【技术实现步骤摘要】
本专利技术涉及土壤墒情检测 ，尤其涉及一种区域墒情检测方法、装置和电子设备。
技术介绍
1、墒情是指作物耕层土壤中含水量多寡的情况。墒指土壤的湿度。墒情指土壤湿度的情况。土壤湿度是土壤的干湿程度，即土壤的实际含水量，可用土壤含水量占烘干土重的百分数表示：土壤含水量=水分重/烘干土重×100%。也可以是土壤含水量相当于田间持水量的百分比，或相对于饱和水量的百分比等相对含水量表示。土壤湿度大小影响田间气候，土壤通气性和养分分解，是土壤微生物活动和农作物生长发育的重要条件之一。土壤湿度受大气、土质、植被等条件的影响。根据土壤的相对湿度可以知道土壤含水的程度，还能保持多少水量，在灌溉上有参考价值。
2、目前土壤墒情的主要测量方法包括土壤样品分析、土壤墒情传感器测量、卫星遥感技术三种。土壤样品分析是传统的土壤墒情测量方法，主要通过采集土壤样品，在实验室中进行烘干、称重等操作，计算出土壤的实际含水量。其具体操作流程包括：使用取土钻在选定的位置和深度钻取一定量的土样。为防止蒸发，取出的土样应立即装入铝盒并做标记。带回实验室进行称重、烘干、再称重、分析计算等工作，求得土壤含水率。但土壤样品分析法存在的弊端如：工作量大且耗时，土壤样品分析需要采集土壤样本，并在实验室中进行烘干、称重等一系列操作，过程繁琐且耗时较长。对于需要频繁监测或大面积监测的情况，这种方法显得尤为不便。现场数据获取困难，由于土壤样品需要带回实验室进行分析，因此无法在现场立即获取数据。这对于需要实时掌握土壤墒情变化的农业生产来说，可能造成一定的延误。代表性有限，土壤样
3、土壤墒情传感器测量利用电子设备，如土壤水分温度计、无线墒情监测系统等，对土壤墒情进行实时监测。传感器可以测量土壤的介电常数、温度、电导率等参数，从而间接推算出土壤的水分含量。土壤墒情传感器测量存在的弊端和问题如：设备成本较高，高质量的土壤墒情传感器通常价格不菲，一块监测区域需要安装多个土壤墒情传感器从而达到全面覆盖的效果，对于小规模农户或经济条件有限的地区来说，经济方面难以承担。维护和管理复杂，传感器需要定期维护和校准以确保测量结果的准确性。然而，这要求用户具备一定的专业知识和技术能力，对于非专业人员来说可能存在一定的困难。受环境因素影响大，土壤墒情传感器在恶劣环境条件下（如极端温度、湿度、电磁干扰等）可能无法正常工作或产生误差。此外，土壤质地、盐分含量等因素也可能影响传感器的测量精度。代表性有限，传感器测量只能针对设备的布设点进行，难以全面反映整个田块的土壤墒情状况。此外，布设点位的选择和布设方法也可能影响结果的准确性。数据解读需要专业知识，传感器提供的数据通常需要结合气象、作物生长状况等多种因素进行综合分析才能得出有效的灌溉建议。这对于普通农户来说可能存在一定的难度。
4、卫星遥感技术利用卫星、无人机等高空平台搭载的传感器，对农田进行远距离、非接触式的观测，通过捕捉农田表面的光谱、纹理等特征信息，实现对土壤墒情的监测与评估。这种方法具有监测范围广、数据获取快、分析处理能力强等优点。遥感反演土壤墒情主要从光谱特性分析、植被指数分析以及微波遥感几方面实现。光谱反射特性：土壤中的水分含量会影响其光谱反射特性，特别是近红外波段和短波红外波段对土壤水分变化较为敏感。通过测量土壤在不同波段下的反射率，可以间接推断出土壤中的水分含量。植被指数：植被的生长状态与土壤水分状况密切相关。当土壤水分充足时，植被生长茂盛，植被指数较高；反之则降低。通过分析植被指数的变化趋势，可以间接评估土壤墒情。微波遥感：利用土壤介电常数的变化来监测土壤水分。土壤中的水分对微波信号具有较强的吸收和散射作用，因此可以通过测量微波信号在土壤中的传播特性来推断土壤水分含量。但是，遥感技术存在的弊端和问题如：数据分辨率和精度有限，遥感技术虽然可以覆盖大面积范围，但其数据分辨率和精度可能受到卫星轨道、传感器性能等多种因素的限制。对于小面积或精细化的土壤墒情监测来说，可能无法满足需求。受天气条件影响，云层遮挡、降雨等天气条件可能导致遥感数据无法获取或质量下降，从而影响监测结果的准确性。数据处理复杂：遥感数据量大且类型多样，需要高度专业化的技能和知识才能有效地处理和分析。这对于普通用户来说可能存在一定的门槛。
技术实现思路
1、本专利技术提供一种区域墒情检测方法、装置和电子设备，用以解决现有技术中成本高、检测精度低、受环境影响大，检测结果代表性低的缺陷，实现低成本、高精度、低影响、强代表性的土壤墒情测量。
2、本专利技术提供一种区域墒情检测方法，包括：
3、获取目标区域内的当前遥感卫星影像和墒情传感器数据；
