导读:本文包含了土壤含水量反演论文开题报告文献综述及选题提纲参考文献，主要关键词:MODIS,VSWI,土壤含水量,河南省
土壤含水量反演论文文献综述
蒲欢欢,韦原原,赵永强,方鹏[1]（2018）在《基于MODIS的河南省冬小麦灌浆期土壤含水量反演研究》一文中研究指出采用植被供水指数法对TEERO卫星2017年5月12日的MODIS021KM数据进行分析,计算得出VSWI模型的关键参数,并基于此对河南省土壤含水量分布状况进行分析。结果显示,河南省土壤含水量较高的地区主要在集中在豫西、太行山和桐柏山-大别山山地丘陵区;含水量较少的地区主要分布在黄淮海平原大部分地区和南阳盆地地区。(本文来源于《河南农业大学学报》期刊2018年06期）
茹晨,段四波,姜小光,冷佩,高懋芳[2]（2018）在《基于地表温度日较差-植被覆盖度特征空间的土壤含水量反演方法》一文中研究指出土壤含水量是气候、水文和生态等研究的重要参数。地表温度-植被指数特征空间法是遥感监测土壤含水量的常用方法。以欧洲伊比利亚半岛为研究区,使用MSG-SEVIRI(Meteosat Second Generation-Spinning Enhanced Visible and Infrared Imager)晴空数据,构建地表温度日较差-植被覆盖度特征空间。在此特征空间上,结合研究区土壤质地数据,建立土壤含水量反演模型反演土壤体积含水量。利用西班牙REMEDHUS (REd de MEDiciòn de la HUmedad del Suelo)土壤含水量观测网络的实测数据对反演结果进行验证,均方根误差均在0. 05 m~3/m~3以内,具有较高的精度。与常用的地表温度-植被覆盖度特征空间的结果对比证明,以地表温度日较差替代地表温度,能够减小地表温度反演误差导致的土壤含水量估算误差,从而提高土壤含水量反演精度。(本文来源于《中国科学院大学学报》期刊2018年06期）
赵龙[3]（2018）在《区域土地利用-高时空分辨率蒸散发与土壤含水量分布遥感反演》一文中研究指出土地利用信息、蒸散发和土壤水分监测是区域水资源高效管理的基础,采用遥感技术获取上述基础数据有助于区域水资源的动态管理。本研究以陕西关中地区的武功、扶风和杨陵3个县区为典型研究区域,采用理论分析、数值模拟和实验研究相结合的技术路线,开展了基于遥感的区域土地利用-高时空分辨率蒸散发与土壤含水量分布反演研究,得出以下主要研究结论:(1)提出了一种基于逐日时间序列遥感数据的土地利用/分类方法,解决了非逐日时间序列数据信息缺失导致土地利用/分类精度下降的问题。研究结果表明:非逐日时间序列进行平滑降噪处理时,S-G滤波算法优于HANTS滤波算法;经过空间插补系统处理的NDVI逐日时间序列数据较未经插补的时间序列数据在土地分类中表现更优,可较好地对周期内NDVI变化趋势相似地物进行区分,基于遗传算法优化支持向量机参数的方法可提高逐日时间序列数据的分类精度。(2)以构建的逐日NDVI时间序列遥感数据为基础,提出了一种改进多分类器融合算法。研究结果表明:不同单一分类器对逐日NDVI时间序列数据分类结果不同,马氏距离分类器由于机理特性需要选取大量的训练样本而不适用于逐日NDVI时间序列的土地分类,K-Means单一分类器不适用于种植结构复杂的灌区土地分类。基于时间序列数据的平均值、峰度和偏度叁个统计特征可以实现逐日时间序列遥感数据的土地分类,解决了时间序列数据空间维度大导致过程繁琐、计算量大的问题。改进多分类融合算法较未改进多分类器融合表现出更大的优势,解决了分类精度强弱不同的多个单一分类融合结果不佳的问题。(3)以人工神经网络算法为基础,提出了一种不依赖热红外数据的区域高时空分辨率蒸散量遥感反演方法。研究结果表明:在研究区域内地表温度和高程数据分别是是蒸散量估算的第一主导因子、第二主导因子。夏季地表温度与NDVI的相关性较好,可用NDVI和地表温度回归模型估算夏季地表温度。以热红外数据计算的地表温度为自变量的蒸散量遥感反演模型具有较高的精度;基于回归模型估算的地表温度的蒸散量遥感反演模型也具有较高的精度,且不依赖热红外数据的获取,可用于获取长时间蒸散量数据,增加了蒸散量数据使用的灵活性。(4)提出了一种蒸散量-植被指数(EVDI)模型用以反演区域土壤水分含量的方法,解决了地表温度-植被指数(TVDI)模型反演土壤水分的不确定性问题。