导读:本文包含了土壤介电常数模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:常数,土壤,模型,遥感,水分,微波,辐射计。
土壤介电常数模型论文文献综述
靳潇,杨文,赵剑琦[1]（2018）在《冻结土壤介电常数混合模型机理研究》一文中研究指出介电常数是微波辐射传输理论所需的最重要、最基本的参数。通过研究平均温度低于-4℃,组分中含有冰的土壤——冻结土壤,建立了一种适用于微波波段冻结土壤的介电常数混合模型。该模型考虑了土壤温度、微波频率、土壤质地以及其中未冻水含量的影响。模型使用一点法计算未冻水含量,引入Stern双电层理论计算冻结土壤未冻水的介电常数,引入Maxwell-Garnett介电常数混合理论、介电常数容积混合理论构建冻结土壤介电常数混合模型。模型计算结果与实测资料进行了详细的对比分析,冻结土壤介电常数混合模型给出的介电常数实部、虚部的曲率与实验结果很好吻合,模型结果比较满意,对比分析证实了模型的可靠性。(本文来源于《冰川冻土》期刊2018年03期）
马战林[2]（2018）在《Mironov介电常数模型对土壤水分反演误差的定量研究》一文中研究指出土壤水分是反映陆表变化的关键参数。星载微波遥感为快速获取大范围地表土壤水分开辟了新途径。特别是全球首颗被动微波遥感卫星SMOS(Soil Moisture and Ocean Salinity)的成功应用,为获取全球土壤水分奠定坚实基础。但大量验证试验表明,短时段内反演结果存在剧烈波动,需针对算法和模型做进一步的优化研究。2012年,SMOS将原应用的Dobson介电常数模型改为Mironov介电常数模型后,土壤水分总体的反演精度得到提升。为此,本文以SMOS卫星数据为研究对象,定量研究Mironov介电常数对土壤水分反演误差的影响和基于实测资料优化Mironov模型(L-Band microwave emission of the biosphere model)中关键参量,以期达到改进土壤水分反演精度。主要研究成果如下:(1)L-MEB模型关键参数敏感性分析。通过分析Mironov介电模型、土壤粗糙度模型及辐射传输方程发现:Mironov介电常数对土壤水分敏感,对温度类参数不敏感;地表发射率虽受微波入射角度、介电常数实部及土壤粗糙度的共同影响,但介电常数占据主导地位;低矮植被的模拟辐射亮温与地表发射率呈现出很强的线性关系;大气辐射对整体辐射亮温影响微弱。(2)SMOS-Mironov介电常数模型可靠性分析和SMOS反演土壤水分误差来源研究。对SMOS介电常数的可靠性分析表明:SMOS土壤水分与介电常数存在“一对多”的关系,与实际理论“一对一”的关系不符;将SMOS对介电常数和土壤水分的反演值与USCRN(U.S.Climate Reference Network)的实测值比较发现,两者介电常数间的差异与土壤水分间的差异具有较强相关性(R>0.93)。环境因子对土壤水分反演误差的影响研究显示:SMOS对土壤水分的反演成功率及精度与地表覆被类型有一定相关性,因而辐射模型和参数还需针对覆被类型做进一步优化;同时发现,降水条件下SMOS仍可实现对土壤水分的反演,但其精度受到一定影响。(3)对Mironov介电常数模型中参数的改进研究。基于Mironov介电常数对土壤水分敏感的特性,以实测数据量化Mironov介电常数模型,建立两者经验性数值关系。将建立的经验公式代替SMOS反演过程的介电模型,以SMOS的介电常数进行土壤水分计算,所得到的土壤水分与实测数据对比后整体优于SMOS的土壤水分。(4)基于L-MEB模型的优化反演研究。基于上述研究结果,以L-MEB正演模型为算法基础,针对不同覆被类型,用实测优化Mironov介电模型中关键参数。以改进参数后的L-MEB逆向模型为算法基础,应用SMOS L2的亮温数据对土壤水分进行反演,取得了相对原来精度较好的结果。(本文来源于《河南理工大学》期刊2018-06-01）
