System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及土壤水分计算,特别是一种基于改进l-meb模型的大豆生长期农田土壤水分反演计算方法及系统。
技术介绍
1、在全球气候变化和可持续农业发展的大背景下,准确监测和评估土壤水分状态变得尤为重要。土壤水分是决定农业产量和生态系统健康的关键参数,是作物旱涝灾害预警的重要指标。虽然总量仅占全球水分的极小部分,但它起着连通海洋、大气、陆地的重要作用。因此,准确计算土壤水分对农业、生态以及气候变化等领域都具有重要意义。
2、大豆作为世界上三大粮食作物之一,其生产直接关系到食品安全和经济发展。大豆农田的土壤水分状况对大豆的生长和产量有着直接的影响。传统的土壤水分测量方法,如烘干法和中子仪法,尽管准确,但范围有限,且劳动强度大,不适合大范围、高频率的监测。遥感技术,尤其是被动微波遥感,由于其对云和植被的高穿透和全天候观测能力,近年来已被广泛应用于植被覆盖下土壤水分的反演研究。然而,在传统的l-meb模型中,植被透射率的计算可能存在一定的局限性,从而影响土壤水分反演的准确性。
3、目前,被动微波反演土壤水分的方法已有很多。经验模型基于历史观测数据建立微波辐射率与土壤水分之间的经验关系,方法简单,但通常具有区域性和特定条件的限制。物理模型,如sca、dca、lprm等,基于微波辐射的物理传播过程,综合考虑土壤、植被和大气等多种因素的影响,能够提供更为准确和全面的土壤水分信息。描述植被覆盖下地表微波辐射的零阶辐射传输模型(即τ-ω模型)是各种物理模型的基石。它假设植被覆盖均匀,且对微波辐射的吸收和散射是同质的,用τ表
4、近年来,为反演出更高精度的土壤水分,研究人员对模型进行了多方面的改进。其中,植被透射率的改进是研究的重点之一,它通过植被光学厚度来计算。对于某些频率和植被类型,植被光学厚度通常用回归系数bp与植被含水量(vwc)计算,因此,如何获取精确的植被含水量和bp的值至关重要。
5、对于植被含水量的获取,smap的基线算法--单通道反演算法(sca)利用归一化植被指数(ndvi)与vwc之间的拟合关系来计算vwc。但经过研究,ndvi并不能很好地响应实时植被动态,且容易出现饱和,计算出的vwc与实际观测值存在显著的偏移,从而给土壤水分反演带来较大的误差。gupta dk等人对modis叶面积指数(lai)进行了偏置校正,并使用校正后的lai来计算vwc。feng等人的研究重点在于寻找估计vwc的最佳植被指数,通过利用sentinel-2获取的四个动态植被指数来估算玉米生长季节的vwc,包括两个红边指数--改良叶绿素吸收比指数(mcari)和倒红边叶绿素指数(ireci),以及两个非红边指数--归一化差异水分指数ndwi1和ndwi2。同时,他还评估了vwc不确定性对dca和sca-v模型土壤水分反演的影响。judge等人研究了利用光学和雷达指数估算vwc时产生的不确定性,通过分析五个光学和雷达指数获得的vwc数据,反演了玉米整个生长季的土壤水分,并取得了良好的效果。
6、对于bp的确定,许多研究常常根据植被的类型将其设定为一个固定值,这种方法在操作上简便,但可能忽略了植被特性在不同环境下的变异性。目前smos(soil moistureand ocean salinity)和smap(soil moisture active passive)卫星的土壤水分产品的反演算法也采用了这种策略。jackson总结了不同植被类型和频率下的bp值,并表明在较长的波长下,将bp值设定为0.15可以代表除草以外的大多数农作物。因此,许多学者在进行土壤水分反演时,会依据先前研究中的经验值或通过实测数据回归来确定bp值。然而,越来越多的研究发现将bp设定为固定值并不能充分代表植被生长过程中的变化,从而给土壤水分反演带来不确定性。例如,wigneron等人的研究发现,随着植物的生长,其对微波的衰减效应在不断发生改变,导致bp参数也在不断变化。dugwon的研究对参数bp的敏感性进行了评估,发现bp在一定条件下对微波辐射的影响非常显著,比植被含水量、地表粗糙度等其他因素更为敏感。这一发现强调了在土壤水分反演算法中,正确处理参数bp的重要性。
