一种基于深度学习的作物根层土壤含水量模拟方法技术

本发明专利技术公开了一种基于深度学习的作物根层土壤含水量模拟方法，包括收集研究区的影响因子；将各影响因子和根层土壤含水量进行时间和空间上的相关性分析，计算各影响因子对根层土壤含水量模拟的重要度，确定模型最终的输入因子；构建区域根层土壤含水量模型；将ERA5原始数据集浅层土壤含水量数据和对应的气候、下垫面影响因子资料输入到区域根层土壤含水量模型中逐栅格进行模拟，模拟获得研究区ERA5根层土壤含水量数据集。本发明专利技术针对站点实测根层土壤含水量数据非实时不连续且成本高、遥感反演产品精度较低的不足，将高精度的站点数据和ERA5实时连续的反演数据的优势相结合模拟根层土壤含水量，获取精度较高且实时连续的区域根层土壤含水量信息。

【技术实现步骤摘要】

本专利技术属于地球物理下遥感水文应用，具体涉及一种基于深度学习的作物根层土壤含水量模拟方法。

技术介绍

1、土壤水影响着从区域到全球范围的水循环过程，获取实时准确的土壤水时空分布信息在干旱监测、农业灌溉和水资源管理等方面具有重要意义。传统的站点监测土壤水数据精度高，但获取成本大且不连续，而卫星遥感技术虽然可以获取连续实时的数据，但只能提供0-10cm深度的土壤水信息，阻碍了其在现代农业中的应用和推广。研究浅层与根层土壤含水量之间的关系，结合地面监测和遥感土壤水信息模拟实时连续的根层土壤含水量资料是完善土壤水信息的关键技术手段。

2、目前主要利用统计分析、物理模型和数据同化等方法由浅层土壤含水量推求根层土壤含水量数据。pan ff等在文献application of a soil moisture diagnosticequation for estimating root-zone soil moisture in arid and semi-arid regions[j].journal of hydrology,2015,524:296-3本文档来自技高网...

【技术保护点】

1.一种基于深度学习的作物根层土壤含水量模拟方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的作物根层土壤含水量模拟方法，其特征在于，步骤三中所述统计指标为相关系数CC、平均绝对误差MAE、均方根误差RMSE和无偏均方根误差ubRMSE。

3.根据权利要求1所述的一种基于深度学习的作物根层土壤含水量模拟方法，其特征在于，步骤四：将ERA5再分析数据集转化为0-10cm的土壤水数据的转换公式为：

4.根据权利要求1所述的一种基于深度学习的作物根层土壤含水量模拟方法，其特征在于，在步骤一中，需将地面监测站点数据的重量含水率单位，转...

【技术特征摘要】

1.一种基于深度学习的作物根层土壤含水量模拟方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的作物根层土壤含水量模拟方法，其特征在于，步骤三中所述统计指标为相关系数cc、平均绝对误差mae、均方根误差rmse和无偏均方根误差ubrmse。

3.根据权利要求1所述的一种基于深度学习的作物根层土壤含水量模拟方法，其特征在于，步骤四：将era5再分析数据集转化为0-10cm的土壤水数据的转换公式为：

<...

【专利技术属性】
技术研发人员：刘悦，鲍振鑫，王国庆，刘翠善，王婕，解明明，吴厚发，石佳勇，
申请(专利权)人：水利部交通运输部国家能源局南京水利科学研究院，
类型：发明
国别省市：