【技术实现步骤摘要】
一种卷积神经网络土壤速效钾分析模型构建系统及方法
[0001]本专利技术涉及遥感技术与变量施肥
,更具体的说是一种卷积神经网络土壤速效钾分析模型构建系统及方法。
技术介绍
[0002]科学施肥是防止过度施肥引起的环境污染、施肥量不足导致的土壤供养不足影响作物生长、提升农产品品质的有效手段,而科学施肥的基础是精准掌握土壤养分分布,传统的测土方案是利用大量的检测点且检测点过于稀疏,通过以“点”代“面”衡量整片农田土壤速效钾含量,不能精细的做到“因田实测”,此方法需要现场采集大量的测土数据,不仅样本采集测定的成本高、也消耗大量的人力物力,增加生产成本,精度很难保证。
[0003]随着国内外卫星遥感的迅猛发展,多光谱数据、高光谱数据的卫星影像种类的增多,为我们研究基于多光谱和高光谱数据对土壤速效钾含量的反演提供了有效的数据支撑。但目前针对土壤中钾含量的反演模型大部分监测的是全钾,而进行科学施肥的重要影响因素是速效钾,因为速效钾建模受农业生产环境因素、地形环境、气象因素等影响较大,因此需要更高时间分辨率的影像数据及土壤速效钾反演模型,综上现有技术中的缺点就是不能实现种植前的土壤速效钾分布的快速收取。
技术实现思路
[0004]本专利技术的目的是提供一种卷积神经网络土壤速效钾分析模型构建系统及方法,可以构建分析模型系统,以解决农业生产活动、气象因素的影响,高效、准确的获取土壤速效钾分布数据,为科学施肥提供数据支撑。
[0005]本专利技术的目的通过以下技术方案来实现:
[0006]一 ...
【技术保护点】
【技术特征摘要】
1.一种卷积神经网络土壤速效钾分析模型构建系统,其特征在于:该系统包括以流程化操作的原始数据整理模块、波段变换模块、敏感性分析模块、变换波段分析模块、参数输入模块、卷积神经网络构建模块、模型训练模块、精度评定模块、剔除粗误差模块、模型验证模块、模型保存模块、模型再训练模块和成果图输出模块,敏感性分析模块用于分析预处理后影像波段及变换波段对土壤速效钾的敏感程度,标定输入波段参数。2.根据权利要求1所述的一种卷积神经网络土壤速效钾分析模型构建系统,其特征在于:所述原始数据整理模块用于根据构建卷积神经网络构建模块的数据输入结构要求,对收集的土壤样本数据、气象输出、地形数据、土壤类型数据进行分集、转换、封装和标定。3.根据权利要求1所述的一种卷积神经网络土壤速效钾分析模型构建系统,其特征在于:所述波段变换模块用于对收集的预处理后的影像波段按照固定的公式进行变换。4.一种卷积神经网络土壤速效钾分析模型构建方法,其特征在于:该方法包括以下步骤:步骤一:对目标区域土壤样本采集建立土壤速效钾样本数据库,建立气象数据库、地形数据库、土壤类型数据库,土壤样本数据、气象输出、地形数据和土壤类型数据通过原始数据整理模块进行分集、转换、封装和标定;步骤二:利用波段变换模块对收集的预处理后影像波段进行数学变换;步骤三:通过敏感性分析模块基于土壤速效钾样本数据库对预处理后的影像波段及变换波段进行敏感性分析,标定输入波段参数;步骤四:参数输入模块对土壤速效钾样本数据库、气象数据库、地形数据库及土壤类型数据库与输入波段参数进行参数变换;步骤五:卷积神经网络构建模块构建卷积神经网络;步骤六:精度评定模块评定卷积神经网络模型训练的精度;步骤七:剔除粗误差模块进行粗误差剔除;步骤八:模型验证模块利用实地采集的土壤速效钾数据验证利用卷积神经网络模型反演后数据的精度;步骤九:模型保存模块保存最优卷积神经网络模型,形成地域化标定土壤速效钾反演模型;步骤十:模型再训练模块对保存的最优土壤速效钾反演模型进行再次训练;步骤十一:成果图输出模块将目标区域的土壤速效钾分布成果图,按影像坐标系及投影进行输出。5.根据权利要求4所述的一种卷积神经网络土壤速效钾分析模型构建系统,其特征在于:所述土壤样本采集为目标区域土壤样点采集,获取土壤采集时间段内的最高温度、最低温度、相对湿度和降雨量信息建立气象数据库;获取目标区域的坡度和海拔高度建立地形数据库;收集目标区域的红壤、黄壤、黄棕壤和黑钙土建立土壤类型数据库。6.根据权利要求4所述的一种卷积神经网络土壤速效钾分析模型构建系统,其特征在于:所述原始影像数据包含Landsat8OLI、Sentinel
‑
2和GF
‑
5AHSI,利用波段变换模块对原始影像数据进行辐射定标、大气校正、滤波处理及重采样处理,建立预处理后影...
【专利技术属性】
技术研发人员:宋振强,高磊,魏茂盛,赵博文,王楠,翟建宝,郭凌峰,
申请(专利权)人:哈尔滨航天恒星数据系统科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。