全球36km格网土壤水分逐日估算

• 作者: 姜红涛 谢谟文 贾艳昌
• 来源期刊: 地球信息科学学报
• 关键词: SMAP 土壤水分 估算 广义回归神经网络 MODIS
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 遥感科学与应用技术
• 页码范围: 854-860
• 页数: 7页
• 语种: 中文

摘要

土壤水分是陆面生态系统和能量循环的核心变量之一,利用微波遥感技术获得的土壤水分产品的时间分辨率一般是2-3 d,因此精确地获得具有较高时间分辨率的土壤水分成了人们关注的焦点.本文尝试将SMAP(the Soil Moisture Passive and Active)土壤水分和MODIS光学数据相结合,利用广义回归神经网络进行全球36 km土壤水分的估算,提升SMAP土壤水分的时间分辨率.结果显示,广义回归神经网络估算土壤水分与SMAP保持了高相关性(r=0.7528),但其却保留了较高的误差(rmse=0.0914 m3/m3).尽管如此,估算的土壤水分能够很好地保持SMAP土壤水分的整体空间变化,并且提升了土壤水分的时间分辨率(1 d).此处,本文研究了SMAP土壤水分与MODIS光学数据之间的关系,这对今后利用机器学习进行SMAP土壤水分降尺度研究提供了重要的参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢谟文	北京科技大学土木与资源工程学院	87	725	14.0	23.0
2	贾艳昌	北京科技大学土木与资源工程学院	4	15	3.0	3.0
3	姜红涛	武汉大学资源与环境科学学院	3	10	1.0	3.0