冻土地温预估方法、装置、存储介质及电子设备制造方法及图纸

本申请提供一种冻土地温预估方法、装置、存储介质及电子设备，涉及地质领域。其中，电子设备获取样本区域的样本环境因子、样本冻土类型以及样本地温；根据样本环境因子、样本冻土类型以及样本地温，生成地温预测模型；获取目标区域的目标环境因子；将目标环境因子经地温预测模型进行处理，获得目标区域的目标地温。由于该地温预测模型基于大量的样本数据生成，因此，通过该地温预测模型能够对非连续多年冻土区域的地温进行更为准确地预测。土区域的地温进行更为准确地预测。土区域的地温进行更为准确地预测。

【技术实现步骤摘要】
冻土地温预估方法、装置、存储介质及电子设备


[0001]本申请涉及地质领域，具体而言，涉及一种冻土地温预估方法、装置、存储介质及电子设备。

技术介绍

[0002]多年冻土指的是埋藏在地表以下一定深度内连续两年或者两年以上保持负温状态的岩土层。多年冻土是寒冷气候的产物，具有独特的物理性质，与寒区水文水资源、生态环境、地质灾害有着密切的联系，同时对工程基础设施的稳定性有着重要影响。多年冻土的分类、分布、热特征、水文特征、力学性质等都是相关领域科研人员和工程人员的关注热点。
[0003]多年冻土热状况是评价多年冻土发育和演化状况的最重要指标。狭义上，多年冻土热状况通常指的是单个场地某个或者若干深度上的地温值；而广义上，多年冻土热状况反映多年冻土地温在空间上的延展。如果是以描述多年冻土空间分布为目的的多年冻土地温制图，多是以地温年变化深度处的年平均地温为指标。地温年变化深度理论上指的是一年内地温的变化为零处的深度，但应用上多采用地温年变化等于0.1℃时的深度，年平均地温则是年内连续观测地温的平均值。工程上则多采用10
‑
15m深度作为地温年变化深度，由于该深度上地温年变幅很小，年平均地温也可以利用单次瞬时测温值或者多次瞬时测温值的平均值来代替，而不一定需要以年为周期的观测。
[0004]研究发现，非连续多年冻土带中的岛状或者零星冻土多存在历史残留冻土，因受到生态保护作用或者特殊水文地质条件而保存下来。使得这些区域多年冻土地温对现代气候条件不敏感，使得这些区域的冻土地温估计变得十分困难。/>
技术实现思路

