基于多源遥感数据的土壤湿度重建方法和系统技术方案

本发明专利技术涉及一种基于多源遥感数据的土壤湿度重建方法和系统，所述方法包括：获取时空连续光学遥感数据和微波遥感土壤湿度训练数据；确定预设区域的光学遥感训练数据；将光学遥感训练数据、三维地理信息和时间轴信息确定为输入信息，将土壤湿度确定为输出信息，构建待训练后向传播神经网络；以微波遥感土壤湿度训练数据为训练样本，训练所述待训练后向传播神经网络，获取土壤湿度后向传播神经网络；将时空连续光学遥感数据、三维地理信息和时间轴信息，输入所述土壤湿度后向传播神经网络，获取土壤湿度数据。本发明专利技术利用重建后的时空连续的光学遥感数据，通过构建并训练神经网络，得到时空连续的微波遥感土壤数据。

Method and system for reconstructing soil moisture based on Multi-source Remote Sensing Data

The invention relates to a soil humidity reconstruction method and system based on multi-source remote sensing data, the method comprises: acquiring the space-time continuum optical remote sensing data and microwave remote sensing of soil moisture training data; determining the optical remote sensing training data preset area; the optical remote sensing training data, three-dimensional geographic information and time information to determine as input information. The soil moisture is determined as the output information, to construct training back propagation neural network; microwave remote sensing of soil moisture to the training data as training samples, training the training of back propagation neural network, obtain the soil moisture of the back propagation neural network; the continuity of time and space optical remote sensing data, three-dimensional geographic information and time information. Input to the soil moisture of the back propagation neural network, soil moisture data acquisition. The invention uses the reconstructed spatio-temporal continuous optical remote sensing data, and constructs and trains a neural network to obtain temporal and spatial continuous microwave remote sensing soil data.

