一种土壤养分反演方法、电子设备及存储介质，属于土壤养分反演技术领域。为了提高土壤养分反演效率及精度，本发明专利技术对实地采集土壤样本进行土壤养分含量化验，得到土壤养分样本数据，作为土壤养分反演模型的目标数据集；利用地理信息软件采集对目标数据集与高光谱影像光谱信息进行整理，得到高光谱数据降维样本数据集；利用数据降维处理得到降维的高光谱影像数据通道信息；构建多注意力增强式膨胀特征提取模型；构建单侧抑制门控制循环神经网络模型；构建土壤养分反演模型；将模型的目标数据集及输入数据集输入到土壤养分反演模型中进行训练，得到最优的土壤养分反演模型；利用最优的土壤养分反演模型进行目标区域的土壤养分预测。本发明专利技术精准预测。
【技术实现步骤摘要】
本专利技术属于土壤养分反演，具体涉及一种土壤养分反演方法、电子设备及存储介质。
技术介绍
1、目前黑土耕地完成综合性治理的面积占比较低，坡耕地水土流失、耕层变浅和侵蚀等问题较为严重，土壤有机质含量仍在持续下降，部分地区的土壤酸化、盐渍化问题尚未改善，黑土地退化趋势仍在加剧。为保障粮食供给能力、恢复耕地地力水平，促进黑土地资源可持续利用为重点，以治理黑土地“变薄、变瘦、变硬”问题为目标，以提升黑土地地力水平、质量等级为主攻方向，以防治耕地水土流失、耕地侵蚀，保护有效耕层厚度、加强质量监测为重点。那如何高效的、精准的、稳定的、大面积的监测土壤中有效养分含量是目前重大的问题。
2、其中国土卫星中心面向国家粮食安全重大战略需求，以黑土地保护为切入点，从2019年起持续探索研发高光谱土壤参量反演技术及产品，突破了耕地裸土目标自动识别、星载高光谱数据敏感光谱指数构建、环境参量与目标光谱协同建模反演等关键技术，以业务化、规模化的思路先后定型土壤有机质、砂粒、粉粒、粘粒四类高光谱土壤指数产品及参量反演产品。综合利用5米光学业务卫星、高分五号卫星开展黑龙江、吉林、辽宁及内蒙古东四盟区域的高光谱载荷协同观测，获取并处理2019-2021年卫星高光谱影像3488景，编制了土壤有机质、砂粒、粉粒及粘粒反演专题图，实现了中国黑土地耕地区域全覆盖。经与地面独立验证样本比对分析，土壤有机质的均方根误差为5.16g/kg，砂粒、粉粒及粘粒三个参量的均方根误差均小于8％；四种参量的决定系数均高于0.75，反演结果与地面样本测试结果具有较好的一致性。</p>3、但是目前大多数土壤有效养分反演模型，利用高光谱影像数据光谱信息冗余较大、特征提取不充分、特征提取时感受野较少、多时相影像融合过程重要信息记忆消失及非重要信息冗余干扰、兴奋边界过于狭窄、对噪声鲁棒性过低，致使土壤养分反演效率、稳定性、精度低，很难大面积的应用在精准农业领域中。
技术实现思路
1、本专利技术要解决的问题是提高土壤养分反演效率、提高土壤养分反演精度的问题，提出一种土壤养分反演方法、电子设备及存储介质。
2、为实现上述目的，本专利技术通过以下技术方案实现：
3、一种土壤养分反演方法，包括如下步骤：
4、s1.对实地采集土壤样本进行土壤养分含量化验，得到土壤养分样本数据，作为土壤养分反演模型的目标数据集；
5、s2.对步骤s1采集的土壤养分样本数据利用地理信息软件采集对应高光谱影像光谱信息并进行数据整理，得到高光谱数据降维样本数据集；
6、s3.对步骤s2得到的高光谱数据降维样本数据集进行数据降维处理，得到降维的高光谱影像数据通道信息；
7、s4.对步骤s3得到的降维的高光谱影像数据通道信息及高程、坡度、坡向、土壤类型、气象信息进行数据升维处理，得到用于土壤养分反演模型的输入数据集；
8、s5.构建多注意力增强式膨胀特征提取模型at_e_efem；
9、s6.构建单侧抑制门控制循环神经网络模型s_e_gru；
10、s7.基于步骤s5构建的多注意力增强式膨胀特征提取模型与比值s6构建的单侧抑制门控制循环神经网络模型，构建土壤养分反演模型；
11、s8.将步骤s1得到的模型目标数据集及s4得到的模型输入数据集输入到步骤s7构建的土壤养分反演模型进行模型训练，得到最优的土壤养分反演模型；
12、s9.利用步骤s8得到的最优土壤养分反演模型，进行目标区域的土壤养分预测。
13、进一步的，步骤s1中设置用于土壤养分反演模型的目标参数包括土壤的碱解氮含量、有效磷含量、速效钾含量、有机质含量。
14、进一步的，步骤s2的具体实现方法包括如下步骤：
15、s2.1.对采集的土壤养分样本数据利用arcgis10.1的展点功能进行展点，得到土壤养分样本点位数据；
16、s2.2.利用envi5.6.3对获取的高光谱影像数据进行辐射定标、大气校正、rpc正射校正、几何精校正预处理后，结合土壤养分样本点位数据，利用arcgis10.1中多值提取至点的功能，将预处理后的高光谱影像数据与土壤养分样本数据整合后，得到整理的样本数据集；
