测精度的重要技术手段.以河南省中东部为研究区域,利用MODIS、Sentinel数据,结合实测土壤含水量,根据植被覆盖、地表粗糙度和不同湿度的土壤对后向散射的贡献,利用BP神经网络模型构建上述参数的关系,分别对研究区2016年3-6月冬小麦高植被覆盖时期0～10 cm、0～20 cm深度土壤墒情反演.根据地表粗糙度参数的性质,提出了地表粗糙度不变假设,并结合遗传算法优化BP神经网络方法(GA-BP),进行对比实验.结果显示:①植被茂盛期,后向散射系数(σ)及其差值(?σ)与土壤墒情均具有一定的相关性,VV极化优于VH极化,差值优于原值;②在反演0～10 cm与0～20 cm深度土壤墒情时,BPσ、BP?σ、GA-BP?σ模型得到的结果精度均依次提高,其中GA-BP?σ模型的均方根误差0～10 cm为4.07％,0～20cm为3.42％;③3种BP神经网络模型皆与0～20 cm深度土壤墒情相关性较好,预测精度较高.研究表明:中原地区冬小麦全生育期地表粗糙度不变假设是成立的,后向散射系数差值(?σ)与土壤墒情的相关性更好,0～20 cm的根部墒情的遥测敏感度更高,     

云南省土壤墒情监测系统的设计与实现

为准确获取云南省的土壤墒情,在分析传统墒情监测系统的基础上,设计了一种能够自动获取和处理多源土壤墒情数据且能不断提高数据精度的土壤墒情自动监测系统。系统利用温度-植被干旱指数(TDVI)对遥感影像进行反演,为不断改进反演算法,将反演结果与固定站点监测数据及其他相关数据进行了对比分析。以参数配置形式实现遥感影像自动下载、土壤墒情自动反演和旱情自动分析。结果表明,系统可以得到较高精度的土壤墒情数据,能够满足有关部门对于墒情监测的需要。     

多种植被指数与土壤墒情响应关系对比分析

土壤墒情是农业生产的重要参数,高效、精确地监测土壤墒情是保证农业生产安全的重要环节。在基于植被指数的土壤墒情监测方法中,如何根据地域和植物生育期的差异,选定最优的植被指数是问题的关键。利用2015年2-6月河南省中东部黄淮海平原冬小麦主产区的实测农田墒情数据和MODIS遥感数据,对归一化植被指数(NDVI)、增强型植被指数(EVI)、植被供水指数(VSWI)、温度植被干旱指数(TVDI)与土壤含水量进行相关性分析,对比不同植被指数对不同深度土壤含水量的响应,并分别建立四种植被指数与土壤墒情的回归模型,进行预测精度分析。结果表明:本研究中,TVDI与土壤墒情的相关性最好,预测精度最高;每一种指数皆与10～20 cm深度土壤墒情相关性最好,预测精度最高。因此,TVDI为最优响应指数,10～20 cm深度土壤为最优响应深度。     

基于混合象元分解的Landsat8与MODIS数据融合反演土壤墒情方法研究

【目的】及时准确地获取灌区土壤墒情信息。【方法】以河南省焦作市广利灌区为研究对象,利用Landsat8及MODIS遥感数据分别以表观热惯量及植被供水指数法反演土壤墒情,以混合象元分解的植被和土壤的丰度作为权重因子,对2种方法反演的土壤墒情进行了融合计算。【结果】利用植被供水指数法和表观热惯量反演的土壤含水率与实测含水率相关系数分别为0.47和0.51,同时将2种方法相结合得到的反演结果精度更高,实测含水率与计算的土壤含水率相关系数达到0.73。【结论】融合方法可以更好地计算灌区非均匀覆盖区的土壤墒情。     

