本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，具體而言，涉及一種土壤水分確定方法、裝置及電子設(shè)備。

背景技術(shù)：

1、土壤水分是地球系統(tǒng)科學(xué)中的關(guān)鍵變量，它在水文循環(huán)、能量平衡以及碳循環(huán)中扮演重要角色。作為連接大氣、植被和地表過程的重要紐帶，土壤水分的變化直接影響降雨入滲、地表蒸散發(fā)等物理過程，進(jìn)而對(duì)區(qū)域和全球的氣候變化、農(nóng)業(yè)生產(chǎn)和水資源管理產(chǎn)生深遠(yuǎn)影響。因此，準(zhǔn)確監(jiān)測和估算土壤水分對(duì)于理解地球系統(tǒng)功能、應(yīng)對(duì)氣候變化挑戰(zhàn)具有不可替代的重要性。

2、然而土壤水分遙感反演/估算時(shí)，始終存在一些參數(shù)難以準(zhǔn)確觀測/估算、且高質(zhì)量的觀測參數(shù)較少的挑戰(zhàn)，從而導(dǎo)致始終沒有很好解決土壤水分的病態(tài)反演問題；從數(shù)據(jù)驅(qū)動(dòng)的角度，深度學(xué)習(xí)算法成功的關(guān)鍵在于多源高質(zhì)量數(shù)據(jù)的獲取，然而有限的觀測信息將限制深度學(xué)習(xí)模型的構(gòu)建，從而影響土壤水分的遙感估算精度。因此，通過融合來自不同傳感器或不同時(shí)間點(diǎn)的數(shù)據(jù)，盡可能的豐富觀測數(shù)據(jù)和表征土壤水分的特征數(shù)據(jù)，對(duì)于土壤水分的遙感反演/估算具有重要意義。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種土壤水分確定方法、裝置及電子設(shè)備，能夠提高確定土壤水分的準(zhǔn)確性。

2、為了實(shí)現(xiàn)上述目的，本申請實(shí)施例采用的技術(shù)方案如下：

3、第一方面，本申請實(shí)施例提供了一種土壤水分確定方法，所述方法包括：

4、獲取不同區(qū)域的微波亮溫?cái)?shù)據(jù)；

5、基于盲源分解算法對(duì)所述微波亮溫?cái)?shù)據(jù)進(jìn)行分解，得到多個(gè)模態(tài)分量；

6、將多個(gè)所述模態(tài)分量輸入至訓(xùn)練好的目標(biāo)土壤水分識(shí)別模型中，得到所述微波亮溫?cái)?shù)據(jù)對(duì)應(yīng)的土壤水分信息。

7、在可選的實(shí)施方式中，所述基于盲源分解算法對(duì)所述微波亮溫?cái)?shù)據(jù)進(jìn)行分解，得到多個(gè)模態(tài)分量的方法，包括：

8、使用n遍歷白噪聲序列，確定第n次對(duì)應(yīng)的白噪聲；

9、將所述第n次對(duì)應(yīng)的滿足正態(tài)分布的白噪聲添加至所述微波亮溫?cái)?shù)據(jù)中，得到第一待分解的信號(hào)序列；

10、所述第一待分解的信號(hào)序列通過n次emd分解得到所述微波亮溫?cái)?shù)據(jù)的多個(gè)模態(tài)分量。

11、在可選的實(shí)施方式中，所述將多個(gè)所述模態(tài)分量輸入至訓(xùn)練好的目標(biāo)土壤水分識(shí)別模型中，得到所述微波亮溫?cái)?shù)據(jù)對(duì)應(yīng)的土壤水分信息的步驟，包括：

12、從多個(gè)所述模態(tài)分量中獲取最優(yōu)組合對(duì)應(yīng)的目標(biāo)模態(tài)分量組；

13、將所述目標(biāo)模態(tài)分量組輸入至訓(xùn)練好的目標(biāo)土壤水分識(shí)別模型中，得到所述微波亮溫?cái)?shù)據(jù)對(duì)應(yīng)的土壤水分信息。

14、在可選的實(shí)施方式中，所述方法還包括：

15、獲取不同區(qū)域的待訓(xùn)練的微波亮溫?cái)?shù)據(jù)；

16、基于盲源分解算法對(duì)所述待訓(xùn)練的微波亮溫?cái)?shù)據(jù)進(jìn)行分解，得到多個(gè)待訓(xùn)練的模態(tài)分量；

