[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 6، شماره 3 - ( 9-1397 ) ::
جلد 6 شماره 3 صفحات 59-74 برگشت به فهرست نسخه ها
مدل‌سازی خطی رطوبت خاک با استفاده از تجزیه و انتخاب ویژگی‌های تمام قطبیده راداری
اسماعیل خدری، مهدی حسنلو
دانشگاه تهران
چکیده:   (190 مشاهده)
رطوبت خاک یک متغییر کلیدی در فرآیند هییدرولوژی است، که تحت تأثیر تبادل آب و انرژی در سطح زمین می-باشد. برآورد دقیق از تغییرات مکانی و زمانی رطوبت خاک برای مطالعات زیست محیطی بسیار حیاتی میباشد. برای چنین هدفی تصاویر تمام قطبیده راداری (PolSAR) یک ابزار مناسب و قدرتمند میباشد. همچنین این تصاویر هم پوشش وسیع و هم‌توان تفکیک مکانی مناسب را تضمین می‌نمایند. در این مطالعه، یک مدل تحلیلی خطی برای تخمین رطوبت خاک با استفاده از دادههای اخذشده توسط سنجنده ایرسار در سال 2003 در باندهای C,L,P پیشنهادشده است. در این راستا با استفاده از الگوریتم ژنتیک، انتخاب روبه جلو و روبهعقب ویژگی به بررسی و انتخاب ویژگیهای مناسب قطبیده به‌منظور مدل‌سازی اقدام شده است. همچنین برآورد انجام‌شده رطوبت خاک با اندازهگیریهای زمینی مقایسه شده است. نتایج به‌دست‌آمده نشان‌ میدهد مدل تحلیلی خطی پیشنهاد شده با ویژگیهای که الگوریتم ژنتیک انتخاب کرده است، با دقت بیشتری نسبت به الگوریتمهای روبه جلو و روبه عقب ویژگی رطوبت خاک را مدل‌سازی می‌کند. پارامترهای آماری به‌دست‌آمده با استفاده از این روش R2 بالای %80 و  مجذور میانگین مربع خطا کمتر از 280/0 برای باندهای P,L,C میباشد که در مقایسه با سایر الگوریتمها با دقت بیشتری رطوبت خاک را تخمین زده است. همچنین مدل تحلیلی خطی پیشنهاد شده با استفاده از ویژگی‌های باند C رطوبت خاک با دقت بالاتری نسبت به مدل تحلیلی خطی ویژگی‌های باند های L  و P تخمین زده شده است.
واژه‌های کلیدی: مدل تحلیلی خطی، رطوبت خاک، الگوریتم ژنتیک، الگوریتم رو به جلو، الگوریتم رو به عقب.
متن کامل [PDF 1206 kb]   (113 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سنجش از دور
دریافت: ۱۳۹۷/۱۰/۴ | پذیرش: ۱۳۹۷/۱۰/۴ | انتشار: ۱۳۹۷/۱۰/۴
فهرست منابع
1. [1] A. Tabatabaeenejad, M. Burgin, X. Duan, and M. Moghaddam, "P-Band Radar Retrieval of Subsurface Soil Moisture Profile as a Second-Order Polynomial: First AirMOSS Results," IEEE Trans. Geosci. Remote Sens., vol. 53, no. 2, pp. 645–658, Feb. 2015. [DOI:10.1109/TGRS.2014.2326839]
2. [2] L. Wang and J. J. Qu, "Satellite remote sensing applications for surface soil moisture monitoring: A review," Front. Earth Sci. China, vol. 3, no. 2, pp. 237–247, Jun. 2009 [DOI:10.1007/s11707-009-0023-7]
3. [3] P. S. Narvekar, D. Entekhabi, S. B. Kim, and E. G. Njoku, "Soil Moisture Retrieval Using L-Band Radar Observations," IEEE Trans. Geosci. Remote Sens., vol. 53, no. 6, pp. 3492–3506, Jun. 2015. [DOI:10.1109/TGRS.2014.2377714]
4. [4] Y. Oh, K. Sarabandi, and F. T. Ulaby, "An empirical model and an inversion technique for radar scattering from bare soil surfaces," IEEE Trans. Geosci. Remote Sens., vol. 30, no. 2, pp. 370–381, Mar. 1992. [DOI:10.1109/36.134086]
5. [5] Attem; E.P.W; Ulaby; F.T," Vegetation modelled as a water cloud," , 1978, pp. 357–364.
6. [6] M. Hosseini and M. r. Saradjian, "Soil moisture estimation based on integration of optical and SAR images," Can. J. Remote Sens., vol. 37, no. 1, pp. 112–121, Feb. 2011. [DOI:10.5589/m11-015]
7. [7] M. Sarti and L. Mascolo, "An investigation of different polarimetric decomposition techniques for soil moisture estimation," in 2012 Tyrrhenian Workshop on Advances in Radar and Remote Sensing (TyWRRS), 2012, pp. 209–213. [DOI:10.1109/TyWRRS.2012.6381131]
8. [8] Lian He, Rocco Panciera, Member, IEEE, Mihai A. Tanase, Member, IEEE, Jeffrey P. Walker, Member, IEEE, and Qiming Qin. Soil Moisture Retrieval in Agricultural Fields Using Adaptive Model-Based Polarimetric Decomposition of SAR Data. 2016
9. [9] M. Moradizadeh and M. R. Saradjian, "The effect of roughness in simultaneously retrieval of land surface parameters," Phys. Chem. Earth, vol. 94, pp. 127–135, Aug. 2016. [DOI:10.1016/j.pce.2016.03.006]
10. [10] E. Khedri, M. Hasanlou, and A. Tabatabaeenejad, "Semi-analytical soil moisture retrieval using PolSAR imagery," in 2017 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), 2017, pp. 4897–4900. [DOI:10.1109/IGARSS.2017.8128101]