[0005]为了克服现有技术中的至少一个不足，本申请提供一种冻土地温预估方法、装置、存储介质及电子设备，用于预估非连续多年冻土区域的地温，具体包括：
[0006]第一方面，本申请提供一种冻土地温预估方法，所述方法包括：
[0007]获取样本区域的样本环境因子、样本冻土类型以及样本地温；
[0008]根据所述样本环境因子、样本冻土类型以及所述样本地温，生成地温预测模型；
[0009]获取目标区域的目标环境因子；
[0010]将所述目标环境因子经所述地温预测模型进行处理，获得所述目标区域的目标地温。
[0011]第二方面，本申请提供一种冻土地温预估装置，所述装置包括：
[0012]模型构建模块，用于获取样本区域的样本环境因子、样本冻土类型以及样本地温；根据所述样本环境因子、样本冻土类型以及所述样本地温，生成地温预测模型；
[0013]地温预估模块，用于获取目标区域的目标环境因子；将所述目标环境因子经所述地温预测模型进行处理，获得所述目标区域的目标地温。
[0014]第三方面，本申请提供一种存储介质，所述存储介质存储有计算机程序，所述计算
机程序被处理器执行时，实现所述的冻土地温预估方法。
[0015]第四方面，本申请提供一种电子设备，所述电子设备包括处理器以及存储器，所述存储器存储有计算机程序，所述计算机程序被处理器执行时，实现所述的冻土地温预估方法。
[0016]相对于现有技术而言，本申请具有以下有益效果：
[0017]本申请提供的冻土地温预估方法、装置、存储介质及电子设备中，电子设备获取样本区域的样本环境因子、样本冻土类型以及样本地温；根据样本环境因子、样本冻土类型以及样本地温，生成地温预测模型；获取目标区域的目标环境因子；将目标环境因子经地温预测模型进行处理，获得目标区域的目标地温。由于该地温预测模型基于大量的样本数据获得，因此，通过该地温预测模型能够对非连续多年冻土区域的地温进行更为准确地预测。
附图说明
[0018]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0019]图1为本申请实施例提供的冻土地温预估方法的流程示意图；
[0020]图2为本申请实施例提供的地温分布特征示意图；
[0021]图3为本申请实施例提供的冻土地温预估装置的结构示意图；
[0022]图4为本申请实施例提供的电子设备的结构示意图。
[0023]图标：101
‑
模型构建模块；102
‑
地温预估模块；201
‑
存储器；202
‑
处理器；203
‑
通信单元；204
‑
系统总线。
具体实施方式
[0024]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
[0025]因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0026]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0027]在本申请的描述中，需要说明的是，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。此外，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不
排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0028]目前，获取多年冻土地温分布的方法主要分为观测和模拟两种。观测主要是通过开挖或者钻进的方式将温度探头布设于岩土层剖面上，进行温度的测量，这是最为直接和准确的方式，但目前的技术手段只支持单点模式；模拟方式又可以根据数据和算法的差别分为经验统计模型、半物理模型或者过程模型。
[0029]利用经验统计模型，需要通过大量野外实测地温数据与地理环境要素建立基于统计学的映射映射函数或者概率统计关系，来对单点或者面上的地温进行预测，例如高程模型或以高程为主导的等效模型、基于回归方法的年平均地温模型以及近年来基于多源数据驱动的统计
‑
机器学习模型等。
[0030]半物理模型则是以热量传导或者温度扩散机制为基础总结出的一些基本规律为基础，利用相对容易观测和获取的气温或者地表参数和地层热物理参数对地温进行模拟，例如温度位移模型、多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种冻土地温预估方法，其特征在于，所述方法包括：获取样本区域的样本环境因子、样本冻土类型以及样本地温；根据所述样本环境因子、样本冻土类型以及所述样本地温，生成地温预测模型；获取目标区域的目标环境因子；将所述目标环境因子经所述地温预测模型进行处理，获得所述目标区域的目标地温。2.根据权利要求1所述的冻土地温预估方法，其特征在于，所述地温预测模型包括冻土识别模型以及地温计算模型，所述将所述目标环境因子经所述地温预测模型进行处理，获得所述目标区域的目标地温，包括：将所述目标环境因子输入到所述冻土识别模型，获得所述目标区域为连续多年冻土区域的分类概率；若所述分类概率小于概率阈值，则将所述分类概率经由所述地温计算模型进行处理，得到所述目标区域的目标地温。3.根据权利要求2所述的冻土地温预估方法，其特征在于，所述根据所述样本环境因子、样本冻土类型以及所述样本地温，生成地温预测模型，包括：将所述样本环境因子输入待训练的机器学习模型；根据所述机器学习模型输出的预测结果与所述样本冻土类型之间的差异，更新所述机器学习模型；直至所述机器学习模型满足预设条件时，得到所述冻土识别模型。4.根据权利要求3所述的冻土地温预估方法，其特征在于，所述根据所述样本环境因子、样本冻土类型以及所述样本地温，生成地温预测模型，还包括：将所述样本区域的样本环境因子输入到所述冻土识别模型，获得所述样本区域为连续多年冻土区域的分类概率，并作为样本概率；根据所述样本概率，从所述样本区域中确定出非连续多年冻土区域；将所述非连续多年冻土区域的样本概率与所述...

【专利技术属性】
技术研发人员：刘广岳，赵林，谢昌卫，吴通华，邹德富，胡国杰，赵拥华，
申请(专利权)人：中国科学院西北生态环境资源研究院，
类型：发明
国别省市：