一种基于Sentinel数据与深度学习模型的农田土壤水分模拟方法技术

本发明专利技术公开了一种基于Sentinel数据与深度学习模型的农田土壤水分模拟方法，属于微波遥感技术领域，该模拟方法具体步骤如下：(1)Sentinel数据采集；(2)数据预处理；(3)土壤水分分析；土壤水分模拟；本发明专利技术利用Sentinel

【技术实现步骤摘要】
一种基于Sentinel数据与深度学习模型的农田土壤水分模拟方法


[0001]本专利技术涉及微波遥感
，尤其涉及一种基于Sentinel数据与深度学习模型的农田土壤水分模拟方法。

技术介绍

[0002]经检索，中国专利号CN105510173B公开了一种现场测定土壤含水量的方法，该专利技术方法通过称重法测定土壤含水量，其虽然在测定过程中可以有效避免土壤水分损失，但这类方法只能获取有限点位的土壤含水量信息，费时费力、成本较高，并且监测精度受到样点密度和空间分布的影响；土壤水分，是地表生态系统的重要组成部分，是农业、水文、气象等科学领域中的一个重要研究参数，其决定着农作物的生长状况；Sentinel系列卫星，是欧盟委员会和欧洲航天局共同倡议的全球环境与安全监测系统的重要组成部分，其主要用于全球环境监测，最早发射的两颗卫星Sentinel
‑
1A和Sentinel
‑
1B分别于2014年4月3日和2016年4月25日升空，搭载了C波段合成孔径雷达，主要完成雷达成像任务；其中Sentinel
‑
...

【技术保护点】

【技术特征摘要】
1.一种基于Sentinel数据与深度学习模型的农田土壤水分模拟方法，其特征在于，该模拟方法具体步骤如下：步骤一、Sentinel数据采集；利用Sentinel
‑
1搭载的合成孔径雷达对待研究目标区域进行遥感图像拍摄，得到Sentinel数据；步骤二、数据预处理：通过专用处理软件对步骤一所述Sentinel数据进行预处理；步骤三、土壤水分分析：提取经过预处理后所述Sentinel数据中的雷达后向散射系数，并基于Alpha模型进行分析，同时根据介电模型求解土壤体积含水量；步骤四、土壤水分模拟：获取步骤三所述雷达后向散射系数和土壤体积含水量，并基于人工神经网络进行深度学习，构建预测模型，最后基于预测模型并通过3D技术对所述待研究目标区域进行土壤水分变化模拟。2.根据权利要求1所述的一种基于Sentinel数据与深度学习模型的农田土壤水分模拟方法，其特征在于，步骤一所述Sentinel数据包括2个时相T1和T2的SAR影像。3.根据权利要求2所述的一种基于Sentinel数据与深度学习模型的农田土壤水分模拟方法，其特征在于，步骤二所述预处理包括但不限于辐射校正、地形辐射校正、滤波和地形校正；所述专用处理软件具体为SNAP或Sentinel
‑
1 Toolbox中的一种。4.根据权利要求1所述的一种基于Sentinel数据与深度学习模型的农田土壤水分模拟方法，其特征在于，步骤三所述土壤水分分析过程如下：S1：将2个时相的后向散射系数做比值处理，得到Alpha模型，其具体公式如下：式中：σ0表示雷达后向散射系数；θ为雷达入射角度；ε
s
为土壤相对介电常数；T1和T2表示雷达数据获取的时间；α
PP
为极化幅度，是雷达入射角度和土壤介电常数的函数；PP表示极化方式，为HH或者VV；所述极化幅度α
PP
可表达为如下公式：可表达为如下公式：S2：基于Alpha模型构建观测方程，其具体公式如下：S3：获取N个时间序列的SAR影像，并基于式(1)构建矩阵方程组，其具体公式如下：
S...

【专利技术属性】
技术研发人员：崔宁博，吴宗俊，赵龙，邢立文，朱彬，郑顺生，邹清垚，
申请(专利权)人：崔宁博，
类型：发明
国别省市：