4、将所述当前遥感卫星影像输入至最新的目标区域墒情反演模型中，以使所述最新的目标区域墒情反演模型反演所述目标区域内每个像素点的土壤墒情数据；
5、基于所述墒情传感器数据对所述每个像素点的土壤墒情数据进行校正，得到所述目标区域的墒情检测结果；
6、其中，所述目标区域墒情反演模型基于以下步骤训练得到：
7、获取样本土壤中的墒情测量数据以及对应测量时间段内的第一遥感卫星影像；
8、对所述第一遥感卫星影像进行波段计算，得到所述第一遥感卫星影像中体现的多个波段运算结果，其中，每个波段计算结果包括多个参数指数；
9、随机在所述墒情测量数据和所述多个波段计算结果中分别抽取反演数据集和测试数据集，其中，所述反演数据集用于训练土壤墒情反演模型，所述测试数据集用于测试训练后的土壤墒情反演模型；
10、将所述反演数据集和所述多个波段运算结果输入至全子集筛选算法，筛选得到最佳变量组合；
11、将所述最佳变量组合和所述反演数据集输入至预设的多种算法模型中，得到每种算法建立的反演模型；
12、将所述测试数据集分别输入至所述每种算法建立的反演模型中，并通过计算决定系数和均方根误差对所述多种算法建立的反演模型进行模型测试，确定最佳的目标区域墒情反演模型。
13、在一个可能的实施方式中，所述方法还包括：
14、将所述每个像素点的土壤墒情数据与对应的墒情传感器数据的比值作为校正系数；
15、将所述每个像素点的土壤墒情数据与所述校正系数的比值作为所述目标区域的墒情检测结果。
16、在一个可能的实施方式中，所述方法还包括：
17、基于预设规则在所述目标区域内确定土壤采样样方数量和样方位置，得到多个土壤采样样方；
18、分别在所述多个土壤采样样方内通过墒情传感器获取墒情测量数据。
19、在一个可能的实施方式中，所述方法还包括：
20、获取所述第一遥感卫星影本文档来自技高网...
【技术保护点】
1.一种区域墒情检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述墒情传感器数据对所述土壤墒情数据进行校正，得到所述目标区域的墒情检测结果，包括：
3.根据权利要求1所述的方法，其特征在于，所述获取样本土壤中的墒情测量数据，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述第一遥感卫星影像进行波段计算，得到所述第一遥感卫星影像中体现的多个波段运算结果，包括：
5.根据权利要求3或4所述的方法，其特征在于，所述随机在所述墒情测量数据和所述多个波段计算结果中分别抽取反演数据集和测试数据集，包括：
6.根据权利要求5所述的方法，其特征在于，所述将所述反演数据集和所述多个波段运算结果输入至全子集筛选算法，筛选得到最佳变量组合，包括：
7.根据权利要求6所述的方法，其特征在于，所述将所述最佳变量组合和所述反演数据集输入至预设的多种算法模型中，得到多种算法建立的反演模型，包括：
8.根据权利要求7所述的方法，其特征在于，所述将所述测试数据集分别输入至所述每种算法建立
9.一种区域墒情检测装置，其特征在于，包括：
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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时实现如权利要求1至8任一项所述的区域墒情检测方法。
...【技术特征摘要】
1.一种区域墒情检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述墒情传感器数据对所述土壤墒情数据进行校正，得到所述目标区域的墒情检测结果，包括：
3.根据权利要求1所述的方法，其特征在于，所述获取样本土壤中的墒情测量数据，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述第一遥感卫星影像进行波段计算，得到所述第一遥感卫星影像中体现的多个波段运算结果，包括：
5.根据权利要求3或4所述的方法，其特征在于，所述随机在所述墒情测量数据和所述多个波段计算结果中分别抽取反演数据集和测试数据集，包括：
6.根据权利要求5所述的方法，其特征在于，所述将所述反演数据集和所述多个波段运算结果输...
【专利技术属性】
技术研发人员：关山，陈玄，李少龙，赵鹏飞，王海童，刘阁，
申请(专利权)人：北京观微科技有限公司，
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。