研究结果表明:EVDI特征空间构建可以用来反演区域土壤水分含量。在玉米生长阶段,EVDI模型较TVDI模型更适用于反演土壤水分含量,EVDI模型结果与0~20 cm土层深度的土壤水分含量相关性最高,随土层深度增加相关性呈下降趋势。在小麦生长阶段,TVDI模型和EVDI模型均不适用于小麦幼苗期土壤水分含量的反演;与TVDI模型相比,EVDI模型不适用于冬季的土壤水分含量反演。不同作物不同时期土壤含水量反演研究的结果表明,TVDI和EVDI空间特征与多点监测结果可以实现区域土壤水分反演。基于EVDI可以进行土壤干旱等级划分,不同EVDI干旱指数代表不同干旱程度。需要指出的是,论文通过提高时间序列数据的维度提高了土地分类精度,但同时却增加了分类器计算负担,故提取逐日时间序列主要特征信息降低分类器计算负担的工作还需进一步研究。同时,在本文研究中,高时空分辨率的区域蒸散发遥感反演方法和土壤水分反演方法的研究没有考虑区域气象条件、地表覆盖类型和土壤属性的非唯一性给反演模型的稳定性带来的影响,由于这一问题比较复杂,仍需进一步研究。(本文来源于《西北农林科技大学》期刊2018-10-01）
吴继忠,王天,吴玮[4]（2018）在《利用GPS-IR监测土壤含水量的反演模型》一文中研究指出GPS-IR(GPS-interferometric reflectometry)本质上是一种基于GPS辐射源的双基地雷达技术,利用大地测量型接收机记录的信噪比(signal-to-noise ratio,SNR)数据可用于反演土壤含水量。针对GPS-IR获取土壤含水量的参数估计问题,提出了一种改进的反射信号参数估计方法,并研究了土壤含水量反演模型的建立过程。实验结果表明,利用改进的反射信号参数估计方法可获得更加准确可靠的结果,反射信号相位与土壤含水量间存在显着的线性相关,可建立土壤含水量的线性反演模型,但在连续降雨条件下会存在较大误差。(本文来源于《武汉大学学报(信息科学版)》期刊2018年06期）
高培霞[5]（2018）在《基于TVDI模型和土壤水分估算模型反演深层土壤含水量的研究》一文中研究指出作为作物生长发育中起关键影响的水分元素,其只有在土壤中才能被作物根系吸收进而被作物利用,相应的自然降雨和人工浇灌带来的水分只有转化到土壤中才能发挥出其最大作用。在干旱和半干旱地区,当降雨量不足、土壤含水量过低以及缺乏科学合理的灌溉时,会导致农作物由于土壤含水量不能满足其正常需水量而减产。及时准确的监测和了解土壤水分情况具有非常重要的实用价值。传统的土壤水分监测是直接利用降水、土壤、气温等自己测量或气象站提供的气象数据,结合数学模型来估算土壤含水量,但是传统方法对土壤含水量的监测具有滞后性,无法进行动态的监测。通过遥感影像数据虽然可以比较实时的了解大范围的表层土壤水分状况,但对于深层土壤水分的监测不够准确。如果能通过遥感影像反演得到表层土壤水分后,再利用数学模型估算得到深层土壤水分,就能对土壤含水量实现时间和空间上的动态监测,有助于根据土壤含水量的变化及时制定和调整用水计划。本研究以太谷县任村乡为研究区域,结合Landsat8 OLI遥感影像数据,首先利用温度植被干旱指数模型对任村乡5-10月的土壤干湿状况进行检测,并分析其时空分布规律;再使用已得到的温度植被干旱指数与任村乡表层0～30 cm 土壤体积含水率实测数据的相关关系得出任村乡表层0～30cm各层土壤水分的分布情况,最后结合Biswas土壤水分估算模型估算出任村乡60～100cm的深层土壤储水量。研究结果表明:1在0～30 cm的各个土层中,温度植被干旱指数值与10～20 cm的土壤水分相关性最高,说明温度植被干旱指数值对10～20 cm的土壤含水率状况反应更为准确。2表层20～50 cm各个土层的土壤含水率分别与20～100 cm各个土层土壤含水率均在0.05水平上显着相关,说明可以依据表层土壤水分来估算深层土壤水分。3根据遥感影像反演出表层各土层水分数据后利用Biswas模型估算出的深层土壤储水量与实测数据的相对误差均低于20%,说明以遥感反演数据估算深层土壤储水量具有一定的可行性。(本文来源于《山西农业大学》期刊2018-06-01）
