【技術實現步驟摘要】
本專利技術涉及人工智能領域，尤其涉及基于微波散射機制與dnn模型的土壤水分反演方法及系統。
技術介紹
1、在當今全球生態環境和農業發展面臨諸多挑戰的情況下，精確測定土壤水分含量成為了保障生態平衡、促進農業可持續發展的關鍵因素，隨著科學技術的快速進步，特別是在微波遙感技術和人工智能技術不斷發展的背景下，對于土壤水分反演的精度和效率有了更高的要求。
2、目前，傳統的土壤水分反演手段主要依靠實地采樣和實驗室分析，這種方法不僅費時費力，而且難以實現大面積的實時監測，此外，一些基于微波輻射傳輸模型的反演方法雖然在理論上具有一定的可行性，但由于模型參數的不確定性和復雜性，影響在實際應用中的效果，因此，需要一種基于微波散射機制與dnn模型的土壤水分反演方法，以提升土壤水分反演的效果。
技術實現思路
1、本專利技術提供基于微波散射機制與dnn模型的土壤水分反演方法及系統，其主要目的在于提升土壤水分反演的效果。
2、獲取待種植區對應的實地相關數據，所述實地相關數據包括：雙極化星載sar數據、多光譜衛星遙感數據以及實地觀測數據；
3、對所述實地相關數據進行數據預處理，得到預處理實地數據，提取所述預處理實地數據中的雙極化作物指數，查詢所述雙極化作物指數對應的地表作物參數，基于所述地表作物參數，確定所述待種植區中不同種植物對應的生育期；
4、基于預設的微波散射機制模型，對所述待種植區中不同種植物對應的生育期進行后向散射模擬，得到后向散射模擬參數，計算所述后向
5、查詢所述實際觀測值中的時間觀測序列，將預設的dnn模型結合所述時間觀測序列，構建所述待種植區對應的多源時序特征數據集，提取所述多源時序特征數據集中的多源特征數據；
6、基于所述多源特征數據，分析所述待種植區中種植物的位置信息，基于所述位置信息，反演所述待種植區對應的土壤水分含量，識別所述土壤水分含量對應的含量分布特性，基于所述含量分布特性，生成待種植區土壤水分的反演報告。
7、可選地，所述提取所述預處理實地數據中的雙極化作物指數，包括：
8、對所述預處理實地數據進行數據單元分割，得到數據分割單元；
9、提取所述數據分割單元中的水平極化數據和垂直極化數據；
10、對所述水平極化數據和所述垂直極化數據進行濾波處理，得到水平極化濾波數據和垂直極化濾波數據；
11、基于所述水平極化濾波數據和所述垂直極化濾波數據，計算所述預處理實地數據對應的雙極化比值；
12、基于所述雙極化比值，確定所述預處理實地數據中的雙極化作物指數。
13、可選地，所述基于所述水平極化濾波數據和所述垂直極化濾波數據，計算所述預處理實地數據對應的雙極化比值，包括：
14、計算所述預處理實地數據對應的雙極化比值。
15、可選地，所述基于所述地表作物參數，確定所述待種植區中不同種植物對應的生育期，包括：
16、對所述地表作物參數進行參數篩選，得到作物篩選參數；
17、識別所述作物篩選參數對應的作物特征，查詢所述作物特征對應的作物特征指數；
18、基于所述作物特征指數，分析所述地表作物參數對應的周期階段；
19、基于所述周期階段，確定所述待種植區中不同種植物對應的生育期。
20、可選地，所述基于預設的微波散射機制模型，對所述待種植區中不同種植物對應的生育期進行后向散射模擬，得到后向散射模擬參數，包括：
21、采集所述待種植區中不同種植物對應的生育期的詳細參數；
22、基于所述詳細參數，對預設的微波散射機制模型進行參數設置；
23、并利用參數設置好的耦合微波散射模型，構建待種植區對應的作物框架；
24、識別所述作物框架對應的作物框架參數；
25、對所述作作物框架參數進行后向散射模擬，得到后向散射模擬參數。
26、可選地，所述查詢所述實際觀測值中的時間觀測序列，包括：
27、收集所述實際觀測值對應的完整數據集，提取所述完整數據集中的觀測字段；
28、對所述觀測字段進行標準化處理，得到標準化字段；
29、標記所述標準化字段對應的字段索引，設定所述字段索引對應的時間間隔；
30、基于所述時間間隔，查詢所述實際觀測值中的時間觀測序列。
31、可選地，所述將預設的dnn模型結合所述時間觀測序列，構建所述待種植區對應的多源時序特征數據集，包括：
32、識別預設的dnn模型中數據的適配格式；
33、基于所述適配格式，調整所述時間觀測序列對應的序列觀測數據；
34、提取所述序列觀測數據中的多源序列特征；
35、對所述多源序列特征進行向量轉換，得到多源特征向量；
