基于Sentinel-1A和Landsat-8的土壤水分反演

摘要

土壤水分是地球生态系统的重要组成部分，是陆地—大气系统间水热传输和能量交换的重要基础，是联系地表与地下水循环、陆地间碳循环的关键纽带。土壤水分作为最常用的地表模型参数之一，在全球水循环规律分析、流域水文模型建立、农作物生长监测和旱情评估等方面起着重要的作用。
　　相对于传统的土壤水分获取方法，遥感因其宏观性强、时效性快、能动态性大区域监测等优点已成为土壤水分信息获取的主要手段。近几十年来，学者们针对不同的传感器类型发展的土壤水分反演算法已达上百种。其中，主动微波协同光学数据反演土壤水分算法具有高时效、强穿透性、不受天气影响、植被影响弱等特点，成为植被覆盖区地表土壤水分反演的一个重要方法。同时，通过不同植被指数构建特征空间来反演土壤水分的光学遥感算法也成为常用手段之一。本文选择黑河流域中游张掖地区盈科绿洲农业灌区为研究区域，以主动微波遥感Sentinel-1A哨兵数据和光学遥感Landsat-8数据为基础，结合实测数据，通过对比不同输入参数确定了两种土壤水分反演算法，开展了土壤水分反演算法的对比分析。主要结论如下:
　　(1)以NDVI和MSAVI指数与地表温度构成的Ts-NDVI和Ts-MSAVI特征空间均满足温度植被干旱指数法的构成条件，两个特征空间的温度植被干旱指数与实测数据的相关性结果表明，Ts-MSAVI特征空间高于Ts-NDVI特征空间，Ts-MSAVI计算的MTVDI指数能更好地反演土壤水分状况。
　　(2)NDWI指数计算的植被含水量较NDVI指数的高。NDWI计算的植被含水量能有效地去除植被对后向散射系数造成的影响。结合Oh模型经查找表算法得到最终土壤水分反演结果显示，NDWI指数的植被含水量反演得到的土壤水分比NDVI植被含水量反演得到的土壤水分更接近实际情况、反演精度更高。
　　(3)MTVDI指数的土壤水分反演算法和NDWI指数的水云模型土壤水分反演算法进行精度对比评价，表明NDWI的水云模型土壤水分反演算法相关系数高，均方根误差低。主动微波协同光学数据算法反演出的土壤水分更能反映研究区地表土壤水分状况。

目录

声明

摘要

第1章 绪论

1．1 选题背景及研究意义

1．2 国内外研究现状

1．2．1 光学遥感反演法

1．2．2 微波遥感反演法

1．3 研究内容与技术路线

1．3．1 研究内容

1．3．2 技术路线

1．4 论文的组织结构

第2章 土壤水分遥感反演主要算法

2．1 光学遥感

2．1．1 土壤热惯量法

2．1．2 植被供水指数法

2．1．3 作物缺水指数法

2．1．4 温度植被干旱指数法

2．2 微波遥感

2．2．1 裸露地表

2．2．2 植被覆盖地表

第3章 数据源与数据预处理

3．1 研究区概况

3．2 实测数据

3．3 光学遥感数据

3．4 微波遥感数据

3．5 Landsat 8地表温度反演

第4章 土壤水分遥感反演模型构建

4．1 光学遥感反演土壤水分

4．1．1 特征空间构建

4．1．2 不同特征空间干、湿边拟合

4．1．3 TVDI、MTVDI指数计算

4．2 主动微波协同光学数据反演土壤水分

4．2．1 植被覆盖下的土壤水分反演模型

4．2．2 土壤水分反演方法

第5章 土壤水分反演结果评价

5．1 精度评价指标

5．2 光学遥感土壤水分反演评价

5．3 主动微波协同光学数据土壤水分反演评价

5．4 不同模型反演结果对比与分析

结语

1 结论

2 不足与展望

致谢

参考文献

攻读学位期间取得学术成果