刘宁,李新举,郭斌,闵祥宇[3]（2016）在《基于修正介电常数模型的煤矿区复垦土壤压实评价》一文中研究指出模拟复垦机械对试验区土壤进行不同程度的压实,在探地雷达获取土壤介电常数的基础上,检验并修正了4种经典复合介电常数模型,并结合野外试验对修正后的模型通用性进行了验证。结果表明,土壤介电常数与土壤压实指标(土壤紧实度、容重、孔隙率等)相关系数>89%,可以表征土壤压实状况;原有复合介电常数模型虽然存在误差不能直接使用,但模型计算值与实测值相关系数>0.99,修正后二者拟合误差<1%;在野外试验中,基于修正后的介电常数模型反算的土壤压实指标(容重、孔隙率)与实验室测量值误差率<5%,通用性较好。表明在科学布设测线以保证探地雷达准确获取土壤介电常数的前提下,可以通过修正后的复合介电常数模型对煤矿区复垦土壤压实状况进行全面客观的评价。(本文来源于《水土保持学报》期刊2016年04期）
康学远,林琳,刘义佳,史良胜[4]（2015）在《土壤介电常数-含水量关系模型研究》一文中研究指出土壤含水量是农田灌溉管理的基础信息,传统测量方法费时费力,且破坏土壤原有结构。利用探地雷达测定土壤含水量具有快速连续、无损于土壤结构等优势。针对叁种不同土壤,基于探地雷达反射波法,比较了常用的土壤介电常数-含水量模型,评估了探地雷达在不同类型土壤中的测量精度;针对砂土和粉土两种土壤,研究了雷达波平均振幅与含水量的关系。研究表明:六种土壤介电常数-含水量关系模型中,Malicki模型的估算精度最高,但需额外提供土壤干容重信息,Topp模型进行常数校正后可获得较好的预测精度;土壤含水量和振幅之间存在倒数关系,利用倒数模型可获得较高的含水量估算精度,在实际应用中应考虑土壤质地对模型具体形式的影响。(本文来源于《中国农村水利水电》期刊2015年08期）
刘军,赵少杰,蒋玲梅,柴琳娜,张涛[5]（2015）在《微波波段土壤的介电常数模型研究进展》一文中研究指出介电常数反映了电介质与电磁波相互作用的特征。土壤介电常数是决定地表微波辐射散射特性的关键因素之一,是微波遥感研究中的一个关键参数。目前国内外对于土壤介电常数的研究已经持续很多年,建立多种土壤介电常数模型,包括理论模型、半经验模型和经验模型等。本文将详细介绍土壤介电常数的相关模型,指出了现有土壤介电常数模型存在的不足,并提出今后土壤介电常数模型的发展方向。(本文来源于《遥感信息》期刊2015年01期）
曾江源,李震,陈权,毕海芸[6]（2012）在《SAR土壤水分反演中的介电常数实部简化模型》一文中研究指出利用Dobson半经验模型建立模拟数据库,用建立的模拟数据库对Hallikainen关系式进行最小二乘回归,标定其在SAR关键频点下的系数并进行适当改进,最终建立了介电常数实部与土壤体积含水量关系的简化模型.对建立的简化模型进行验证和对比,结果表明,简化模型在精度上优于Hallikainen经验模型,并且与复杂的Dobson半经验模型相比,具有良好的精度和实用性.(本文来源于《红外与毫米波学报》期刊2012年06期）
陈权,曾江源,李震,周建民,田帮森[7]（2012）在《遥感监测介电常数与土壤含水率关系模型》一文中研究指出为了获取大范围地表土壤水分时空分布信息,该文开展了微波辐射计/散射计监测介电常数与土壤体积含水率之间的关系研究。微波观测的信号与目标的介电常数密切相关,而土壤含水率是决定土壤介电常数的决定性因素,这是利用微波遥感监测土壤水分的物理基础。该研究针对土壤介电常数到土壤水分之间的转换问题,利用Dobson半经验模型建立模拟数据库,用建立的模拟数据库对Hallikainen关系式进行最小二乘回归法标定,建立了适用于微波辐射计SMOS(频率1.4GHz)、AMSR-E(频率6.9GHz)和微波散射计ERS-WCS/METOP-ASCAT(频率5.3GHz)监测的介电常数到土壤体积含水率转换的简化模型。利用模拟数据和实测数据的联合验证结果表明,简化模型具有良好的精度和实用性。(本文来源于《农业工程学报》期刊2012年12期）
刘华贵,曾健[8]（2011）在《土壤介电常数—含水量关系模型的比较》一文中研究指出土壤介电常数-含水量关系模型是TDR法测量含水量的基础,比较了Topp模型、混合模型以及扩散模型的特点,并通过实测数据分析各模型产生误差的原因,结果发现混合模型与扩散模型中未知参量随机性大且不易确定,Topp模型虽因未考虑土壤的组分而导致产生偏差,但经简单修正后在实际应用中仍能得到良好的拟合效果。(本文来源于《土工基础》期刊2011年02期）
