论文题目: 表层土壤水分预测下层土壤水分的模型研究
论文类型: 硕士论文
论文专业: 农业水土工程
作者: 许小燕
导师: 汪志农
关键词: 遥感,表层土壤水分,下层土壤水分,土壤蓄水量,土壤体积含水量
文献来源: 西北农林科技大学
发表年度: 2005
论文摘要: 随着遥感技术的发展,由遥感资料得出大面积范围土壤水分已经有了很大的发展,但目前由遥感数据反演土壤水分一般以20 cm 左右深度土壤水分与遥感资料相关较好,本文进行了由表层土壤水分预测下层土壤水分的模型研究,并且开发了一个计算深层土壤水分的VB 小程序。本文采用试验实测数据,用SAS 软件进行模型拟合,得出土壤蓄水量模型和土壤体积含水量模型,然后进行精度分析,得出如下结论: (1)土壤蓄水量表征土壤水分的模型精度较高。当上层土壤水分变化较缓,下层土壤水分变化较大,土壤蓄水量呈非线性分布时,对于小麦地和玉米地,土壤水分模型精度分别达到84%和81%以上。当长时间未降雨或灌溉情况下,以及在土壤水分上下层均接近饱和情况下,土壤水分上下层变化较小,土壤蓄水量呈线性分布时,对于小麦地和玉米地,土壤水分模型精度分别达到91%和91.5%以上。当上层土壤水分变化较大,下层土壤水分变化较缓,土壤蓄水量呈非线性分布时,对于小麦地和玉米地,土壤水分模型精度分别达到90%和88%以上。总体看来,土壤蓄水量模型精度最低81%,最高可达95%。 (2)土壤体积含水量表征土壤水分的模型精度相对要低。当上层土壤水分变化较缓,下层土壤水分变化较大,土壤水分呈非线性分布时,对于小麦地和玉米地,土壤水分模型精度较低,分别仅达到60%和63%以上。当长时间未降雨或灌溉情况下,以及在土壤水分上下层均接近饱和情况下,土壤水分上下层变化较小,土壤水分呈线性分布时,对于小麦地和玉米地,土壤水分模型精度均达到90%以上。当上层土壤水分变化较大,下层土壤水分变化较缓,土壤水分呈非线性分布时,对于小麦地和玉米地,土壤水分模型精度稍低,分别达到76%和83%以上。总体看来,土壤体积含水量模型精度最低60%,最高可达94.9%。(3)事实上,在西北地区,长时间没有降雨或灌溉,土壤水分上下层变化较小,土壤水分呈线性分布的情况占大多数,这种情况下的土壤水分模型精度相对要高,特别是土壤蓄水量模型。土壤蓄水量模型精度最低91%,最高可达95%;土壤体积含水量模型精度最低90%,最高可达94.9%。(4)实际应用时,本文推荐使用土壤蓄水量模型,虽然土壤蓄水量模型得出结果后还需要再推算各土层水分,不像土壤体积含水量模型得出的直接是各土层水分,但是前者精度要比后者高得多,更能反映实际土壤水分分布状况。
论文目录:
摘要
Abstract
第一章 绪论
1.1 研究的目的、意义和背景
1.1.1 研究的目的和意义
1.1.2 研究的背景
1.2 遥感土壤水分的研究进展
1.2.1 国外遥感监测土壤水分发展状况
1.2.2 国内遥感监测土壤水分发展状况
1.2.3 遥感反演土壤水分土层深度
1.3 土壤水分模拟研究进展
1.3.1 土壤水分垂直变化规律
1.3.2 预测深层土壤水分模型
1.4 存在问题
第二章 研究内容和技术路线
2.1 数据来源及试验地状况
2.2 土壤水分表征方法
2.3 研究内容与技术路线
第三章 土壤水分模型
3.1 软件介绍
3.2 土壤蓄水量模型
3.2.1 小麦地情况1 土壤蓄水量模型
3.2.2 小麦地情况2 土壤蓄水量模型
3.2.3 小麦地情况3 土壤蓄水量模型
3.2.4 玉米地情况1 土壤蓄水量模型
3.2.5 玉米地情况2 土壤蓄水量模型
3.2.6 玉米地情况3 土壤蓄水量模型
3.3 土壤体积含水量模型
3.3.1 小麦地情况1 土壤体积含水量模型
3.3.2 小麦地情况2 土壤体积含水量模型
3.3.3 小麦地情况3 土壤体积含水量模型
3.3.4 玉米地情况1 土壤体积含水量模型
3.3.5 玉米地情况2 土壤体积含水量模型
3.3.6 玉米地情况 3 土壤体积含水量模型
第四章 模型验证
4.1 验证数据来源及试验地状况
4.2 模型验证
4.2.1 土壤蓄水量模型精度分析
4.2.2 土壤体积含水量模型精度分析
第五章 VB 深层土壤水分计算程序
5.1 Visual Basic 概述
5.2 VB 深层土壤水分计算程序
第六章 结 论
参考文献
致谢
作者简介
发布时间: 2005-12-22
参考文献
- [1].不同水耕年限土壤剖面基础性质与水-氮动态分布特征[D]. 张君.华中师范大学2018
- [2].典型黄土区不同坡向地形序列土壤碳与水分垂直分布特征及其影响因素[D]. 毛娜.西北农林科技大学2018
- [3].秸秆双层覆盖对盐碱地土壤水盐调控效应研究[D]. 王曼华.山东农业大学2017
- [4].高频滴灌抑盐机理研究[D]. 徐亚南.石河子大学2017
- [5].双极化SAR数据裸露地表土壤水分反演[D]. 秦小宝.长安大学2018
- [6].基于SMAP主被动微波数据的土壤水分协同反演研究[D]. 李尚楠.吉林大学2018
- [7].多源遥感数据反演植被覆盖地表土壤水分方法研究[D]. 林利斌.南京信息工程大学2018
- [8].东北农田区被动微波遥感土壤水分产品验证研究[D]. 白瑜.吉林大学2018
- [9].基于Sentinel-1A和Landsat-8的土壤水分反演[D]. 王琦.成都理工大学2018
- [10].低矮植被覆盖下垫面地表土壤水分反演研究[D]. 张武.长安大学2018
相关论文
- [1].绿洲—荒漠交错带生态垫覆盖下沙丘土壤水分动态及预测[D]. 李禄军.甘肃农业大学2007
- [2].土壤水分垂直方向相关性研究和动态预报[D]. 张丽丽.华中农业大学2007
- [3].非饱和土壤水分运动参数自动测定系统应用研究[D]. 侯毅凯.河北工程大学2007
- [4].水蚀风蚀交错带不同植被覆盖条件坡面土壤水分循环的实验研究[D]. 曾辰.西北农林科技大学2006
- [5].晋西黄土残塬沟壑区不同植被类型土壤水分动态研究[D]. 李俊.北京林业大学2007
- [6].沙柳人工林植物群落特征及其表层土壤水分空间变异[D]. 姚月锋.东北林业大学2007
- [7].全国土壤湿度及其变化的遥感反演与分析[D]. 冉琼.中国科学院研究生院（遥感应用研究所）2005
- [8].土壤水分入渗测定方法及影响因素[D]. 蒙宽宏.东北林业大学2006
- [9].基于MODIS数据的北京地区土壤含水量遥感信息模型研究[D]. 赵立军.中国农业大学2004
- [10].田间土壤水分模拟模型研究[D]. 彭亮.新疆农业大学2004