基于多源数据融合技术的绿洲灌区土壤水分反演

S27; 土壤水分是联系农业、生态和水文领域的重要环境变量,而卫星遥感是监测地表土壤水分的重要手段之一.针对微波遥感空间分辨率不足和光学遥感受云雨天气影响的问题,基于Landsat 8和MODIS光学影像、SMAP微波以及CLDAS再分析等多源数据,联合增强型自适应时空融合算法和随机森林模型对土壤水分进行定量反演,获得了绿洲灌区高时空分辨率田块尺度(30 m)土壤水分.结果表明:通过ESTARFM时空融合算法可有效获得日尺度30 m分辨率归一化植被指数(NDVI),融合后的NDVI与原始NDVI空间纹理特征一致,两者的相关系数(R)在0.85以上,均方根误差为0.05～0.08,融合效果较好....

Full description

Saved in:
Bibliographic Details
Published in节水灌溉 no. 6; pp. 19 - 26
Main Authors 李华伟, 朱晓春, 张旭东, 隋喆, 周黎勇, 吴迪, 王叶, 白亮亮
Format Journal Article
LanguageChinese
Published 新疆农业大学 水利与土木工程学院,乌鲁木齐 830052%水利部海河水利委员会科技咨询中心,天津 300170%沈阳农业大学水利学院,沈阳 110866%新疆水利水电科学研究院,乌鲁木齐 830049%中国灌溉排水发展中心,北京 100054 01.06.2024
Subjects
multi-source data
土壤水分
数据同化
随机森林
多源数据
remote sensing
spatial-temporal fusion
遥感反演
random forest
data assimilation
surface soil moisture
时空融合算法
Online AccessGet full text
ISSN1007-4929
DOI10.12396/jsgg.2023331

Cover

More Information
Summary:S27; 土壤水分是联系农业、生态和水文领域的重要环境变量,而卫星遥感是监测地表土壤水分的重要手段之一.针对微波遥感空间分辨率不足和光学遥感受云雨天气影响的问题,基于Landsat 8和MODIS光学影像、SMAP微波以及CLDAS再分析等多源数据,联合增强型自适应时空融合算法和随机森林模型对土壤水分进行定量反演,获得了绿洲灌区高时空分辨率田块尺度(30 m)土壤水分.结果表明:通过ESTARFM时空融合算法可有效获得日尺度30 m分辨率归一化植被指数(NDVI),融合后的NDVI与原始NDVI空间纹理特征一致,两者的相关系数(R)在0.85以上,均方根误差为0.05～0.08,融合效果较好.基于地表温度、NDVI、增强植被指数、叶面积指数、再分析土壤水分产品多特征参数组合下的随机森林模型反演效果最优,获得的高时空分辨率田块尺度土壤水分能够反映其时空变化,相关系数和均方根误差分别达到0.82和0.037 cm3/cm3.该方法可为灌区灌溉面积识别、旱情监测等提供技术支撑.
ISSN:1007-4929
DOI:10.12396/jsgg.2023331