结合水域变化的土壤湿度监测

针对现有土壤湿度监测方法受地表粗糙程度与植被覆盖影响大，导致土壤水分反演精度有待提升的问题，以康平地区为研究区域，提出了一种基于改进U-Net水域自适应提取模型的土壤湿度反演方法。该方法首先根据辽宁省多年份Sentinel-2影像制作遥感影像水体智能提取数据集，并在预设不同网络深度的自适应U-Net模型上进行训练；然后基于颜色熵阈值对影像进行复杂程度判断；最后将研究区多时相水域面积与同期实测土壤湿度数据进行回归分析，构建研究区水域面积与土壤湿度之间的内在联系。选用测试集影像，分别从提取精度和提取速度两个方面验证该方法和U-Net模型的水域提取性能。该方法水域轮廓提取更加精细，训练及预测时间分别缩短了25.65%和32.19%。此外，文章以14个时相的康平地区水域面积数据及同期实测土壤湿度数据，基于三次多项式拟合构建土壤湿度反演方法。结果表明，该反演方法在10 cm深度的土壤湿度反演实验中R²为0.723 4;在40 cm深度的土壤湿度反演实验中R²为0.568 9。该方法能够较准确地反演区域土壤湿度，进而为农业大范围土壤湿度的监测提供支持。