河南省夏季土壤湿度反演模型研究

摘要

干旱灾害是一种在全球范围内频繁发生的复杂的自然灾害，对全球的自然生态环境和人类社会经济活动的影响巨大。因此干旱灾害一直是研究的热点之一。河南省受到季风影响，全年降水分布不均，在夏季受到干旱灾害影响频繁且严重。土壤湿度是干旱的重要评价指标之一，土壤湿度与各个因子之间有较强的非线性耦合关系，需要充分考虑影响监测的各个因子，建立一个满足实际需要的监测模型。本文将以河南省作为主要研究区域，利用2007-2012年夏季MODIS遥感数据，基于TVDI指数方法和神经网络算法两种方面对土壤湿度的反演模型进行研究，从而获得研究区域的干旱灾害动态监测模型。取得的主要研究成果如下:
　　(1)利用MODIS数据、DEM和实测数据，基于TVDI指数方法和神经网络算法对土壤湿度进行反演，建立河南省夏季土壤湿度反演模型，获得土壤湿度高分辨率的空间分布。两个反演模型能客观反映土壤湿度空间分布的变化情况，但两种方法在反演值上有所出入，其中通过TVDI指数方法反演的土壤湿度值较小。
　　(2)分析基于神经网络的反演模型和基于遥感指数的反演模型与实测土壤湿度之间的误差和相关性关系。发现结合土壤湿度影响因子的神经网络土壤湿度反演模型精度相对TVDI指数反演模型的精度更精确。说明算法模型能更好地描述土壤湿度的空间分布特征。
　　(3)以基于神经网络构建的土壤湿度模型为基础，构建2012年河南省夏季干旱灾情等级分布图。结果表明，2012年夏季旱灾灾情较轻，其中6月灾情较为严重，8月较轻，7月几乎不发生干旱。而豫北、豫西和豫中地区的干旱发生频率较高。
　　以上研究工作建立了一个结合土壤湿度影响因子的高分辨率的土壤湿度动态反演模型，实现土壤湿度高分辨率的精细化表达，达到监测研究区域内干旱灾害发展变化的目的。

目录

声明

摘要

第一章 绪论

1．1 研究背景与意义

1．2 国内外研究进展

1．2．1 指数反演土壤湿度研究进展

1．2．2 人工神经网络在遥感上的应用

1．3 研究内容和组织结构

1．3．1 研究内容

1．3．2 组织结构

1．4 本章小结

第二章 研究区域和研究资料

2．1 研究区域

2．1．1 研究区域概况

2．1．2 研究区域干旱灾情介绍

2．2 研究数据

2．2．1 遥感资料

2．2．2 其他资料

2．3 本章小结

3．1 数据预处理

3．1．2 MODIS数据重建

3．1．3 站点资料预处理

3．3 指数反演模型构建

3．4 神经网络的算法原理及实现流程

3．4．1 神经网络算法原理

3．4．2 常见的神经网络模型

3．4．3 BP神经网络实现步骤

3．5 本章小结

第四章 基于TVDI和BP神经网络的土壤湿度反演

4．1 基于TVDI指数的土壤湿度反演

4．1．1 LST／NDVI特征空间构建

4．1．2 基于TVDI指数的建模结果

4．2 基于BP神经网络的土壤湿度反演

4．2．1 输入因子筛选

4．2．2 模型的建立

4．2．3 神经网络模型反演土壤湿度结果

4．3 本章小结

第五章 模型结果分析

5．1 模型评价方法

5．2 模型精度评价

5．2．1 空间分布精度评价

5．2．2 站点精度评价

5．3 本章小结

第六章 总结与讨论

6．1 总结

6．2 讨论与展望

参考文献

致谢

作者简介