11. [11] Y. Maghsoudi, M.J. Collins, and D.G.Leckie, —Radarsat-2 polarimetric SAR data for Boreal forest classification using SVM and a wrapper feature selector, IEEE J. Selected Topics in Appl. Earth Observ. Remote Sens., vol. 6, no. 3, pp. 1531–1538, 2013. [DOI:10.1109/JSTARS.2013.2259219]
12. [12] Z. Qi, A. G. Yeh, X. Li, and Z. Lin, —A novel algorithm for land use and land cover classification using RADARSAT-2 polarimetric SAR data, Remote Sens. Environ., vol. 118, pp. 21–39, 2012 [DOI:10.1016/j.rse.2011.11.001]
13. [13] [A. Haddadi, M.R. Sahebi, and A. Mansourian, —Polarimetric SAR feature selection using a genetic algorithm, Canadian J. Remote Sens., vol. 37, no. 1, pp. 27–36, 2011. [DOI:10.5589/m11-013]
14. [14] M. Salehi, M.R. Sahebi, and Y. Maghsoudi, —Improving the accuracy of urban land cover classification using Radarsat-2 POLSAR data,‖ IEEE J. Selected Topics in Appl. Earth Observ. Remote Sens., vol. 7, no. 4, pp. 1394–1401, 2014. [DOI:10.1109/JSTARS.2013.2273074]
15. [15] K. Z. Mao, "Orthogonal forward selection and backward elimination algorithms for feature subset selection," IEEE Trans. Syst. Man Cybern. Part B Cybern., vol. 34, no. 1, pp. 629–634, Feb. 2004. [DOI:10.1109/TSMCB.2002.804363]
16. [16] L. Guo, D. Rivero, J. Dorado, C. R. Munteanu, and A. Pazos, "Automatic feature extraction using genetic programming: An application to epileptic EEG رده‌بندی," Expert Syst. Appl., vol. 38, no. 8, pp. 10425–10436, Aug. 2011. [DOI:10.1016/j.eswa.2011.02.118]
17. [17] S.R. Cloude and E. Pottier, —A review of target decomposition theorems in radar polarimetry,‖ IEEE Trans. Geosci. Remote Sens., vol. 34, pp. 498–518, Mar. 1996. [DOI:10.1109/36.485127]
18. [18] A. Freeman and S. Durden, ―A three-component scattering model to describe polarimetric SAR data,‖ in Proceedings SPIE Conference on Radar Polarimetry, Vol. 1748, pp. 213–225, San Diego, CA, July 1992.
19. [19] JONG-SEN LEE, ERIC POTTIER, "Polarimetric Radar Imaging: From Basics to Applications," 1stedition, February2009, pp 422،ISBN: 978-142005492
20. [20] Q. Vanhellemont and K. Ruddick, "Turbid wakes associated with offshore wind turbines observed with Landsat 8," Remote Sensing of Environment, vol. 145, pp. 105–115, Apr. 2014. [DOI:10.1016/j.rse.2014.01.009]
21. [21] L. Zhuo, and J. Zheng, "A Genetic Algorithm Based Wrapper Feature Selection Method for Classification of Hyperspectral Image Using Support Vector Machine", The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 397-402, 2008. [DOI:10.1117/12.813256]
22. [22] C.-L. Huang, and C.-J. Wang, "A GA-based feature selection and parameter optimization for support vector machines", Expert Systems with Application, 231-240, 2006. [DOI:10.1016/j.eswa.2005.09.024]
23. [23] [23] "Sequential Feature Selector-mlxtend."[Online]. Available: http://rasbt.github.io /mlxtend/user_guide/feature_selection/SequentialFeatureSelector/. [Accessed: 20-Feb-2017].
24. [24] Allen, P.B., and Naney, J.W," hydrology of the little washita river watershed oklahoma: data and analyses," USDA, ARS-90, P.P. 74, Washington, DC. 1991.
25. [25] "SMEX03 Data | National Snow and Ice DataCenter." [Online]. Available: http://nsidc.org/data/amsr_validation/soil_moisture/smex03/index.html. [Accessed: 03-Jan-2017].
26. [26] E. Khedri, M. Hasanlou, and A. Tabatabaeenejad, "Estimating Soil Moisture Using PolSAR Data: A Machine Learning Approach," in ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2017, vol. XLII-4-W4, pp. 133–137.
ارسال پیام به نویسنده مسئول


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Khedri E, Hasanlou M. Soil Moisture Linear Modeling by Using Decomposition and Selection of Fully Polarized SAR Features. jgit. 2018; 6 (3) :59-74
URL: http://jgit.kntu.ac.ir/article-1-617-fa.html

خدری اسماعیل، حسنلو مهدی. مدل‌سازی خطی رطوبت خاک با استفاده از تجزیه و انتخاب ویژگی‌های تمام قطبیده راداری. مهندسی فناوری اطلاعات مکانی. 1397; 6 (3) :59-74

URL: http://jgit.kntu.ac.ir/article-1-617-fa.html



دوره 6، شماره 3 - ( 9-1397 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.06 seconds with 31 queries by YEKTAWEB 3858