克里格法的土壤水分遥感尺度转换

doi:10.3724/SP.J.1047.2012.00465

地球信息科学学报 ›› 2012, Vol. 14 ›› Issue (4): 465-473.doi: 10.3724/SP.J.1047.2012.00465

克里格法的土壤水分遥感尺度转换

王璐^1,2,3, 胡月明¹, 赵英时², 刘振华*¹

1. 华南农业大学信息学院, 广州 510642;
2. 中国科学院大学, 北京 100049;
3. 中国科学院广州地球化学研究所, 广州 510642

收稿日期:2012-06-14 修回日期:2012-07-10 出版日期:2012-08-25 发布日期:2012-08-22
作者简介:王璐(1976-),女,在读博士,讲师,主要从事遥感与地理信息系统应用研究。E-mail:selinapple@163.com

Remote Sensing Scale Transformation of Soil Moisture Based on Block Kriging

WANG Lu^1,2,3, HU Yueming¹, ZHAO Yingshi², Liu Zhenhua*¹

1. College of Informatics, South China Agricultural University, Guangzhou 510642, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. Guangzhou Institute of Geochemistry, CAS, Guangzhou 510642, China

Received:2012-06-14 Revised:2012-07-10 Online:2012-08-25 Published:2012-08-22

摘要/Abstract

摘要：

尺度效应往往会制约着定量遥感反演的精度,对地学信息进行空间尺度转换是生产实践的必然要求,而常用的尺度转换模型多利用光谱数据进行差值计算,不适合升尺度和降尺度转换。由于土壤含水量数据具有区域变化量的随机性和结构性特点,本文以15m分辨率的ASTER图像像元为基本单元,采用点克里格法完成ASTER 15m至7.5m分辨率的土壤含水量数据降尺度转换,从分维数的相似程度上来看,转换结果是合理的;并利用块状克里格法对地面实测样点数据进行点到7.5m分辨率的面数据升尺度转换,将升尺度和降尺度转换结果与实测样点均值相比较,结果表明:7.5m分辨率的实测样点土壤水均值误差在1.5782-5.019之间,块状克里格法获取的升尺度土壤含水量数据与点克里格法获取的降尺度土壤含水量数据之间误差则为1.2825-5.0481,可见克里格法考虑了点与周边的关系,所获得的土壤含水量值要优于未考虑空间异质性的土壤含水量平均值。

关键词: 土壤水分, 克里格法, 尺度转换

Abstract:

The reasonable remote sensing sale transformation method is very important for RS data utilization. In order to find a suitable scaling model for ascending scale and downscaling transformation with spectral data, given the randomness and structural of soil moisture data as regional variation, point Kriging method accounting for spatial heterogeneity is used in this study to transfer from ASTER soil moisture data with 15m resolution to 7.5m resolution. The similarity degree of fractal dimension is shown that the transformation result is reasonable. Block Kriging method is engaged in the upscaling transformation for the field measured point soil content to 7.5m spatial resolution. The 7.5m resolution upscaling scale conversion results and average of measured sample point soil moisture with downscaling 7.5 m resolution remote sensing data were compared respectively. The result shows that 7.5m resolution soil moisture mean error of the measured sample points is in the range of 1.5782 to 5.019, the error between 7.5m resolution upscaling scale conversion results and downscaling 7.5 m resolution remote sensing data is from 1.2825 to 5.0481, which indicates that soil moisture value acquired by Kriging is much better than the soil moisture average without considering spatial heterogeneity under the same scale because of Kriging method taking account of the relationship between the points and the surrounding.

Key words: scale transformation, Kriging method, soil moisture

王璐, 胡月明, 赵英时, 刘振华*. 克里格法的土壤水分遥感尺度转换[J]. 地球信息科学学报, 2012, 14(4): 465-473.DOI:10.3724/SP.J.1047.2012.00465

WANG Lu, HU Yueming, ZHAO Yingshi, Liu Zhenhua*. Remote Sensing Scale Transformation of Soil Moisture Based on Block Kriging[J]. , 2012, 14(4): 465-473.DOI:10.3724/SP.J.1047.2012.00465

参考文献

[1] 杨胜天,刘昌明. 黄河流域土壤水分遥感计算及水循环过程分析[J].中国科学E辑:技术科学,2004,34(增刊I):1-12.

[2] 彭晓鹃,邓孺孺,刘小平. 遥感尺度转换研究进展[J].地理与地理信息科学,2004,20(5):6-10.

[3] Marceau D J. The scale issue in social and natural sciences[J]. Canadian Journal of Remote Sensing, 1999,25(4):347-356.

[4] 刘明亮,唐先明,刘纪远,等. 基于1km格网的空间数据尺度效应研究[J].遥感学报,2001,5(3):183-190.

[5] Bloschl G, Sivapalan M. Scale issues in hydrological modelling: a review[J]. Hydrological Processes, 1995,9(3-4):251-290.

[6] Lam N S N, Quattrochi D A. On the Issues of Scale, Resolution, and Fractal Analysis in the Mapping Sciences[J]. The Professional Geographer, 1992,44(1):88-98.

[7] Goodchild M F, Quattrochi D A. Scale, multiscaling, remote sensing, and GIS. Boca Rotan:Lewis Publishers, 1997.