土壤介电常数模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
土壤水分是反映陆表变化的关键参数。星载微波遥感为快速获取大范围地表土壤水分开辟了新途径。特别是全球首颗被动微波遥感卫星SMOS(Soil Moisture and Ocean Salinity)的成功应用,为获取全球土壤水分奠定坚实基础。但大量验证试验表明,短时段内反演结果存在剧烈波动,需针对算法和模型做进一步的优化研究。2012年,SMOS将原应用的Dobson介电常数模型改为Mironov介电常数模型后,土壤水分总体的反演精度得到提升。为此,本文以SMOS卫星数据为研究对象,定量研究Mironov介电常数对土壤水分反演误差的影响和基于实测资料优化Mironov模型(L-Band microwave emission of the biosphere model)中关键参量,以期达到改进土壤水分反演精度。主要研究成果如下:(1)L-MEB模型关键参数敏感性分析。通过分析Mironov介电模型、土壤粗糙度模型及辐射传输方程发现:Mironov介电常数对土壤水分敏感,对温度类参数不敏感;地表发射率虽受微波入射角度、介电常数实部及土壤粗糙度的共同影响,但介电常数占据主导地位;低矮植被的模拟辐射亮温与地表发射率呈现出很强的线性关系;大气辐射对整体辐射亮温影响微弱。(2)SMOS-Mironov介电常数模型可靠性分析和SMOS反演土壤水分误差来源研究。对SMOS介电常数的可靠性分析表明:SMOS土壤水分与介电常数存在“一对多”的关系,与实际理论“一对一”的关系不符;将SMOS对介电常数和土壤水分的反演值与USCRN(U.S.Climate Reference Network)的实测值比较发现,两者介电常数间的差异与土壤水分间的差异具有较强相关性(R>0.93)。环境因子对土壤水分反演误差的影响研究显示:SMOS对土壤水分的反演成功率及精度与地表覆被类型有一定相关性,因而辐射模型和参数还需针对覆被类型做进一步优化;同时发现,降水条件下SMOS仍可实现对土壤水分的反演,但其精度受到一定影响。(3)对Mironov介电常数模型中参数的改进研究。基于Mironov介电常数对土壤水分敏感的特性,以实测数据量化Mironov介电常数模型,建立两者经验性数值关系。将建立的经验公式代替SMOS反演过程的介电模型,以SMOS的介电常数进行土壤水分计算,所得到的土壤水分与实测数据对比后整体优于SMOS的土壤水分。(4)基于L-MEB模型的优化反演研究。基于上述研究结果,以L-MEB正演模型为算法基础,针对不同覆被类型,用实测优化Mironov介电模型中关键参数。以改进参数后的L-MEB逆向模型为算法基础,应用SMOS L2的亮温数据对土壤水分进行反演,取得了相对原来精度较好的结果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
土壤介电常数模型论文参考文献
[1].靳潇,杨文,赵剑琦.冻结土壤介电常数混合模型机理研究[J].冰川冻土.2018
[2].马战林.Mironov介电常数模型对土壤水分反演误差的定量研究[D].河南理工大学.2018
[3].刘宁,李新举,郭斌,闵祥宇.基于修正介电常数模型的煤矿区复垦土壤压实评价[J].水土保持学报.2016
[4].康学远,林琳,刘义佳,史良胜.土壤介电常数-含水量关系模型研究[J].中国农村水利水电.2015
[5].刘军,赵少杰,蒋玲梅,柴琳娜,张涛.微波波段土壤的介电常数模型研究进展[J].遥感信息.2015
[6].曾江源,李震,陈权,毕海芸.SAR土壤水分反演中的介电常数实部简化模型[J].红外与毫米波学报.2012
[7].陈权,曾江源,李震,周建民,田帮森.遥感监测介电常数与土壤含水率关系模型[J].农业工程学报.2012
[8].刘华贵,曾健.土壤介电常数—含水量关系模型的比较[J].土工基础.2011
论文知识图
