荒漠化露天矿土壤湿度监测模型的构建——以红沙泉矿区为例

土壤湿度作为表征矿区地表环境的重要指标,准确监测荒漠化露天矿的土壤湿度对矿区生态保护和可持续发展具有关键作用.以典型荒漠化露天矿区-准东红沙泉矿区及周边区域为研究对象,基于Landsat 8 OLI影像,利用基于植被信息的归一化植被指数NDVI、比值植被指数RVI、条件植被指数VCI,基于热红外波段的表观热惯量ATI和...     

利用移动窗口卷积神经网络反演土壤湿度北大核心CSCD

针对遥感指数反演土壤湿度(soil moisture,SM)精度易受数据类型、植被覆盖等因素影响,以及不同场景下湿度模型迁移应用问题,提出了一种基于移动窗口特征的卷积神经网络(convolutional neural network based on window features,CNN_W)土壤湿度反演方法。该方法考虑临近地物反射辐射影响,将输入特征进行尺度化处理,利用一维卷积核强大的非线性拟合能力对SM进行提取,提高了SM反演精度。进一步通过参数微调的方式将上述模型应用至那曲县SM反演,解决少样本情况下样本训练困难的问题。实验结果表明:CNN_W能实现复杂农业地SM精确反演(R、RMSE、MAE、MAPE分别为0.832、0.038 cm 3/cm 3、0.028 cm 3/cm 3、9.813%),较卷积神经网络方法精度有提升;常用遥感干旱指数在该地区不适用;迁移学习方法在少样本情况下实现了模型异地应用(R、RMSE分别为0.824、0.045 cm 3/cm 3),具有良好应用前景。