论文摘要
土壤湿度是农业干旱信息最重要的表征因子,它的反演对区域乃至全球农业干旱监测及预报都具有重要意义。该文基于MODIS遥感干旱监测指数构建了冬小麦返青期土壤湿度的评价指标体系,在此基础上,结合径向基函数神经网络（RBFNN）协同反演农地土壤湿度。首先,针对单一利用遥感干旱指数反演土壤湿度具有一定的局限性问题,选取监测土壤含水量、作物需水形态变化、冠层含水量、冠层温度等参量的遥感干旱监测指数作为综合评价指标;并利用实测土壤湿度作为验证标准,从原始遥感干旱监测指数中选取出适宜的指标集;然后,以选取的评价指标集为输入层,以实测土壤湿度作为输出层的输出,构建RBFNN的农地土壤湿度反演模型。研究结果表明:应用在河南省冬小麦返青期时,基于MODIS遥感干旱监测指数与RBFNN协同反演的土壤湿度模型具有较好的反演效果;模型的评价指标集与10 cm深度的土壤湿度相关性更好,而且能综合多通道遥感信息来反映土壤湿度的变化;模型的平均预测精度达到93.27%,与BP-NN和线性回归反演模型相比,反演精度分别提高了2.92和9.97百分点;模型回归分析相对1:1斜线的偏差最小;相关系数为0.846 49,回归决定系数为0.862 6。研究结果可为区域土壤湿度的遥感反演提供新的案例参考。
论文目录
文章来源
类型: 期刊论文
作者: 黄友昕,胡茂胜,沈永林,刘修国,罗琼,孙飞
关键词: 遥感,土壤,湿度,干旱指数,径向基函数神经网络
来源: 农业工程学报 2019年12期
年度: 2019
分类: 农业科技,基础科学
专业: 气象学,农业基础科学,植物保护,农作物
单位: 中国地质大学(武汉)地理与信息工程学院,武汉大学测绘遥感信息工程国家重点实验室
基金: 国家自然科学基金资助项目(41471355),国家自然科学基金青年科学基金资助项目(41501459,41501433)
分类号: S512.11;S423;S127
页码: 81-88
总页数: 8
文件大小: 1123K
下载量: 211
相关论文文献
- [1].基于在线学习RBFNN的网络安全态势预测技术研究[J]. 信息网络安全 2016(04)
- [2].基于改进RBFNN算法的瓦斯传感器非线性校正[J]. 压电与声光 2012(01)
- [3].基于复合RBFNN的数字温度传感器误差补偿方法[J]. 传感技术学报 2011(02)
- [4].称重传感器非线性误差的RBFNN补偿[J]. 仪表技术与传感器 2010(06)
- [5].护卫舰横摇稳定舵的H∞/H2控制器的设计和比较（英文）[J]. Journal of Marine Science and Application 2019(04)
- [6].基于马尔科夫链修正的RBFNN模型在碾压混凝土重力坝变形预报中的应用[J]. 水电能源科学 2014(10)
- [7].基于RBFNN的水泥预分解窑主元分析与建模[J]. 滁州学院学报 2011(05)
- [8].RBFNN在关节空间中的轨迹规划研究[J]. 机床与液压 2008(04)
- [9].基于改进PSO-RBFNN的海洋蛋白酶发酵过程软测量[J]. 化工学报 2018(03)
- [10].基于RBFNN的高压断路器机械故障诊断系统[J]. 中国电力 2010(05)
- [11].一种基于RBFNN的变体飞机高精度自适应反步控制方法[J]. 西北工业大学学报 2020(03)
- [12].基于二分搜索密度峰算法的RBFNN在月降水预报中的应用[J]. 计算机应用研究 2019(02)
- [13].基于合作型协同进化的RBFNN分类算法[J]. 模式识别与人工智能 2008(01)
- [14].以AHP-RBFNN评估建筑工程项目的风险[J]. 安全 2018(01)
- [15].基于RBFNN的专利自动分类研究[J]. 现代图书情报技术 2011(12)
- [16].改进的RBFNN学习算法及其应用[J]. 微计算机信息 2009(15)
- [17].基于自适应RBFNN噪声估计的自抗扰控制在姿态控制中的应用[J]. 机器人 2019(01)
- [18].基于组合训练方法的RBFNN转炉炼钢静态模型[J]. 杭州电子科技大学学报 2011(03)
- [19].基于RBFNN的卫星地面站系统建模方法[J]. 计算机仿真 2009(03)
- [20].Modeling and Robust Backstepping Sliding Mode Control with Adaptive RBFNN for a Novel Coaxial Eight-rotor UAV[J]. IEEE/CAA Journal of Automatica Sinica 2015(01)
- [21].结合MPGA-RBFNN的一般机器人逆运动学求解[J]. 智能系统学报 2019(01)
- [22].核k均值RBFNN的煤与瓦斯突出预测研究[J]. 计算机与数字工程 2011(07)
- [23].地面站数传系统的RBFNN模型及算法[J]. 系统工程与电子技术 2010(09)
- [24].一种基于改进的密度法确定RBFNN的数据中心的算法[J]. 微型电脑应用 2009(04)
- [25].An elasto-plastic constitutive model of moderate sandy clay based on BC-RBFNN[J]. Journal of Central South University of Technology 2008(S1)
- [26].一种基于改进的密度法确定RBFNN的数据中心的算法[J]. 微计算机应用 2009(01)
- [27].基于改进RBFNN的配电网停电时间自动识别模型[J]. 电力系统及其自动化学报 2016(S1)
- [28].An ICPSO-RBFNN nonlinear inversion for electrical resistivity imaging[J]. Journal of Central South University 2016(08)
- [29].建筑工程质量成本RBFNN预测模型[J]. 资源开发与市场 2015(01)
- [30].基于RBFNN的称重传感器温度误差补偿[J]. 传感器与微系统 2011(06)
标签：遥感论文; 土壤论文; 湿度论文; 干旱指数论文; 径向基函数神经网络论文;