7、因此,wang等人根据植物的不同生长阶段拟合出相应的bp值,以获得更准确的土壤水分。gao等人针对不同波段和植被类型,对每个站点的bp参数都进行了细致的校准,以达到更好的反演精度,但这无疑增加了很多工作量。jiang等人在他们的研究中发现,bp与vwc在水平和垂直极化下均呈幂律关系。基于这一发现,他们采用了动态bp进行计算,显著提高了土壤水分反演精度。
8、这些改进的方法主要集中在更精确地表征植被覆盖状态,以提高模型在不同植被条件下的适用性和准确性。
9、另一方面,地表粗糙度会影响微波辐射的散射特性,进而影响土壤水分的反演精度。对此,许多学者们针对地表粗糙度对微波辐射的影响也进行了深入研究,提出了多种考虑地表粗糙度的改进模型,以期更准确地反映实际地表情况。
10、然而,现有的研究表明,在被动微波土壤水分反演过程中,尽管地表粗糙度的影响不可忽视,但相较于植被,其对反演结果的影响通常较小。
技术实现思路
1、有鉴于此,本专利技术的目的在于提供一种基于改进l-meb模型的大豆生长期农田土壤水分反演计算方法及系统,该方法有效去除或减弱植被对微波辐射的影响。为大豆作物覆盖下土壤水分的更精确监测提供强有力的技术支撑。
2、为达到上述目的,本专利技术提供如下技术方案:
3、本专利技术提供的基于改进l-meb模型的大豆生长期农田土壤水分反演计算方法,包括以下步骤:
4、从测试集数据中获取地表及亮温数据;
5、构建改进l-meb模型并确定参数k(θ)、a的值;将确定的参数代入到改进的l-meb模型中;
6、根据地表数据计算得到有效温度、植被参数、土壤参数;
7、将有效温度、植被参数、土壤参数输入到l-meb模型计算模拟亮温值;
8、通过最小化以下代价函数来反演出土壤水分:
9、
10、其中,
11、k(θ)表示天顶角θ下的消光系数;
12、a表示植被因子;
13、cf(sm)表示代价函数;
14、表示h极化模拟亮温;表示v极化模拟亮温;
15、表示h极化pals实测亮温;表示h极化pals实测亮温。
16、进一步,还包括以下步骤:
17、最后,使用均方根误差rmse、皮尔逊相关系数r和决定系数r2三个误本文档来自技高网...
【技术保护点】
1.基于改进L-MEB模型的大豆生长期农田土壤水分反演计算方法,其特征在于:包括以下步骤:
2.如权利要求1所述的基于改进L-MEB模型的大豆生长期农田土壤水分反演计算方法,其特征在于:还包括以下步骤:
3.如权利要求1所述的基于改进L-MEB模型的大豆生长期农田土壤水分反演计算方法,其特征在于:所述参数k(θ)、A的值按照以下步骤确定:
4.如权利要求1所述的基于改进L-MEB模型的大豆生长期农田土壤水分反演计算方法,其特征在于:所述根据地表数据计算得到植被参数,通过植被参数计算得到植被透射率,具体按照以下公式进行:
5.如权利要求1所述的基于改进L-MEB模型的大豆生长期农田土壤水分反演计算方法,其特征在于:所述根据地表数据计算得到土壤参数,通过土壤参数计算得到粗糙土壤表面反射率,具体按照以下公式计算:
6.如权利要求1所述的基于改进L-MEB模型的大豆生长期农田土壤水分反演计算方法,其特征在于:所述有效温度包括土壤有效温度与植被有效温度;所述土壤有效温度与植被有效温度相等。
7.如权利要求1所述的基于改
8.基于改进L-MEB模型的大豆生长期农田土壤水分反演计算系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.基于改进l-meb模型的大豆生长期农田土壤水分反演计算方法,其特征在于:包括以下步骤:
2.如权利要求1所述的基于改进l-meb模型的大豆生长期农田土壤水分反演计算方法,其特征在于:还包括以下步骤:
3.如权利要求1所述的基于改进l-meb模型的大豆生长期农田土壤水分反演计算方法,其特征在于:所述参数k(θ)、a的值按照以下步骤确定:
4.如权利要求1所述的基于改进l-meb模型的大豆生长期农田土壤水分反演计算方法,其特征在于:所述根据地表数据计算得到植被参数,通过植被参数计算得到植被透射率,具体按照以下公式进行:
5.如权利要求1所述的基于改进l-meb模型的大豆生长期农田土壤水分反演计算方法,其特征在于...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。