【技术实现步骤摘要】
本专利技术涉及土壤水分检测，具体涉及一种土壤水分供给量的多因素定量反演方法。
技术介绍
1、土壤水分与全球气候变化、碳循环、水循环等过程以及农业生产、生态保护与修复等环节密切相关，以西北旱区典型大田作物棉花、小麦为研究对象，开展基于多源信息和多模型耦合的智能灌溉预测研究，摸清棉花、小麦各生育期水分阈值，建立需水信息定量诊断与预测模型；调节农田需耗水时空变异性与供水过程不确定性之间的矛盾，构建基于水资源约束下的多目标灌溉预测模型，为实现灌区灌溉智慧预警、智慧调度-调控及智慧决策保障科学支撑。
2、现有用于土壤水分供给量定量反演的方法主要是卫星遥感监测方法，测定精度高、操作简单，在一定程度上提高了监测的精度和时效性，遥感手段实现对土壤水分的监测是以土壤表层的遥感影像数据为数据源，通过分析遥感数据与野外实测土壤水分数据的之间的相关性，构建土壤含水率反演模型，实现了大范围、动态、高效的土壤水分监测，但是目前常见的卫星遥感监测方法存在以下问题：
3、(1)遥感方法虽然能够实现大面积农田土壤含水率的实时监测，但仍然面临着时效性较差、影像分辨率不高和重访周期较长等问题；
4、(2)通过遥感技术获取土壤表面的光谱数据，可以建立土壤含水率与光谱数据之间的定量关系模型，从而实现对土壤含水率的定量估算，但是基于遥感技术的反演模型需要选择合适的核函数，不同的核函数对结果影响较大，导致无法适应不同地区的土壤含水率监测。
技术实现思路
1、本专利技术的目的在于提供一种土壤水
2、为解决上述技术问题，本专利技术具体提供下述技术方案：
3、本专利技术提供了一种土壤水分供给量的多因素定量反演方法，包括以下步骤：
4、采集不同区域的土壤样本数据，对所述土壤样本数据进行预处理，获取精确的土壤地表温湿度数据，将所述土壤地表温湿度数据结合实地土壤采样点的经纬度坐标提取特征参量，并将所述特征参量存储在excel中；
5、将所述excel中的每一行数据作为一个样本区域，通过xlsread函数读取所述每一行的样本区域数据，并提取所述excel中的每一列数据分析土壤湿度影响因素的特征，并在matlab中建立数据矩阵；
6、将所述数据矩阵通过pix2map函数根据所述数据矩阵的行列号转化为直角坐标系坐标，生成包含土壤含水值的一维数组，结合光学参量对所述一维数组构建土壤含水率空间分布模型，获取精确的多因素定量反演数据；
7、对所述定量反演数据采用连续投影算法spa筛选地土壤含水率反演模型的建模因子，通过所述建模因子对不同因素下模型反演效果进行对比，获取精确的反演模型预测数据。
8、作为本专利技术的一种优选方案，将所述土壤样本数据根据所述特征参量划分样本集，对不同样本集中的光谱反射率与对应的土壤含水率进行相关性分析，获取光谱反射率与土壤含水率的相关系数；
9、其中，对所述光谱反射率与对应的土壤含水率的相关性分析，包括：
10、从所述样本集中随机抽取一个样本r，且从所述样本r的同类中找出k个邻近样本，对k个所述邻近样本采用relief算法获取所述样本集中的特征权重；
11、在所述样本集中设置随机抽取的样本比例，并根据所述样本比例计算不同样本间在所述特征权重下的差异；
12、根据所述特征权重的差异对某一特征进行随机排序，在所述样本集的其他特征顺序不变的情况下，更新单一因素下某一特征的排序；
13、根据特征排序获取所述光谱反射率与对应的土壤含水率之间的相关性，采用person相关系数表示相关性较高的光谱变量，并将所述光谱变量作为敏感变量。
14、作为本专利技术的一种优选方案，将所述特征参量依据所述特征权重排序依次存储在所述excel中，所述特征参量提取方法包括：
15、采用实地土壤采样点的经纬度坐标，获取实际土壤采样点的矢量文件，根据相关系数通过arcgis多值提取操作提取所述土壤含水率在极化后的光谱散射系数，通过envi波段运算bandmath函数，将极化后的土壤含水率数据进行组合得到四种组合的特征参量。