【技术实现步骤摘要】
基于多源遥感数据的土壤湿度重建方法和系统
本专利技术涉及地表水资源
，特别是涉及基于多源遥感数据的土壤湿度重建方法和系统。
技术介绍
作为水循环中的一个关键要素，土壤湿度信息在农业、水文、气象、生态等科学与生产领域都非常重要，但是土壤水分空间分布不均匀，且随时间动态变化，因此准确获取时空连续的土壤湿度存在困难，但具有重要意义。基于土壤湿度的干旱监测，是植被特别是农作物干旱情况的最直接表达，时空连续的土壤湿度产品对于农作物长势监测及估产有着重要的指示作用，显示出土壤湿度产品显著的经济价值。卫星遥感作为大范围土壤湿度观测的主要手段，在近二十年来得到迅速发展，但受卫星重放周期、下垫面类型及模型算法的限制，所有的卫星遥感土壤湿度产品均存在不同程度的缺失。目前主流的土壤湿度遥感产品如AMSR-E(AdvancedMicrowaveScanningRadiometer-EarthObservingSystem)的美国国家航空航天局版本土壤湿度和日本宇宙航空研究开发机构版本土壤湿度，欧空局的SMOS(SoilMoistureandOceanSalinity)土壤湿度产品，中国国家气象局的FY(Fengyun)土壤湿度产品，荷兰ASCAT(AdvancedScatterometer)土壤湿度产品等约10余种基于卫星遥感的土壤湿度产品，均存在一个严重缺失问题，除高纬度地区外，很难达到50％以上的时间覆盖度，严重影响着相关产品对地表的连续监测，制约着土壤湿度产品时效性应用价值的挖掘。
技术实现思路
基于此，有必要针对卫星数据计算土壤湿度数据不连续的问题，提供一种基于多源遥感数据的土壤湿度重建方法和系统，其中，所述方法包括：获取预设区域的时空连续光学遥感数据和所述预设区域的微波遥感土壤湿度训练数据；根据所述预设区域的微波遥感土壤湿度训练数据，确定预设区域的光学遥感训练数据；将所述预设区域的光学遥感训练数据、所述预设区域的三维地理信息和所述预设区域的时间轴信息确定为输入信息，将土壤湿度确定为输出信息，构建待训练后向传播神经网络；以所述预设区域的微波遥感土壤湿度训练数据为训练样本，训练所述待训练后向传播神经网络，获取土壤湿度后向传播神经网络；将所述预设区域的时空连续光学遥感数据、所述预设区域的三维地理信息和所述预设区域的时间轴信息，输入所述土壤湿度后向传播神经网络，获取预设区域的土壤湿度数据。在其中一个实施例中，所述获取所述预设区域的微波遥感土壤湿度训练数据，包括：获取预设区域的微波遥感土壤湿度原始数据；在所述微波遥感土壤湿度原始数据中，筛选出没有被积雪覆盖且地表温度大于零摄氏度的像元数据；将所述筛选出的像元数据确定为微波遥感土壤湿度训练数据。在其中一个实施例中，所述获取预设区域的时空连续光学遥感数据，包括：获取预设区域的光学遥感原始数据，所述光学遥感原始数据包括植被指数原始数据、地表温度原始数据和地表反照率原始数据；将所述预设区域的植被指数原始数据通过基于时间序列谐波分析重建算法，计算预设区域的时空连续植被指数；将所述预设区域的地表温度原始数据通过基于参考序列的重建算法，计算预设区域的时空连续地表温度；将所述预设区域的地表反照率原始数据通过基于时空滤波的重建算法，计算预设区域的时空连续地表反照率；将所述预设区域的时空连续植被指数、所述预设区域的时空连续地表温度和所述预设区域的地表反照率，确定为预设区域的时空连续光学遥感数据。在其中一个实施例中，所述将所述预设区域的时空连续光学遥感训练数据、所述预设区域的三维地理信息和所述预设区域的时间轴信息确定为输入信息，包括：根据所述预设区域的微波遥感土壤湿度训练数据的像元尺度，将所述植被指数、地表温度和地表反照率进行重采样，获取输入植被指数、输入地表温度和输入地表反照率；将所述输入植被指数、输入地表温度、输入地表反照率、所述预设区域的三维地理信息和所述预设区域的时间轴信息，确定为输入信息。在其中一个实施例中，所述训练所述待训练后向传播神经网络，包括：在M*N个所述微波遥感土壤湿度训练数据的像元尺度范围内，训练所述待训练后向传播神经网络，其中M和N为正整数。本专利技术所提供的基于多源遥感数据的土壤湿度重建方法，利用光学遥感产品和三维地理信息以及时间轴信息，构建后向传播神经网络，以预设的微波土壤湿度训练数据为样本集，对所述后向传播神经网络进行训练后，获取土壤湿度后向传播神经网络，再将时空连续的光学遥感数据输入所述的土壤湿度后向传播神经网络，获取连续的土壤湿度数据。通过神经网络、时空连续的光学遥感数据和三维地理信息、时间轴信息的输入，预测微波遥感土壤湿度数据的缺失值，得到时空连续的微波遥感土壤数据。在其中一个实施例中，通过对微波遥感土壤湿度训练数据的筛选，使构建的后向传播神经网络具有准确的训练样本，从而提高训练后的后向传播神经网络输出值的准确率。在其中一个实施例中，通过对光学遥感训练数据进行空间分辨率的统一，以及根据微波遥感训练数据进行重采样，使构建的后向传播神经网络具有相同分辨率尺度的输入输出数据，提高训练后的后向传播神经网络输出值的准确率。在其中一个实施例中，在一定的像元尺度范围内对所述后向传播神经网络进行训练，即可以提高输出数据的连续性，有能保证不会因为范围过大而导致输出数据的准确率降低。在其中一个实施例中，将时空不连续的光学遥感数据进行时空重建后，获取到时空连续光学遥感数据后，输入训练好的后向传播神经网络，便可以获得时空连续的土壤湿度数据，所述各光学遥感数据的时空重建算法，即使得神经网络计算得出的土壤湿度数据的时空连续性，又能保证计算得出的土壤湿度数据的准确性。本专利技术还提供一种基于多源遥感数据的土壤湿度重建系统，包括：光学遥感数据和微波训练数据获取模块，用于获取预设区域的时空连续光学遥感数据和所述预设区域的微波遥感土壤湿度训练数据；光学遥感训练数据获取模块，用于根据所述预设区域的微波遥感土壤湿度训练数据，确定预设区域的光学遥感训练数据；神经网络构建模块，用于将所述预设区域的光学遥感训练数据、所述预设区域的三维地理信息和所述预设区域的时间轴信息确定为输入信息，将土壤湿度确定为输出信息，构建待训练后向传播神经网络；神经网络训练模块，用于以所述预设区域的微波遥感土壤湿度训练数据为训练样本，训练所述待训练后向传播神经网络，获取土壤湿度后向传播神经网络；土壤湿度数据获取模块，用于将所述预设区域的时空连续光学遥感数据、所述预设区域的三维地理信息和所述预设区域的时间轴信息，输入所述土壤湿度后向传播神经网络，获取预设区域的土壤湿度数据。在其中一个实施例中，所述光学遥感数据和微波训练数据获取模块，包括：微波训练数据获取单元，用于获取预设区域的微波遥感土壤湿度原始数据；在所述微波遥感土壤湿度原始数据中，筛选出没有被积雪覆盖且地表温度大于零摄氏度的像元数据；将所述筛选出的像元数据确定为微波遥感土壤湿度训练数据。在其中一个实施例中，所述光学遥感数据和微波训练数据获取模块，包括：光学遥感数据获取单元，用于获取预设区域的光学遥感原始数据，所述光学遥感原始数据包括植被指数原始数据、地表温度原始数据和地表反照率原始数据；将所述预设区域的植被指数原始数据通过基于时间序列谐波分析重建算法，计算预设区域的时空连续植本文档来自技高网...