基于MODIS数据的济南市农田区土壤含水量模型

土壤含水量是监测土壤质量的重要指标,影响到一系列战略物资的生产,是旱涝等自然灾害发生的指示因子。以2011年4月下旬济南市农田区的MODIS遥感影像为基础,采用植被供水指数法反演土壤含水量,结合野外同步实测数据,建立土壤含水量预测模型,并利用实测和气象数据进行精度检验。结果表明,该模型预测结果与实际情况吻合度较高,模型具有一定的参考价值。     

基于Sentinel-1/2改进极化指数和纹理特征的土壤含盐量反演模型

目前Sentinel-1/2协同反演植被土壤含盐量的研究大多是基于Sentinel-2光谱信息和Sentinel-1后向散射系数,没有考虑Sentinel-2光谱信息容易受土壤亮度等信息影响,Sentinel-1后向散射系数容易受土壤粗糙度和水分影响。为进一步提高Sentinel-1/2协同反演植被土壤含盐量的精度,用水云模型对雷达卫星后向散射系数进行校正,消除植被影响;然后协同Sentinel-2纹理特征,基于VIP、OOB、PCA 3种变量筛选和RF、ELM、Cubist 3种机器学习回归模型构建植被土壤含盐量反演模型。研究结果表明：经过水云模型去除植被影响后的雷达后向散射系数及其极化组合指数与土壤含盐量的相关性有一定程度的提高。不同变量选择方法与不同机器学习方法耦合模型在反演土壤含盐量中,OOB变量筛选方法与RF、ELM和Cubist 3种机器学习方法的耦合模型精度最佳,建模集和验证集的R2都在0.750以上,且验证集的RMSE和MAE均最小;其中OOB-Cubist耦合模型精度最高,且R2v/R2c为0.955,具有良好的鲁棒性。研究可为机器学习协同物理模型、光学卫星协同雷达卫星在土壤含盐量反演中的进一步应用提供思路。     

墒情遥感监测中热惯量模型的修正

墒情是反映作物旱情态势的直观指标,但随作物发育植株叶片对土壤背景形成愈加强烈的郁闭作用,以热惯量法为基础的墒情反演模型精度随之降低。经试验对比分析可知,在作物发育早期即低植被覆盖区,增强植被指数(EVI)较归一化植被指数(NDVI)对植被的识别更为敏感,能够更好地削弱土壤背景影响。【目的】提高热惯量模型在墒情遥感监测中的精度和适用性。【方法】通过在常规热惯量模型中引入EVI作为影响因子,实现对常规热惯量模型的修正。【结果】修正后的热惯量模型在EVI均值不大于0.18时,平均反演精度可达80%以上。【结论】在相同自然条件下,修正热惯量模型反演精度和适用范围均优于常规热惯量模型。     

基于深度学习的多源遥感反演麦田土壤墒情研究

土壤墒情是影响农作物生长发育的主要因素和干旱监测的重要指标。为提高农作物覆盖下地表土壤墒情反演精度，基于Sentinel-1雷达数据和Sentinel-2光学数据，基于深度学习理论，采用全连接深度神经网络的监督学习模型反演研究区麦田的土壤墒情。结果表明：当隐含层层数为6，隐含层节点数为80，迭代次数为450时，获得模型的最优解。反演结果与实测数据的决定系数为0.925 2，均方误差为0.000 8，为利用多源遥感数据反演农田地表土壤水分提供了参考。     

黄淮平原节水高效灌溉技术综合评价分析

以黄淮平原种植区为研究对象,综合种植区的自然地理、生态环境和农业发展状况等因素,借助层次分析和模糊数学方法,建立了黄淮平原灌水技术选择模型。利用单因素、多因素法提出了节水灌溉技术选择的方法,优选出最适宜灌溉技术。在喷灌、滴灌、微喷灌、低压管灌和畦灌5种方案中,运用所建立模型选择最优的灌水技术,综合因子大小为微喷灌>喷灌>低压管灌>滴灌>畦灌。黄淮平原种植区适宜灌溉技术为微喷带灌溉技术。     

