王学
- 作品数：4 被引量：47H指数：3
- 供职机构：内蒙古农业大学水利与土木建筑工程学院更多>>
- 发文基金：内蒙古自治区自然科学基金国家自然科学基金博士科研启动基金更多>>
- 相关领域：农业科学天文地球更多>>
- 基于MATLAB的抵偿坐标系工程实践被引量：1
- 2017年
- 在高速铁路、高速公路等工程项目中为限制长度变形,对坐标系的选择提出了更高的要求,有时须建立抵偿坐标系。通过对椭球膨胀法建立的抵偿坐标系与普通坐标系进行实验数据验证,发现抵偿坐标系得到的变形值更小,精确度更高,但面临计算量大、易出错等问题的困扰。基于MATLAB平台的抵偿坐标的实现,不仅能够对数据进行批量化处理,还具有速度快、精度高的优势。
- 王学刘全明
- 关键词：MATLAB误差分析
- 河套灌区土壤盐渍化微波雷达反演被引量：32
- 2016年
- 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。
- 刘全明成秋明王学李相君
- 关键词：土壤雷达土壤盐渍化反演
- 盐渍化土壤水分微波雷达反演与验证被引量：13
- 2017年
- 土壤介电常数是微波遥感进行土壤含水率测量的物理基础,尤其介电常数实部是必须解决的问题,土壤介电特性的研究显得尤为重要。该文目的是试验与评价C波段RADARSAT-2 SAR(synthetic aperture radar)数据模拟土壤介电特性,进而反演土壤水分的性能。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,首先回归分析了介电常数实部与SAR四极化后向散射系数、地表粗糙度的复杂关系,并与Oh经验模型对照,其决定系数R2为0.859 7,模拟精度较高;然后验证常用的2个介电常数模型,Dobson半经验模型、Hallikainen简化实部经验模型模拟的介电常数实部与实测值的决定系数R^2分别为0.935 9、0.869,表明2个模型均能模拟地表土壤水分与介电常数实部的密切关系;最后构建了Dobson模型、Hallikainen简化实部模型反演土壤含水率的模型,并与统计回归模型比照,其模拟数值与土壤实测值的决定系数R2分别为0.803 8、0.737 4、0.842 1,均方根误差RMSE分别为5.2%、5.7%、5%。Dobson模型与统计回归模型反演结果与实地土壤墒情分布较为吻合,具有良好的精度和适用性,从而建立了一个较为完整的土壤介电特性研究体系,为微波遥感监测土壤水分奠定了基础。
- 王学刘全明屈忠义王丽萍李相君王耀强
- 关键词：土壤水分遥感盐渍化
- 西北寒旱灌区裸露地表粗糙度SAR反演建模方法研究被引量：3
- 2017年
- 快速获取大范围土壤地表粗糙度的空间分布是一个急需解决的科学难题。以快速获取内蒙古河套灌区解放闸灌域土壤地表粗糙度为目的,研究了RADARSAT-2雷达影像数据的地表粗糙度信息提取技术,通过剖面板法实测地表粗糙度数据。利用BP(Back Propagation)人工神经网络和LMBP(Levenberg-Marquardt Back Propagation)人工神经网络模型2种方法建立了土壤地表粗糙度的定量反演模型,并对模型进行验证。结果表明,LMBP模型的反演效果优于BP模型,其决定系数R2分别为0.888 3、0.689 2。建立的雷达后向散射系数反演土壤地表粗糙度的人工智能模型,能够在一定程度上满足快速获取土壤地表粗糙度的需要,为微波遥感监测土壤墒情及土壤盐渍化提供重要基础参数。
- 王学刘全明马腾
- 关键词：地表粗糙度神经网络SAR