【技术保护点】
一种基于多源遥感数据的土壤湿度重建方法，其特征在于，所述方法包括：获取预设区域的时空连续光学遥感数据和所述预设区域的微波遥感土壤湿度训练数据；根据所述预设区域的微波遥感土壤湿度训练数据，确定预设区域的光学遥感训练数据；将所述预设区域的光学遥感训练数据、所述预设区域的三维地理信息和所述预设区域的时间轴信息确定为输入信息，将土壤湿度确定为输出信息，构建待训练后向传播神经网络；以所述预设区域的微波遥感土壤湿度训练数据为训练样本，训练所述待训练后向传播神经网络，获取土壤湿度后向传播神经网络；将所述预设区域的时空连续光学遥感数据、所述预设区域的三维地理信息和所述预设区域的时间轴信息，输入所述土壤湿度后向传播神经网络，获取预设区域的土壤湿度数据。

【技术特征摘要】
1.一种基于多源遥感数据的土壤湿度重建方法，其特征在于，所述方法包括：获取预设区域的时空连续光学遥感数据和所述预设区域的微波遥感土壤湿度训练数据；根据所述预设区域的微波遥感土壤湿度训练数据，确定预设区域的光学遥感训练数据；将所述预设区域的光学遥感训练数据、所述预设区域的三维地理信息和所述预设区域的时间轴信息确定为输入信息，将土壤湿度确定为输出信息，构建待训练后向传播神经网络；以所述预设区域的微波遥感土壤湿度训练数据为训练样本，训练所述待训练后向传播神经网络，获取土壤湿度后向传播神经网络；将所述预设区域的时空连续光学遥感数据、所述预设区域的三维地理信息和所述预设区域的时间轴信息，输入所述土壤湿度后向传播神经网络，获取预设区域的土壤湿度数据。2.根据权利要求1所述基于多源遥感数据的土壤湿度重建方法，其特征在于，所述获取所述预设区域的微波遥感土壤湿度训练数据，包括：获取预设区域的微波遥感土壤湿度原始数据；在所述微波遥感土壤湿度原始数据中，筛选出没有被积雪覆盖且地表温度大于零摄氏度的像元数据；将所述筛选出的像元数据确定为微波遥感土壤湿度训练数据。3.根据权利要求1所述基于多源遥感数据的土壤湿度重建方法，其特征在于，所述获取预设区域的时空连续光学遥感数据，包括：获取预设区域的光学遥感原始数据，所述光学遥感原始数据包括植被指数原始数据、地表温度原始数据和地表反照率原始数据；将所述预设区域的植被指数原始数据通过基于时间序列谐波分析重建算法，计算预设区域的时空连续植被指数；将所述预设区域的地表温度原始数据通过基于参考序列的重建算法，计算预设区域的时空连续地表温度；将所述预设区域的地表反照率原始数据通过基于时空滤波的重建算法，计算预设区域的时空连续地表反照率；将所述预设区域的时空连续植被指数、所述预设区域的时空连续地表温度和所述预设区域的地表反照率，确定为预设区域的时空连续光学遥感数据。4.根据权利要求3所述基于多源遥感数据的土壤湿度重建方法，其特征在于，所述将所述预设区域的时空连续光学遥感训练数据、所述预设区域的三维地理信息和所述预设区域的时间轴信息确定为输入信息，包括：根据所述预设区域的微波遥感土壤湿度训练数据的像元尺度，将所述植被指数、地表温度和地表反照率进行重采样，获取输入植被指数、输入地表温度和输入地表反照率；将所述输入植被指数、输入地表温度、输入地表反照率、所述预设区域的三维地理信息和所述预设区域的时间轴信息，确定为输入信息。5.根据权利要求4所述基于多源遥感数据的土壤湿度重建方法，其特征在于，所述训练所述待训练后向传播神经网络，包括：在M*N个所述微波遥感土壤湿度训练数据的像元尺度范围内，训练所述待训练后向传播神经网络，其中M和N为正整数。6.一种基于多源遥感数据的土壤湿度重建系统，其特征在于，...

【专利技术属性】
技术研发人员：崔要奎，洪阳，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11