李军,董恒,王祥,游林[6]（2018）在《基于最优插值的土壤含水量遥感反演缺失数据插补》一文中研究指出遥感反演土壤含水量是干旱遥感监测中必不可少的环节,但遥感传感器往往受到云雪或自身性能等因素影响而存在数据缺失。现有基于时间序列数据的滤波插补法对数据要求较高而难以推广,而空间插值方法在成块缺失区域效果较差。针对此问题,提出利用最优插值法,根据气象站点实测数据对插值点的贡献定权,进而实现缺失像元的插值与填充。选取宁夏回族自治区为实验区,应用植被条件反照率干旱指数(vegetation condition albdedo drought index,VCADI)反演多个时期的土壤含水量结果,结合分布在研究区的16个国家级气象台站观测数据,利用最优插值法对缺失数据进行插补,结果表明该方法对不同程度数据缺失都具有较好的效果。通过人工模拟具有成块缺失与不同缺失率的数据,对比反向距离加权插值、Kriging空间插值方法和本文方法的插补效果,验证了本文方法具有更高的插补精度。(本文来源于《国土资源遥感》期刊2018年02期）
张文,任燕,马晓琳,胡艺杰[7]（2018）在《基于综合干旱指数的淮河流域土壤含水量反演》一文中研究指出为了方便快捷地得到大范围的土壤含水量产品,以MODIS数据为数据源,淮河流域为研究区域,结合表观热惯量模型和植被供水指数模型的适用性特点,根据地表植被覆盖度的不同,建立综合干旱指数(comprehensive drought index,CDI)模型,对土壤含水量进行反演;然后,将反演的CDI结果与地表实测数据进行相关性建模,得到CDI与实测数据间的最佳拟合模型,利用该模型把CDI结果转化为最终的土壤含水量值;最后,通过实测含水量数据来验证反演结果的可靠性和精度。结果表明,反演得到的土壤含水量与实测土壤含水量相关性较高,相关系数R~2均在0.7左右,该方法对于高效地获取大面积土壤含水量信息具有较好的应用价值。(本文来源于《国土资源遥感》期刊2018年02期）
宁娟,丁建丽,杨爱霞,苏雯,李焕[8]（2018）在《基于高光谱与电磁感应技术的干旱区绿洲土壤含水量反演研究》一文中研究指出为实现干旱区绿洲土壤含水量的快速、准确监测,利用采集自渭干河-库车河绿洲的84个表层(0~10cm)土壤样本,通过利用电磁感应仪(EM38)将所测解译后数据代替实测土壤含水量数据,将高光谱反射率重采样为Landsat8卫星遥感波段反射率,在选取光谱特征参数、提取敏感波段的基础上,利用偏最小二乘回归(PLSR)方法建立土壤含水量模型,将最优估算模型应用于遥感影像,实现研究区土壤含水量遥感反演。研究结果表明:(1)利用EM38所测水平模式土壤表观电导率与土壤含水量拟合效果最优,能够代替实测土壤含水量进行后续建模分析。(2)相比3种单一的光谱特征指数,利用多种光谱特征指数所建土壤含水量估算模型的建模效果更优,其干、湿各季建模集决定系数R~2大于0.7,均方根误差(RMSE)均小于0.5%,RPD均大于2,能够作为有效手段估算干旱区绿洲土壤含水量。(3)不同季节土壤含水量遥感反演值与实测值决定系数R~2均大于0.6,均方根误差(RMSE)均小于0.6%,显示了较高的预测精度,证明利用电磁感应技术与高光谱相结合能够实现对干旱区绿洲土壤含水量的精准、高效监测。(本文来源于《干旱地区农业研究》期刊2018年03期）
张巧凤,刘桂香,于红博,玉山,包玉海[9]（2017）在《锡林郭勒草原土壤含水量遥感反演模型及干旱监测》一文中研究指出土壤含水量是农牧业干旱监测系统的重要因子,对草原植被的生长及其与环境的相互作用具有重要意义。利用MODIS MOD16A2蒸散发(evapotranspiration,ET)月产品数据及测墒站实测土壤含水量,通过相关分析和回归分析等方法,建立了基于蒸散发亏缺指数(evapotranspiration deficit index,ETDI)的土壤体积含水量(soil volumetric moisture,SVM)反演模型SVM=-48.851×ETDI+54.669,该模型的均方根误差为3.27%,达到了区域土壤含水量快速反演的应用水平。基于国家标准确定该模型的干旱等级阈值,分析近15年(2000-2014年)锡林郭勒草原的干旱动态特征,结果表明,草甸草原的土壤含水量在14%上下波动,基本为无旱,只有2007和2009年发生轻旱;典型草原、沙地植被和总体的土壤含水量在11%上下波动,基本为轻旱,只有2007和2009年发生中旱;荒漠草原的土壤含水量在8%上下波动,基本为重旱等级,只有2002、2003和2012年为中旱。近15年锡林郭勒草原平均约66%的面积存在不同程度的干旱,无旱和重旱面积呈增加趋势,轻旱和中旱面积呈减少趋势,但变化均不显着(P>0.05)。(本文来源于《草业学报》期刊2017年11期）
