System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种棉田土壤湿度监测方法、系统、设备、介质及产品技术方案_技高网
当前位置: 首页 > 专利查询>滁州学院专利>正文

一种棉田土壤湿度监测方法、系统、设备、介质及产品技术方案

技术编号:44044296 阅读:16 留言:0更新日期:2025-01-15 01:22
本申请公开了一种棉田土壤湿度监测方法、系统、设备、介质及产品,涉及土壤湿度监测领域,通过获取待监测棉田区域的哨兵一号微波数据和高分一号光学数据并提取棉花微波特征因子和光学特征因子;根据上述两种特征因子,利用棉田土壤湿度估测模型,估算待监测棉田区域的土壤湿度;棉田土壤湿度估测模型是利用训练数据集对预训练的改进的二维卷积神经网络进行训练得到;预训练的改进的二维卷积神经网络是基于微波自身参数和地面实测土壤粗糙度,利用AIEM‑Oh模型模拟得到的预训练样本集对改进的二维卷积神经网络进行预训练得到的;改进的二维卷积神经网络包括卷积层、深度可分离卷积层和全连接层。本申请能够准确估算棉田区域土壤湿度。

【技术实现步骤摘要】

本申请涉及土壤湿度监测领域,特别是涉及一种棉田土壤湿度监测方法、系统、设备、介质及产品


技术介绍

1、土壤湿度通常指土壤非饱和层的含水率,是量化陆地-大气物质与能量交换和农业田间管理的重要依据。棉花是重要战略物资,新疆是中国最大的棉花生产和出口基地,也是中国最大的内陆灌溉区。自20世纪90年代以来,新疆农业用水量日益紧缺、缺乏集约管理、浪费严重。地处天山北坡经济带的棉花种植区是新疆棉区重要的组成部分,其棉田土壤湿度遥感监测对于精准把控棉田土壤墒情的时空变化情况,进而科学指导定量灌溉、合理利用水资源、促进棉花水分生产率具有重要实践意义。

2、对比传统土壤水分测量法,遥感技术提供了一种周期性、可全球覆盖、多时相的对地观测手段,为土壤湿度研究带来了新的技术支撑。根据传感器类型和电磁波频段的不同,土壤湿度遥感监测主要有可见光/近红外遥感、主动/被动微波遥感,不同遥感数据的土壤湿度反演方法各具特点,但是光学遥感因其时间分辨率不高,受天气影响,夜间无法观测,且大部分估算方法仅能反映土壤的相对湿度。微波遥感更适合土壤湿度的估算,目前全球尺度的土壤湿度遥感产品均建立在微波探测数据基础上,但空间分辨率低、易受植被和地表粗糙度的影响。为发挥各类数据优势,综合利用光学遥感和微波遥感等多源遥感数据反演土壤湿度以提高反演精度和可靠性已成为土壤湿度估算的主要方向。可见光/近红外与微波协同提高植被覆盖区域的土壤湿度反演精度的关键是如何量化、消除植被的影响,当下研究多是针对植被效应模型进行植被含水量、粗糙度等参数的改进。目前考虑植被散射效应较成熟的模型主要有水云模型和密歇根微波植被散射模型,前者在农作物覆盖地区,较为简单实用,但忽略了作物和土壤之间的多次散射作用,对于茎秆较高的农作物,如玉米、高粱等,具有较大的误差。密歇根微波植被散射模型能较为真实地模拟高大植被对微波后向散射的影响,但由于需要得到植被的叶片和枝干参数而难以推广。当下的研究也多是针对植被效应模型进行植被含水量参数的改进和率定。另外,由于不同类型传感器反映土壤湿度的空间分辨率和深度不同。通常辐射计为全球尺度产品,而可见光/近红外及雷达一般为区域或流域尺度产品,需要通过可见光/近红外和微波遥感空间降尺度的方式提高空间分辨率,建立被动微波的土壤湿度产品与中高空间分辨率可见光/近红外数据辅助变量之间的相关关系或物理模型,有效拓展土壤湿度产品的应用空间。这些方法大多针对特定时空类型的研究区域,利用“真值”数据集来简化理论模型,具有较好的反演精度和适用性,其中重点针对农作物生长区域土壤湿度估算的水-云模型能同时反演土壤湿度和农作物生物量等相关参数,应用较为广泛。特别由于田间土壤湿度受气象条件、土壤性质、作物类型及物候期等多种因子的制约,优选数据源必不可少;同时数据源的贡献程度也会随时间而变化,造就了反演方法及模型的适用范围存在很大差异,即使其某些方面具有优势和特性,也不可避免地带有一定的局限性。研究表明对种植区而言,随着作物生长发育,其植被覆盖程度、耗水量、土壤及作物的蒸散发程度也随之变化,其土壤湿度的估算和时空变化特征的获取尤为困难。另外,由于不同传感器的观测机理、光谱或波段分布、时空分辨率、过境时间、数据量化等级和电磁辐射探测深度等均不尽相同。其中,大多数遥感的表面磁源(通常被称为表层)可见光/近红外和热波段只有几毫米,近表面磁源x、c或l频率的微波只有几厘米。因此,多载荷数据融合导致土壤湿度估算结果的范围较难统一、数量关系非常复杂,作物受水分胁迫的状况往往难以得到真实反映,且反演结果通常存在较大的不确定性。一般用经验、半经验函数法及物理模型去表述土壤湿度时,对土壤类型、粗糙度和结构的具体特征有明确的限制,而非线性学习方法可以获得更好的拟合效果、缓解甚至解决这一问题。为了模拟出复杂的非线性数量关系,提高衡量各种因素复杂度的能力,机器学习算法是估算高空间和时间尺度表层土壤湿度的很好选择。该方法虽然不能像经验、半经验和理论模型那样可以获得反演模型的显式表达,但其一旦训练成功,就能快速应用到表层土壤湿度的专题制图中,可适应于粗糙地表和植被覆盖区域,具有很强的实用价值。即使机器学习算法在计算上比较复杂,但它能够智能挖掘不同遥感数据深层次的内在关系,其运用对提高表层土壤湿度反演精度有重要的推动作用,特别是随着多角度、多波段和多时相可见光/近红外与微波遥感数据的丰富,基于机器学习的可见光/近红外与微波协同下的深度挖掘,土壤粗糙度与植被冠层影响定量方法也在日渐完善。然而,机器学习方法也存在着权值调整定义混乱、隐层节点模糊、过拟合局部最优、收敛速度慢等问题。目前深度学习技术完全自动化了浅层机器学习技术的关键步骤,即特征工程,对使用者更友好;更重要的是深度学习技术可以持续在线学习,并一次性学习所有特征,具有实时运算的能力。卷积神经网络实现局部关联、参数共享的效果,并且可以减少人为干预,可最大程度地寻找信息特征,从而增强估算准确率,逐渐被运用到土壤湿度预测和反演中。