[8] 吴骅,姜小光,习晓环,等. 两种普适性尺度转换方法比较与分析研究[J].遥感学报, 2009,13(2):183-189.

[9] Burnett C, Blaschke T. A multi-scale segmentation/object relationship modelling methodology for landscape analysis[J]. Ecological Modelling, 2003, 168(3): 233-249.

[10] Li C T, Chiao R. Unsupervised texture segmentation using multiresolution hybrid genetic algorithm. Proceedings of 2003 International Conference on Image Processing,2003.

[11] Fernandes R A, Miller J R, Chen J M, et al. Evaluating image-based estimates of leaf area index in boreal conifer stands over a range of scales using high-resolution CASI imagery[J]. Remote Sensing of Environment,2004,89(2):200-216.

[12] 王晅,肖斌,马建峰. 基于Radon和解析Fourier-Mellin变换的尺度与旋转不变目标识别算法[J]. 中国图象图形学报,2008,13(11): 2157-2162.

[13] Hay G J, Niernann K O, Goodenough D G. Spatial thresholds, image-objects, and upscaling: a multiscale evaluation[J]. Remote Sensing of Environment,1997, 62(1):1-19.

[14] 胡国彪,傅扬镳,胡小保. 基于变异函数套合的遥感图像尺度效应研究[J].科技风,2011(4):34-35.

[15] 冉有华,李新. 基于块克里金的土壤水分点观测向像元尺度的尺度上推研究[J].冰川冻土,2009,31(2):275-283.

[16] Liu Z, Zhao Y. Research on the method for retrieving soil moisture using thermal inertia model[J]. Science in China Series D: Earth Sciences, 2006,49(5):539-545.

[17] Journel A G, Huijbregts C J. Mining geostatistics[M]. Waltham, MA, USA: Academic Press, 1978.

[18] Matheron G. Principles of geostatistics[J]. Economic Geology, 1963,58(8):1246-1266.

[19] Krummel J R, Gardner R H, Sugihara G, et al. Landscape patterns in a disturbed environment[J]. Oikos, 1987,48(3):321-324.

克里格法的土壤水分遥感尺度转换

Remote Sensing Scale Transformation of Soil Moisture Based on Block Kriging

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	方红亮. 真实和有效叶面积指数及聚集指数的尺度效应[J]. 地球信息科学学报, 2021, 23(7): 1155-1168.
[2]	覃湘栋, 庞治国, 江威, 冯天时, 付俊娥. 土壤水分微波反演方法进展和发展趋势[J]. 地球信息科学学报, 2021, 23(10): 1728-1742.
[3]	杨艳昭, 郎婷婷, 张超, 贾琨. 基于GIS的“一带一路”地区气温插值方法比较研究[J]. 地球信息科学学报, 2020, 22(4): 867-876.
[4]	高亮, 杜鑫, 李强子, 王红岩, 张源, 王思远. 融合土地覆盖和土壤水分产品的近地表空气温度空间化方法[J]. 地球信息科学学报, 2020, 22(10): 2023-2037.
[5]	王雅婷,孔金玲,杨亮彦,李健锋,张文博. 基于SVR的旱区稀疏植被覆盖下土壤水分遥感反演[J]. 地球信息科学学报, 2019, 21(8): 1275-1283.
[6]	彭建, 徐飞雄. 不同格网尺度下的黄山市生境质量差异分析[J]. 地球信息科学学报, 2019, 21(6): 887-897.
[7]	雷志斌, 孟庆岩, 田淑芳, 张琳琳, 马建威. 基于GF-3和Landsat 8遥感数据的土壤水分反演研究[J]. 地球信息科学学报, 2019, 21(12): 1965-1976.
[8]	陈鲁皖, 韩玲, 王文娟, 秦小宝. 地表组合粗糙度不确定性引起的SAR反演土壤水分的不确定性分析[J]. 地球信息科学学报, 2018, 20(1): 108-118.
[9]	贾艳昌, 谢谟文, 姜红涛. 全球36 km格网土壤水分逐日估算[J]. 地球信息科学学报, 2017, 19(6): 854-860.
[10]	孔金玲, 李菁菁, 甄珮珮, 杨笑天, 杨晶, 吴哲超. 微波与光学遥感协同反演旱区地表土壤水分研究[J]. 地球信息科学学报, 2016, 18(6): 857-863.
[11]	高永刚, 徐涵秋. 基于最大公约数的遥感影像空间尺度转换算法[J]. 地球信息科学学报, 2015, 17(12): 1520-1528.
[12]	白开旭, 刘朝顺, 施润和, 高炜. 2010年中国西南旱情的时空特征分析——基于MODIS数据归一化干旱指数[J]. 地球信息科学学报, 2012, 14(1): 32-40,48.
[13]	杨凤海, 孙彦坤, 于太义, 侯淑涛, 沈能展. 近10年黑龙江省气温的时空变异分析[J]. 地球信息科学学报, 2009, 11(5): 585-596.
[14]	魏小兰, 李震, 陈权. S波段雷达数据反演土壤水分的模拟分析和验证[J]. 地球信息科学学报, 2008, 10(1): 97-101,108.
[15]	刘登伟, 封志明, 杨艳昭. 海河流域降水空间插值方法的选取[J]. 地球信息科学学报, 2006, 8(4): 75-79,83.