16、作为本专利技术的一种优选方案，按行分析所述excel中的所述特征参量信息，采用matlab建立所述土壤含水率的数据矩阵，包括：
17、通过imfinfo函数读取所述特征参量在所述excel中的栅格数据信息，包含栅格的行列数大小和参考坐标系，并采用pix2map函数将所述行列数对应的行列号转化为直角坐标系坐标；
18、采用projinv函数将直角坐标系转换成地理坐标系，然后通过reshape函数将特征参量二维栅格数据转化为一维矩阵数据；
19、对所述一维矩阵数据进行归一化处理，获取包含土壤含水率的一维数组，采用reshape函数将所述一维数组转换成原栅格数据相同行列数的二维数组，并生成对应的经纬度坐标和空间参考坐标系。
20、作为本专利技术的一种优选方案，对所述二维数据构建基于所述土壤含水率的空间分布模型，获取精确的多因素定量反演数据，包括：
21、将所述二维数组作为输入样本，根据所述二维数组的数据量确定输入层节点数，采用matlab工具箱进行bp建模，采用sigmoid函数对输出层进行非线性映射，将土壤含水率的数据分布情况通过所述bp模型的隐含层向输入层反馈；
22、根据反馈情况将消息发送给所述bp模型的所有神经元，根据各神经元获得的误差，调整输入层与隐含层，获取所述隐含层与输出层各节点间的权值与阈值；
23、不断调整所述输入层与隐含层数据，通过这个过程使误差按梯度下降，经过反复迭代训练，确定误差最低时对应的网络权值和阈值，将所述网络权值和阈值作为最佳模型的训练参数；
24、对所述训练数据进行迭代训练，获取精确的多因素定量反演数据。
25、作为本专利技术的一种优选方案，对所述定量反演数据采用连续投影算法spa筛选地土壤含水率反演模型的建模因子，包括：
26、将所述定量反演数据根据光谱波长随机选择对应的光谱矩阵，将所述光谱矩阵的每一列赋值给对应的反演数据；
27、计算所述反演数据的向量投影，提取最大投影向量的光谱波长，建立多元性线性回归分析模型，获取基于反演数据的均方根误差，将所述均方根误差最小的光谱变量作为建模因子。
28、作为本专利技术的一种优选方案，通过所述建模因子对不同因素下模型反演效果进行对比，获取精确的反演模型预测数据，包括：
29、对所述建模因子进行relieff分析获取对应的pearson相关系数，将所述建模因子的重要性与相关性分别归一化处理，将处理好的归一化数据相加获得同一量级的综合分析数据；
30、将实测的土壤含水率数据作为反演模型的期望输出，将多种本文档来自技高网...
【技术保护点】
1.一种土壤水分供给量的多因素定量反演方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种土壤水分供给量的多因素定量反演方法，其特征在于，
3.根据权利要求2所述的一种土壤水分供给量的多因素定量反演方法，其特征在于，
4.根据权利要求3所述的一种土壤水分供给量的多因素定量反演方法，其特征在于，
5.根据权利要求3所述的一种土壤水分供给量的多因素定量反演方法，其特征在于，
6.根据权利要求5所述的一种土壤水分供给量的多因素定量反演方法，其特征在于，
7.根据权利要求6所述的一种土壤水分供给量的多因素定量反演方法，其特征在于，
8.根据权利要求7所述的一种土壤水分供给量的多因素定量反演方法，其特征在于，
【技术特征摘要】
1.一种土壤水分供给量的多因素定量反演方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种土壤水分供给量的多因素定量反演方法，其特征在于，
3.根据权利要求2所述的一种土壤水分供给量的多因素定量反演方法，其特征在于，
4.根据权利要求3所述的一种土壤水分供给量的多因素定量反演方法，其特征在于，
<...【专利技术属性】
技术研发人员：付秋萍，高凡，艾鹏睿，王方垠，刘学儒，张晓楠，
申请(专利权)人：新疆农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。