技术实现思路

1、本申请的目的是提供一种棉田土壤湿度监测方法、系统、设备、介质及产品,以提高棉田土壤湿度监测的准确性。

2、为实现上述目的,本申请提供了如下方案:

3、第一方面,本申请提供了一种棉田土壤湿度监测方法,包括:

4、获取待监测棉田区域的哨兵一号和高分一号遥感影像;

5、根据所述哨兵一号微波数据和高分一号光学数据,提取所述待监测棉田区域棉花不同物候期的微波特征因子和光学特征因子;所述微波特征因子包括垂直极化方式下的雷达后向散射系数、垂直-水平极化方式下的雷达后向散射系数、垂直极化方式下的雷达后向散射系数和垂直-水平极化方式下的雷达后向散射系数的组合、入射角、极化熵、平均散射角、各向异性度以及表组合粗糙度;所述光学特征因子包括全色谱段、蓝色谱段、绿色谱段、红色谱段、归一化植被指数、差值植被指数、比值植被指数、土壤调整植被指数和增强型植被指数;

6、根据所述待监测棉田区域的微波特征因子和光学特征因子,利用棉田土壤湿度估测模型,估算所述待监测棉田区域的土壤湿度;其中,所述棉田土壤湿度估测模型是利用训练数据集对预训练的改进的二维卷积神经网络进行训练得到的;所述训练数据集包括训练用棉田区域的去除棉花冠层干扰后的各微波后向散射信号、棉花不同物候期的微波特征因子和光学特征因子以及对应的土壤湿度标签;所述预训练的改进的二维卷积神经网络是利用预训练样本集对改进的二维卷积神经网络进行预训练得到的;所述预训练样本集是基于微波自身参数和地面实测土壤粗糙度,利用aiem-oh模型模拟得到的;所述改进的二维卷积神经网络包括依次连接的1×1卷积层、基于dropout正则化技术的3×3深度可分离卷积层和全连接层。

7、根据本申请提供的具体实施例,本申请公开了以下技术效果:

8、本申请提供了一种棉田土壤湿度监测方法、系统、设备、介质及产品,通过获取待监测棉田区域的哨兵一号微波数据和高分一号光学数据并提取待监测棉田区域棉花不同物候期的微波特征因子和光学特征因子;根据待监本文档来自技高网...

【技术保护点】

1.一种棉田土壤湿度监测方法,其特征在于,包括:

2.根据权利要求1所述的棉田土壤湿度监测方法,其特征在于,利用预训练样本集对改进的二维卷积神经网络进行预训练,具体包括:

3.根据权利要求1所述的棉田土壤湿度监测方法,其特征在于,利用训练数据集对预训练的改进的二维卷积神经网络进行训练,具体包括:

4.根据权利要求3所述的棉田土壤湿度估测方法,其特征在于,获取训练数据集,具体包括:

5.根据权利要求4所述的棉田土壤湿度监测方法,其特征在于,量化所述训练用棉田区域的棉花冠层对各微波后向散射系数的干扰,得到去除棉花冠层干扰后的各微波后向散射系数,具体包括:

6.一种棉田土壤湿度监测系统,其特征在于,包括:

7.一种计算机设备,包括:存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-5中任一项所述的棉田土壤湿度监测方法。

8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-5中任一项所述的棉田土壤湿度监测方法。

9.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-5中任一项所述的棉田土壤湿度监测方法。

...

【技术特征摘要】

1.一种棉田土壤湿度监测方法,其特征在于,包括:

2.根据权利要求1所述的棉田土壤湿度监测方法,其特征在于,利用预训练样本集对改进的二维卷积神经网络进行预训练,具体包括:

3.根据权利要求1所述的棉田土壤湿度监测方法,其特征在于,利用训练数据集对预训练的改进的二维卷积神经网络进行训练,具体包括:

4.根据权利要求3所述的棉田土壤湿度估测方法,其特征在于,获取训练数据集,具体包括:

5.根据权利要求4所述的棉田土壤湿度监测方法,其特征在于,量化所述训练用棉田区域的棉花冠层对各微波后向散射系数的干扰,得到去除棉花冠层干扰后的各微波后向...

【专利技术属性】
技术研发人员:邹陈陈冬花常竹李虎刘赛赛张乃明汪左樊景威甄启航
申请(专利权)人:滁州学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1