一种基于二维卷积神经网络的土壤水分产品降尺度方法技术

本发明专利技术公开了一种基于二维卷积神经网络的土壤水分产品降尺度方法，其步骤包括：1)获取目标区域的被动微波土壤水分产品影像以及相应的辅助数据影像；并建立辅助数据影像与被动微波土壤水分产品影像之间的对应关系；2)根据所述对应关系，构建训练数据；然后利用所述训练数据对CNN网络进行训练；3)利用训练后的CNN网络对该目标区域的待处理被动微波土壤水分产品影像进行降尺度处理，得到目标降尺度产品。本发明专利技术考虑了辅助影像中像元与像元之间的信息，从而显著地提高了降尺度后土壤水分产品的精度。的精度。的精度。

【技术实现步骤摘要】
一种基于二维卷积神经网络的土壤水分产品降尺度方法


[0001]本专利技术属于遥感
，具体涉及一种基于二维卷积神经网络的土壤水分产品降尺度方法。

技术介绍

[0002]土壤水分(Soil Moisture,SM)是水文学、气象学、农业应用中的重要参数，其时空分布对于研究气候变化、农业干旱、水资源管理等都有着重要的作用。传统的通过站点来监测SM的手段难以获得大面积的SM数据，其应用十分有限。而研究者们发现微波遥感数据与SM有着良好的关系，因此提出了利用微波遥感数据来对SM进行反演。
[0003]到目前为止，利用被动微波遥感数据反演SM的研究已经取得了很大的突破，相应的SM产品也陆续被发布，例如SMAP(Soil Moisture Active Passive)，SMOS(Soil Moisture and Ocean Salinity)全球SM产品。但是，这些产品的空间分辨率大多在数十公里级，难以满足更为精细化的应用需求，因此需要对这些产品进行降尺度，以提升其空间分辨率。
[0004]关于SM降尺度方法的研究已十分众多，总结起本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于二维卷积神经网络的土壤水分产品降尺度方法，其步骤包括：1)获取目标区域的被动微波土壤水分产品影像以及相应的辅助数据影像；并建立辅助数据影像与被动微波土壤水分产品影像之间的对应关系；2)根据所述对应关系，构建训练数据；然后利用所述训练数据对CNN网络进行训练；3)利用训练后的CNN网络对该目标区域的待处理被动微波土壤水分产品影像进行降尺度处理，得到目标降尺度产品。2.如权利要求1所述的方法，其特征在于，建立辅助数据影像与被动微波土壤水分产品影像之间的对应关系的方法为：首先将辅助数据影像重采样到被动微波土壤水分产品影像的空间分辨率，使得辅助数据影像的像元与被动微波土壤水分产品影像的像元一一对应；设置一个大小为m
×
m的窗口，用以裁剪辅助数据影像，其中m为奇数；然后取辅助数据影像每一窗口作为“图”，将该“图”的中心像元所对应的被动微波土壤水分产品影像作为“像元”，以此建立起“图
‑
像元”的关系作为所述对应关系。3.如权利要求2所述的方法，其特征在于，空间变异性越大的地区对应的被动微波土壤水分产品影像所采用的窗口越大；对于辅助数据影像边缘的像元，在该辅助数据影像边缘周围引入新的像元，并将新像元的值都设为该辅助数据影像中所有像元的平均值；然后对辅助数据影像边缘的像元进行裁剪。4.如权利要求3所述的方法，其特征在于，对引入新像元后的辅助数据影像设置一权重层，该权重层中该辅助数据影像的原始像元权重设为H，引入的新像元的权重为h；其中H大于h；然后将该权重层与引入新像元后的辅助数据影像组合在一起，作为特征层。5.如权利要求4所述的方法，其特征在于，构建所述训练数据的方法为：根据每一“图
‑
像元”关系确定一训练数据，其中所述训练数据中的“像元”为标签，“图”对应的特征层作为特征数据。6.如权利要求5所述的方法，其特征在于，构建所述训练数据的方法为：11)将根据每一“图
‑
像元”关系确定的训练数据中的“像元”对应的被动微波土壤水分产品影像下采样，得到低分辨率的被动微波土壤...

【专利技术属性】
技术研发人员：秦其明，许伟，张兆旭，吴自华，赵聪，龙泽昊，
申请(专利权)人：北京大学，
类型：发明
国别省市：