姜雪芹,叶勤,林怡,李西灿[10]（2017）在《基于谐波分析和高光谱遥感的土壤含水量反演研究》一文中研究指出土壤含水量的高光谱反演是当今研究的热点。以土壤多样化的陕西省横山县为研究区,通过野外采集土壤样品,室内利用ASD Field Spec FR地物光谱仪测定土壤样品光谱,采用称重法计算出土壤样品含水量,并分析了不同含水量土壤样品的光谱特性。针对土壤含水量光谱反演中光谱反演因子的构建问题,在研究一阶微分(FD)-主成分分析(PCA)、小波包变换(WPT)-FD-PCA反演输入因子生成方法及存在的不足的基础上,提出了基于谐波分析(HA)的WPT-FD-HA-PCA的反演输入因子构建方法。以上述叁种反演输入因子为基础,建立了土壤含水量反演的FD-PCA-反向传播(BP)、WPT-FD-PCA-BP、WPT-FD-HA-PCA-BP叁种BP反演模型。通过比较土壤含水量实测值与叁种反演输入因子的反演结果,得出WPT-FD-HA-PCA-BP模型的反演精度最高,决定性系数R2达到0.9599,均方根误差为1.667%,其反演结果明显优于其他两种模型。这表明通过WPT和谐波分析能有效地抑制光谱噪声并压缩信号,在一定程度上明显提高了土壤含水量反演精度。(本文来源于《光学学报》期刊2017年10期）
土壤含水量反演论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
土壤含水量是气候、水文和生态等研究的重要参数。地表温度-植被指数特征空间法是遥感监测土壤含水量的常用方法。以欧洲伊比利亚半岛为研究区,使用MSG-SEVIRI(Meteosat Second Generation-Spinning Enhanced Visible and Infrared Imager)晴空数据,构建地表温度日较差-植被覆盖度特征空间。在此特征空间上,结合研究区土壤质地数据,建立土壤含水量反演模型反演土壤体积含水量。利用西班牙REMEDHUS (REd de MEDiciòn de la HUmedad del Suelo)土壤含水量观测网络的实测数据对反演结果进行验证,均方根误差均在0. 05 m~3/m~3以内,具有较高的精度。与常用的地表温度-植被覆盖度特征空间的结果对比证明,以地表温度日较差替代地表温度,能够减小地表温度反演误差导致的土壤含水量估算误差,从而提高土壤含水量反演精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
土壤含水量反演论文参考文献
[1].蒲欢欢,韦原原,赵永强,方鹏.基于MODIS的河南省冬小麦灌浆期土壤含水量反演研究[J].河南农业大学学报.2018
[2].茹晨,段四波,姜小光,冷佩,高懋芳.基于地表温度日较差-植被覆盖度特征空间的土壤含水量反演方法[J].中国科学院大学学报.2018
[3].赵龙.区域土地利用-高时空分辨率蒸散发与土壤含水量分布遥感反演[D].西北农林科技大学.2018
[4].吴继忠,王天,吴玮.利用GPS-IR监测土壤含水量的反演模型[J].武汉大学学报(信息科学版).2018
[5].高培霞.基于TVDI模型和土壤水分估算模型反演深层土壤含水量的研究[D].山西农业大学.2018
[6].李军,董恒,王祥,游林.基于最优插值的土壤含水量遥感反演缺失数据插补[J].国土资源遥感.2018
[7].张文,任燕,马晓琳,胡艺杰.基于综合干旱指数的淮河流域土壤含水量反演[J].国土资源遥感.2018
[8].宁娟,丁建丽,杨爱霞,苏雯,李焕.基于高光谱与电磁感应技术的干旱区绿洲土壤含水量反演研究[J].干旱地区农业研究.2018
[9].张巧凤,刘桂香,于红博,玉山,包玉海.锡林郭勒草原土壤含水量遥感反演模型及干旱监测[J].草业学报.2017
[10].姜雪芹,叶勤,林怡,李西灿.基于谐波分析和高光谱遥感的土壤含水量反演研究[J].光学学报.2017