文献类型：期刊文章

作　　者：刘全明[1] 成秋明[2] 王学[1] 李相君[1]

机构地区：[1]内蒙古农业大学水利与土木建筑工程学院测绘工程系,呼和浩特010018 [2]加拿大约克大学地球空间科学与工程系

出　　处：《农业工程学报》

基　　金：国家自然科学基金项目(51249007;51569018);内蒙古自然科学基金项目(2013MS0609)

年　　份：2016

卷　　号：32

期　　号：16

起止页码：109-114

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20163302706417)、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：目前中国西北干旱、半干旱地区的土壤盐渍化情况日益趋于严重,动态、快速而精确地监测与评价土壤盐渍化显得尤为重要。微波遥感所具有的优点使其成为探测土壤盐分分布的新兴而有潜力的方法。快速获取大范围地表土壤盐渍化的空间分布是一个迫切急需解决的科学难题。该文目的是试验与评价C波段RADARSAT-2 SAR(synthetic aperture radar)数据反演土壤盐渍化的性能。以受盐渍化影响较严重的内蒙古河套灌区解放闸灌域为试验区,基于SAR后向散射系数和土壤盐分实测值,利用多元线性回归(multiple linear regress,MLR)、地理加权回归(geographically weighted regression,GWR)和BP人工神经网络(back propagation artificial neural networks,BP ANN)方法建立土壤含盐量的定量反演模型,重点构建了8∶140∶1结构的3层BP ANN模型,经模型验证发现MLR、GWR模型均偏向于弱相关,其标准误差SE分别为0.55、0.47 mg/g,而ANN(BP)模型的内部、外部检验标准误差SE分别为0.24、0.33 mg/g,优于前2种模型,其反演的盐渍化面积占比65.4%,与地面验证结果基本一致。该文建立的考虑土壤水分影响、组合雷达后向散射系数反演土壤盐分的人工智能模型,无需复杂的介电常数模型,能够在一定程度上满足土壤盐渍化监测的需要,可促进微波遥感在土壤盐渍化监测中的开拓应用。

关 键 词：土壤 神经网络  雷达 土壤盐渍化 反演

分 类 号：S156.4]