17、將各所述待訓(xùn)練的多模態(tài)分量隨機(jī)組合，得到多個(gè)待訓(xùn)練的模態(tài)分量組；

18、分別將各所述待訓(xùn)練的模態(tài)分量組對(duì)不同土壤水分識(shí)別模型進(jìn)行訓(xùn)練，得到多個(gè)訓(xùn)練好的土壤水分識(shí)別模型；

19、從多個(gè)訓(xùn)練好的土壤水分識(shí)別模型中確定目標(biāo)土壤水分識(shí)別模型，并將所述目標(biāo)土壤水分識(shí)別模型對(duì)應(yīng)的待訓(xùn)練的模態(tài)分量組作為最優(yōu)組合。

20、在可選的實(shí)施方式中，從多個(gè)訓(xùn)練好的土壤水分識(shí)別模型中確定目標(biāo)土壤水分識(shí)別模型，并將所述目標(biāo)土壤水分識(shí)別模型對(duì)應(yīng)的待訓(xùn)練的模態(tài)分量組作為最優(yōu)組合的步驟，包括：

21、確定各所述訓(xùn)練好的土壤水分識(shí)別模型的評(píng)價(jià)指標(biāo)；

22、基于所述評(píng)價(jià)指標(biāo)，從多個(gè)所述訓(xùn)練好的土壤水分識(shí)別模型中確定目標(biāo)土壤水分識(shí)別模型；

23、將所述目標(biāo)土壤水分識(shí)別模型對(duì)應(yīng)的待訓(xùn)練的模態(tài)分量組作為最優(yōu)組合。

24、在可選的實(shí)施方式中，所述從多個(gè)訓(xùn)練好的土壤水分識(shí)別模型中確定目標(biāo)土壤水分識(shí)別模型，并將所述目標(biāo)土壤水分識(shí)別模型對(duì)應(yīng)的待訓(xùn)練的模態(tài)分量組作為最優(yōu)組合的步驟，包括：

25、將待處理的微波亮溫?cái)?shù)據(jù)對(duì)應(yīng)的模態(tài)分量輸入至各所述訓(xùn)練好的土壤水分識(shí)別模型中，得到多個(gè)土壤水分；

26、從多個(gè)土壤水分識(shí)別模型中確定目標(biāo)土壤水分；確定所述目標(biāo)土壤水分對(duì)應(yīng)的訓(xùn)練好的土壤水分識(shí)別模型為目標(biāo)土壤水分識(shí)別模型；

27、將所述目標(biāo)土壤水分識(shí)別模型對(duì)應(yīng)的待訓(xùn)練的模態(tài)分量組作為最優(yōu)組合。

28、在可選的實(shí)施方式中，所述從多個(gè)土壤水分識(shí)別模型中確定目標(biāo)土壤水分的步驟，包括：

29、分別計(jì)算各所述土壤水分與真實(shí)土壤水分的第一偏差；

30、從各第一偏差中確定最小第一偏差；

31、確定所述最小第一偏差對(duì)應(yīng)的土壤水分作為目標(biāo)土壤水分。

32、在可選的實(shí)施方式中，所述土壤水分識(shí)別模型包括以下任一或者至少兩個(gè)的組合：長短期記憶網(wǎng)絡(luò)模型、雙向長短期記憶網(wǎng)絡(luò)模型、堆疊長短期記憶網(wǎng)絡(luò)模型以及門控循環(huán)單元。

33、第二方面，本申請實(shí)施例提供了一種土壤水分確定裝置，所述裝置包括：

34、獲取模塊，用于獲取不同區(qū)域的微波亮溫?cái)?shù)據(jù)；

35、分解模塊，用于基于盲源分解算法對(duì)所述微波亮溫?cái)?shù)據(jù)進(jìn)行分解，得到多個(gè)模態(tài)分量；

36、確定模塊，用于將多個(gè)所述模態(tài)分量輸入至訓(xùn)練好的目標(biāo)土壤水分識(shí)別模型中，得到所述微波亮溫?cái)?shù)據(jù)對(duì)應(yīng)的土壤水分信息。

37、第三方面，本申請實(shí)施例提供了一種電子設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)所述土壤水分確定方法的步驟。