36、利用預設的dnn模型對所述多源特征向量進行時序處理，得到所述待種植區對應的多源時序特征數據集。
37、可選地，所述基于所述位置信息，反演所述待種植區對應的土壤水分含量，包括：
38、查詢所述位置信息中的地理坐標；
39、基于所述地理坐標，分析所述待種植區對應的土地利用類型；
40、基于所述土地利用類型，確定所述待種植區對應的覆蓋范圍；
41、基于所述覆蓋范圍，分析所述待種植區中土壤含水比例；
42、基于所述土壤含水比例，反演所述待種植區對應的土壤水分含量。
43、為了解決上述問題，本專利技術還提供基于微波散射機制與dnn模型的土壤水分反演系統，所述系統包括：
44、實地數據模塊，用于獲取待種植區對應的實地相關數據，所述實地相關數據包括：雙極化星載sar數據、多光譜衛星遙感數據以及實地觀測數據；
45、作物參數模塊，用于對所述實地相關數據進行數據預處理，得到預處理實地數據，提取所述預處理實地數據中的雙極化作物指數，查詢所述雙極化作物指數對應的地表作物參數，基于所述地表作物參數，確定所述待種植區中不同種植物對應的生育期；
46、觀測值計算模塊，用于基于預設的微波散射機制模型，對所述待種植區中不同種植物對應的生育期進行后向散射模擬，得到后向散射模擬參數，計算所述后向散射模擬參數對應的實際觀測值；
47、特征提取模塊，用于查詢所述實際觀測值中的時間觀測序列，將預設的dnn模型結合所述時間觀測序列，構建所述待種植區對應的多源時序特征數據集，提取所述多源時序特征數據集中的多源特征數據；
48、報告生成模塊，用于基于所述多源特征數據，分析所述待種植區中種植物的位置信息，基于所述位置信息，反演所述待種植區對應的土壤水分含量，識別所述土壤水分含量對應的含量分布特性，基于所述含量分布特性，生成待種植區土壤水分的反演報告。
49、首先，本專利技術通過獲取待種植區對應的實地相關數據，能夠全面、準確地了解待種本文檔來自技高網...
【技術保護點】
1.基于微波散射機制與DNN模型的土壤水分反演方法，其特征在于，所述方法包括：
2.如權利要求1所述的基于微波散射機制與DNN模型的土壤水分反演方法，其特征在于，所述提取所述預處理實地數據中的雙極化作物指數，包括：
3.如權利要求2所述的基于微波散射機制與DNN模型的土壤水分反演方法，其特征在于，所述基于所述水平極化濾波數據和所述垂直極化濾波數據，計算所述預處理實地數據對應的雙極化比值，包括：
4.如權利要求1所述的基于微波散射機制與DNN模型的土壤水分反演方法，其特征在于，所述基于所述地表作物參數，確定所述待種植區中不同種植物對應的生育期，包括：
5.如權利要求1所述的基于微波散射機制與DNN模型的土壤水分反演方法，其特征在于，所述基于預設的微波散射機制模型，對所述待種植區中不同種植物對應的生育期進行后向散射模擬，得到后向散射模擬參數，包括：
6.如權利要求1所述的基于微波散射機制與DNN模型的土壤水分反演方法，其特征在于，所述查詢所述實際觀測值中的時間觀測序列，包括：
7.如權利要求1所述的基于微波散射機
8.如權利要求1所述的基于微波散射機制與DNN模型的土壤水分反演方法，其特征在于，所述基于所述位置信息，反演所述待種植區對應的土壤水分含量，包括：
9.基于微波散射機制與DNN模型的土壤水分反演系統，其特征在于，用于執行如權利要求1-8中任意一項所述的基于微波散射機制與DNN模型的土壤水分反演方法，所述系統包括：
...【技術特征摘要】
1.基于微波散射機制與dnn模型的土壤水分反演方法，其特征在于，所述方法包括：
2.如權利要求1所述的基于微波散射機制與dnn模型的土壤水分反演方法，其特征在于，所述提取所述預處理實地數據中的雙極化作物指數，包括：
3.如權利要求2所述的基于微波散射機制與dnn模型的土壤水分反演方法，其特征在于，所述基于所述水平極化濾波數據和所述垂直極化濾波數據，計算所述預處理實地數據對應的雙極化比值，包括：
4.如權利要求1所述的基于微波散射機制與dnn模型的土壤水分反演方法，其特征在于，所述基于所述地表作物參數，確定所述待種植區中不同種植物對應的生育期，包括：
5.如權利要求1所述的基于微波散射機制與dnn模型的土壤水分反演方法，其特征在于，所述基于預設的微波散射機制模型，對所述待種植區中不...
【專利技術屬性】
技術研發人員：楊歡，王富強，趙衡，呂素冰，劉玉玉，
申請(專利權)人：華北水利水電大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。