基于bp人工神经网络和radarsat-2遥感影像土壤墒情监测研究.pdf

:.一‘’
粼姗:前胼粼姗:前研蹶矽廖年堂月岁日期:彤年鹿H原创性声明学位论文使用授权声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体,均己在文中以明确方式标明。本声明的法律责任由本人承担。本人在导师指导下完成的论文及相关的职务作品,知识产权归属郑州大学。根据郑州大学有关保留、使用学位论文的规定,同意学校保留或向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅:本人授权郑州大学可以将本学位论文的全部或部分编入有关数据库进行检索,可以采用影印、缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学位论文或与该学位论文直接相关的学术论文或成果时,第一署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。
摘要可见光一红外遥感容易受到天气影响。主动微波遥感以其全天时监测、不受云雾波遥感影像得到后向散射系数。通过改进积分方程模型D獾氖荻关键词:土壤墒情后向散射系数土壤墒情是农业研究、气象分析等领域中的一个重要参数,准确、快速地反演土壤墒情信息,对我国的水文预报分析、农作物缺水监测等都具有重要的意义。在实际遥感监测土壤墒情的研究中,被动微波遥感监测精度相对较低,雨影响、穿透能力强等特点,弥补了被动微波遥感和可见光一红外遥感在土壤墒情监测中的不足,提供了监测土壤墒情的新方法,成为近年来陆地表层土壤墒情信息遥感监测最具发展潜力的手段。基于主动微波遥感监测土壤墒情的研究中,选取满足改进积分方程模型适用条件的待研究区域,即地表粗糙度符合条件的裸露地表区域,利用该模型模拟后向散射系数和地表介电常数之问的关系。利用人工神经网络模型处理非线性关系的数据的优势,同时与其他反演模型相比更能有效的模拟实际地表的散射特性,选择模拟的关系数据作为人工神经网络的训练数据,实现用人工神经网络来处理后向散射系数和地表土壤介电常数的关系。在已知雷达系统参数等条件下,通过、处理一鞫人工神经网络训练完成之后,将四种极化方式的后向散射系数作为输入数据反演土壤介电常数,土壤介电常数和土壤墒情之间的关系用介电模型来表示,从而得到土壤墒情信息。本研究利用一动微波遥感ǘ问荩谡钥诠嗲段谘∪∠喙氐氖匝榍颍囱萋懵兜表土壤墒情信息,与实际采样值相比较,能达到预期的应用效果。人工神经网络.
琻,.,琕猧,珹甇.,瓵琺琾,甶,,.,.瑃
琧、猙琣甀,一,
目录引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.鞫⒉ㄒ8蟹囱萃寥郎是榈哪P脱芯俊芯壳蛴隦遥感数据的处理⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯研究的背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究的主要内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯技术路线和论文结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯土壤墒情的表示和测量方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯雷达微波遥感的机理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.裸露地表微波辐射模型的演进⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.人工神经网络算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究区域的选择⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.一8惺莸拇怼国外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..谘芯肯肿础土壤墒情的表示方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..寥郎是榈牟饬糠椒ā.⒉⑸⑸涞囊蛩亍理论模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..
人工神经网络土壤墒情反演研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.崧塾胝雇参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.个人简历、在学期间发表的学术论文与研究成果⋯⋯⋯⋯⋯⋯⋯.基于的训练数据的选择⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.介电模型的选取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.建立人工神经网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一精度分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.『笙蛏⑸湎凳.
引言研究的背景及意义遥感为地球资源调查与开发、环境监测等研究提供了一种新的探测手段,是对传统的人为对地调查手段的革命性变化【俊4邮褂玫绱挪ú段的角度可分为光学遥感和微波遥感两大类,遥感技术目前已经在世界范围内得到了迅速发展和广泛应用,体现出广阔的应用前