38、本申請具有以下有益效果：

39、本申請通過獲取不同區(qū)域的微波亮溫?cái)?shù)據(jù)，基于盲源分解算法對(duì)微波亮溫?cái)?shù)據(jù)進(jìn)行分解，得到多個(gè)模態(tài)分量，將多個(gè)模態(tài)分量輸入至訓(xùn)練好的目標(biāo)土壤水分識(shí)別模型中，得到微波亮溫?cái)?shù)據(jù)對(duì)應(yīng)的土壤水分信息。本申請利用盲源分解可以對(duì)有限的時(shí)間序列觀測信息進(jìn)行升維的特點(diǎn)，來擴(kuò)充深度學(xué)習(xí)模型所需的數(shù)據(jù)量。盲源分解借助時(shí)間序列信號(hào)的約束性，可以將一維信號(hào)分解成一系列包含原始信號(hào)特征的模態(tài)分量。因此，通過對(duì)時(shí)間序列微波亮溫的分解，可以得到系列表征亮溫的模態(tài)分量，將盲源分解和深度學(xué)習(xí)模型結(jié)合，可以實(shí)現(xiàn)利用單一遙感觀測信息來估算土壤水分，克服了土壤水分遙感反演所需參數(shù)不足的病態(tài)性，進(jìn)而提高確定土壤水分的準(zhǔn)確性。

技術(shù)特征：

1.一種土壤水分確定方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于盲源分解算法對(duì)所述微波亮溫?cái)?shù)據(jù)進(jìn)行分解，得到多個(gè)模態(tài)分量的方法，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將多個(gè)所述模態(tài)分量輸入至訓(xùn)練好的目標(biāo)土壤水分識(shí)別模型中，得到所述微波亮溫?cái)?shù)據(jù)對(duì)應(yīng)的土壤水分信息的步驟，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述方法還包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述從多個(gè)訓(xùn)練好的土壤水分識(shí)別模型中確定目標(biāo)土壤水分識(shí)別模型，并將所述目標(biāo)土壤水分識(shí)別模型對(duì)應(yīng)的待訓(xùn)練的模態(tài)分量組作為最優(yōu)組合的步驟，包括：

6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述從多個(gè)訓(xùn)練好的土壤水分識(shí)別模型中確定目標(biāo)土壤水分識(shí)別模型，并將所述目標(biāo)土壤水分識(shí)別模型對(duì)應(yīng)的待訓(xùn)練的模態(tài)分量組作為最優(yōu)組合的步驟，包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述從多個(gè)土壤水分識(shí)別模型中確定目標(biāo)土壤水分的步驟，包括：

8.根據(jù)權(quán)利要求4-5任一項(xiàng)所述的方法，其特征在于，所述土壤水分識(shí)別模型包括以下任一或者至少兩個(gè)的組合：長短期記憶網(wǎng)絡(luò)模型、雙向長短期記憶網(wǎng)絡(luò)模型、堆疊長短期記憶網(wǎng)絡(luò)模型以及門控循環(huán)單元。

9.一種土壤水分確定裝置，其特征在于，所述裝置包括：

10.一種電子設(shè)備，其特征在于，包括處理器、存儲(chǔ)器，所述存儲(chǔ)器存儲(chǔ)有能夠被所述處理器執(zhí)行的計(jì)算機(jī)程序，所述處理器可執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)權(quán)利要求1-7任一項(xiàng)所述方法的步驟。

技術(shù)總結(jié)
本發(fā)明的實(shí)施例提供了一種土壤水分確定方法、裝置及電子設(shè)備，涉及數(shù)據(jù)處理領(lǐng)域，方法包括：獲取不同區(qū)域的微波亮溫?cái)?shù)據(jù)，基于盲源分解算法對(duì)微波亮溫?cái)?shù)據(jù)進(jìn)行分解，得到多個(gè)模態(tài)分量，將多個(gè)模態(tài)分量輸入至訓(xùn)練好的目標(biāo)土壤水分識(shí)別模型中，得到微波亮溫?cái)?shù)據(jù)對(duì)應(yīng)的土壤水分信息。通過對(duì)時(shí)間序列微波亮溫的分解，可以得到系列表征亮溫的模態(tài)分量，將盲源分解和深度學(xué)習(xí)模型結(jié)合，可以實(shí)現(xiàn)利用單一遙感觀測信息來估算土壤水分，克服了土壤水分遙感反演所需參數(shù)不足的病態(tài)性，進(jìn)而提高確定土壤水分的準(zhǔn)確性。

技術(shù)研發(fā)人員：趙澤斌,晉銳,張陽,亢健,馬春鋒
受保護(hù)的技術(shù)使用者：中國科學(xué)院西北生態(tài)環(huán)境資源研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15