豫北地区不同灌水处理对冬小麦生长发育与产量形成的影响

以河南省人民胜利渠灌区种植的冬小麦为研究对象,通过分析冬小麦在不同灌水条件下的生育进程、形态指标及产量构成因素差异,为确定冬小麦的节水高产灌溉制度及水资源高效利用提供理论基础。结果表明:土壤墒情状况对冬小麦生长发育具有决定性的影响,水分亏缺会对冬小麦群体植株形态指标产生不良影响;低水分处理(T-50)叶面积指数、植株高度、干物质积累等性状低于适宜水分处理,土壤水分不足时,会造成叶面积指数、植株高度和干物质累积量等低于正常值;穗部性状随着土壤水分的降低而减少,T-50的处理最低,无效小穗数受土壤水分的影响规律性不明显;穗粒重和产量最高出现在适宜水分处理(T-60)中。     

近60年来长江入海水沙演变规律及影响因素分析

根据长江下游大通水文站长时间序列资料,运用累积曲线法、Mann-Kendall非参数检验法和小波分析等统计方法,揭示了长江入海水沙的演变规律及其影响因素。结果表明:①年径流量呈微弱减少趋势,而年输沙量显著下降,通过95%置信度检验;②径流量在1955年发生突变,输沙量在1997年发生突变;③小波分析表明径流量和输沙量分别存在23a和24a的周期性变化规律;④1971-1996年累积减沙量为22.13亿t,1997-2015年累积减沙量为44.44亿t;⑤年输沙量显著减少受降水影响不明显,主要是水库拦沙、河道采砂和水土保持等人为因素所致。     

基于云模型的合同节水管理风险评价

针对合同节水管理风险评价过程中各评价指标定性概念的随机性及模糊性,提出一种基于云模型的综合评价方法。运用层次分析法确定指标权重,通过正向云发生器对合同节水管理项目的风险评价标准进行云变换得到概念云模型。通过专家打分法获取云滴,采用浮动运算法和综合运算法实现合同节水管理项目由低级指标向高级指标的转换。将结果转换为云图,并与风险评价标准的概念云模型进行对比,得出评价结果。最终通过实例分析,证明云模型应用于合同节水管理风险评价的有效性和可行性。     

基于云模型可能性测度的引水灌溉工程调度风险评估

输水调度是引水灌溉工程最为核心和关键业务,为确保工程安全平稳运行,对调度风险进行深入研究和系统分析是十分必要的。总结分析影响引水工程调度安全众多因素,将调度风险归纳为调度制度风险、调度人员风险、调度技术风险、调度协调风险4方面,细化各类风险因子,建立了调度风险评价指标体系。在此基础上,提出了基于云模型可能性测度风险评估方法,利用正态分布云模型量化风险因子的重要程度和效用值,通过模糊积分计算综合风险程度。实例表明,建立的引水灌溉工程调度风险评价指标体系和评估方法,能够较全面、合理反映调度运行安全影响因素,综合考虑了风险评估中的模糊性和随机性,操作性强,为风险评估研究提供了一种新思路。     

闸孔自由出流流量系数公式的改进与应用——以槐店闸为例

以淮河流域槐店闸的实际观测数据为基础,采用最小二乘拟合法对流量系数进行回归分析,并探讨了各公式的适用性,结合槐店闸的实际情况及分析结果对拟合所得对数函数进行改进,分析各公式在自由出流区间内的合理性后,决定采用分段函数形式表达流量系数公式。结果表明,改进后的分段函数模拟平均误差为10%,预测精度较高。     

基于不同环境下的河南省典型区域土壤田间持水量研究

土壤田间持水量是衡量土壤墒情和干旱程度的一个重要指标。由于田间持水量的测定环境不同,如季节、环境等因素,可能导致相同区域的土壤其测定结果也不相同。通过颗粒分析实验,确定了全省122处人工墒情站的土壤类型,并从中选取了3个不同土壤类型的站点开展不同季节不同环境下的田间持水量试验。结果表明:①从全省范围来看,河南省的土壤以壤土类型为主,在防汛抗旱时要充分考虑该种土壤类型的蓄水特性;②通过分析试验数据可以得到,其田间持水量与干容重呈现线性反比关系;③3种土壤在不同的季节及实验室温度环境下,田间持水量测定结果差别不大,因此可以得出田间持水量基本不受温度季节的影响的结论。     

