基于多源遥感数据的锡尔河中下游农田土壤水分反演

作     者：王浩 罗格平 王伟胜 PACHIKIN Konstantin 李耀明 郑宏伟 胡伟杰 WANG Haou;LUO Ge-ping;WANG Wei-sheng;PACHIKIN Konstantin;LI Yao-ming;ZHENG Hong-wei;HU Wei-jie

作者机构：中国科学院新疆生态与地理研究所荒漠与绿洲国家重点实验室乌鲁木齐830011 中国科学院大学北京100049 中国科学院中亚生态与环境研究中心乌鲁木齐830011 哈萨克斯坦土壤科学与农业化学研究所哈萨克斯坦阿拉木图050060 

基　　金：国家自然基金项目(41877012) 中国科学院特色研究所项目(TSS-2015-014-FW-1-3) 

出 版 物：《自然资源学报》 (Journal of Natural Resources)

年 卷 期：2019年第34卷第12期

页      码：2717-2731页

摘      要：机器学习结合多源遥感数据反演土壤水分含量(SMC)是目前SMC研究的热点,因较少考虑温度、蒸散等重要SMC影响因子,反演结果存在一定的不确定性。利用Sentinel-1影像、MODIS产品和SRTM数据,提取雷达后向散射系数等32个SMC影响因子,经相关分析选择27个显著的SMC影响因子(P<0.05)作为反演因子,并设计三组因子组合。这三组因子组合分别与随机森林、支持向量回归、BP神经网络三种机器学习方法结合,发现基于随机森林结合所有因子的方案,其SMC反演精度最高,该组合均方根误差RMSE为0.039 m^3/m^3,将该方案被用于反演2017年生长季锡尔河流域中下游平原区农田SMC。结果表明:从上部至下部SMC总体呈逐渐增加的态势,但存在显著时空差异,春季和秋季SMC较高而夏季较低。SMC差异主要由土壤质地、热量条件和地表植被状况差异引起。春季平原区下部农田SMC要高于上部,SMC的主控因子是土壤质地和地表植被状况;在夏季,土壤水分的主控因子是热量条件,农田灌溉弥补了热量条件差异对土壤水分的影响,导致空间上平原上部和下部土壤SMC空间差异不显著;秋季SMC的主控因子植被状况抵消地表温度和土壤质地差异对SMC的影响,使得秋季SMC空间差异不显著。本文采用的研究方法在一定程度上克服了因考虑SMC影响因子不足而获取更高SMC精度的限制。

主 题 词：土壤水分含量 机器学习 锡尔河流域中下游 Sentinel-1 MODIS SRTM 

学科分类：09[农学] 0903[农学-动物生产类] 090301[090301] 

核心收录：

D　O　I：10.31497/zrzyxb.20191218

馆 藏 号：203840220...