生物炭对不同坡度坡耕地土壤水动力学参数的影响

在3种地形坡度条件下,开展了施加生物炭后连续两年的土壤水动力学效应试验研究,探究不同坡度坡耕地施加生物炭当年和次年对土壤水分常数、土壤水分特征曲线、比水容量、非饱和导水率K(h)和非饱和扩散率D(θ)的影响。结果表明:施用生物炭当年和次年均使土壤田间持水率和饱和含水率增大,且随坡度增加其增率变大,生物炭因子两年内对土壤水分常数的影响显著(P <0. 015),而坡度因子影响不显著(P> 0. 05),即生物炭因子作用更明显;施用生物炭两年内,在各个土壤吸力条件下土壤含水率均增大,土壤持水性增强,且同地形坡度呈正相关关系、同年限呈负相关关系;生物炭在两年内均增大土壤比水容量,使其供水能力加强,最大增量1. 830 207×10^-3cm^3/cm^4;地形坡度对K(h)无明显影响,但施加生物炭可使K(h)增大,土壤导水性增强,2016、2017年K(h)最高分别增加239. 61%、164. 04%;施加生物炭可降低D(θ),抑制土壤水分的水平运动,随地形坡度增加抑制效果增强。生物炭施用当年对各土壤水动力学参数的影响大于施用次年。研究结果可为东北黑土区坡耕地农业水土保护和利用提供理论依据。     

膜下滴灌技术综合效益评价方法初步研究

为了探明膜下滴灌技术的综合效益,设计了一套膜下滴灌技术的综合效益评价方法,该方法的评价指标体系共三层,分别为目标层、准则层、指标层,其中准则层共三项,分别为经济效益、环境效益、社会效益,指标层共六项,分别为公顷净效益、经济效益费用比、平均含水率、脱盐率、推广示范作用以及农民素质的提升。用层次分析法计算各指标权重,再用比重法对各指标进行标准化处理,最后通过线性数学模型对各效益以及综合效益进行计算。以北疆典型的滴灌方式(一膜二管)为研究对象,以种植的典型作物棉花为例,对其在膜下滴灌条件下两年的综合效益进行了评价及对比,最后结果为2012与2013年的综合效益分别为0.221 5、0.325 3,从而分析得出降水以及棉花价格的波动是影响综合效益变化的主要因素,为膜下滴灌技术未来效益的提升提供了改进的方向。研究结果说明该评价模型可以较全面客观的对膜下滴灌技术的综合效益进行评价,并为膜下滴灌未来更好地发展提供方向。     

考虑坡面地形的蒸散发遥感估算及空间分布研究

为了研究非均匀地表的蒸散特征,结合地面气象资料,考虑地形效应增加了坡地辐射计算方法,结合Landsat 8波段特征构建双层蒸散发遥感模型。以北京市西北方位的水源上游区为例,进行了蒸散发的估算、验证与分析。估算结果与地表通量站实测值对比发现,感热通量和潜热通量的平均误差分别为4.12%和8.36%,确定系数为0.82和0.98,相关关系较强;与坡地日蒸散发观测数据对比,平均相对误差为8.12%,均方根误差为0.35mm/d,具有较好的估算精度。结合土地利用探讨了水热通量、蒸散发的空间分布情况,同时分析了蒸散发与坡面地形之间的关系:坡度小于35°时,随坡度上升,日蒸散发有较为明显的增加趋势;当坡度大于35°时,受植被覆盖率影响,各季节代表日的日蒸散发呈现不同的变化趋势。各季节代表日蒸散发与坡向同样存在较为显著的相关关系,趋势线呈反抛物线。