17、s2.3.将整理的数据集以采集的土壤养分含量值，按照从小到大的顺序排序，再以采集的土壤养分含量值的最大值与最小值均分10个等级，并分别标注为0到9，得到高光谱数据降维样本数据集。
18、进一步的，步骤s3的具体实现方法包括如下步骤：
19、s3.1.利用主成分分析法对步骤s2得到的土壤样本的高光谱数据降维样本数据集进行降维分析；
20、s3.1.1.对步骤s2得到的高光谱数据降维样本数据集进行去中心化处理；
21、s3.1.2.计算步骤s3.1.1处理后的高光谱数据降维样本数据集x的互相关性c，计算表示为：
22、
23、其中，m为高光谱数据降维样本数据集中样本的数量；
24、s3.1.3.利用拉格朗日计算公式对步骤s3.1.2得到的c进行特征值分解，并从大到小选取k个特征值，所对应的特征矢量组成降维矩阵v，其中v的维度为k×n，n为特征维度，计算表达式为：
25、f(v)＝vcvt+k(1-vtv)
26、其中，f(v)为特征值分解结果，t为转置；
27、求导后得到计算表达式为：
28、cvt＝kvt；
29、s3.1.4.利用步骤s3.1.3得到的降维矩阵对高光谱数据降维样本数据集进行降维计算，得到主成分分析法降维处理后的高光谱影像数据集y，计算表达式为：
30、y＝xvt；
31、s3.2.对步骤s3.1得到的主成分分析法降维处理后的高光谱影像数据集，利用t分布随机近邻嵌入法进行降维处理；
32、s3.2.1.在高维空间构建条件概率分布结果pj|i，利用条件概率分布结果计算联合概率分布pij，计算表达式为：
33、pij＝pj|i+pi|j
34、利用条件概率分布结果拟合高维样本空间的相对位置关系，计算表达式为：
35、
36、其中，xi为第i个主成分分析法降维处理后的高光谱影像数据集，xj为第j个主成分分析法降维处理后的高光谱影像数据集，xk为第k个主成分分析法降维处理后的高光谱影像数据集，σi为主成分分析法降维处理后的高光谱影像数据集方差；
37、设定期望的分布熵per，令log(per)＝-∑pj|ilog(pj|i)，通过二分查找法寻找最优熵perbeta，令
38、对pij进行归一化处理，计算表达式为：
39、
40、s3.2.2.利用student-t分布在低维空间构建概率分布qij，用于拟合低位样本点之间的位置关系，计算表达式为：
41、
42、其中，yi为第i个本文档来自技高网
...
【技术保护点】
1.一种土壤养分反演方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种土壤养分反演方法，其特征在于，步骤S1中设置用于土壤养分反演模型的目标数据集包括土壤的碱解氮含量、有效磷含量、速效钾含量、有机质含量。
3.根据权利要求2所述的一种土壤养分反演方法，其特征在于，步骤S2的具体实现方法包括如下步骤：
4.根据权利要求3所述的一种土壤养分反演方法，其特征在于，步骤S3的具体实现方法包括如下步骤：
5.根据权利要求4所述的一种土壤养分反演方法，其特征在于，步骤S5的具体实现方法包括如下步骤：
6.根据权利要求5所述的一种土壤养分反演方法，其特征在于，步骤S6的单侧抑制门控制循环神经网络模型由重置门和更新门构成；
7.根据权利要求6所述的一种土壤养分反演方法，其特征在于，步骤S7的具体实现方法包括如下步骤：
8.根据权利要求7所述的一种土壤养分反演方法，其特征在于，步骤S8将步骤S1得到的模型目标数据集及S4得到的模型输入数据集输入到步骤S7构建的土壤养分反演模型进行模型训练，利用决定系数R2、修正均方根误差皮尔逊相关系数r及平均绝对误差百分比MAPE来评价模型训练精度，其中RMSE为均方根误差、为采集土壤养分含量平均值。
9.一种电子设备，其特征在于，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现权利要求1-8任一项所述的一种土壤养分反演方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8任一项所述的一种土壤养分反演方法。
...
【技术特征摘要】
1.一种土壤养分反演方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种土壤养分反演方法，其特征在于，步骤s1中设置用于土壤养分反演模型的目标数据集包括土壤的碱解氮含量、有效磷含量、速效钾含量、有机质含量。
3.根据权利要求2所述的一种土壤养分反演方法，其特征在于，步骤s2的具体实现方法包括如下步骤：
4.根据权利要求3所述的一种土壤养分反演方法，其特征在于，步骤s3的具体实现方法包括如下步骤：
5.根据权利要求4所述的一种土壤养分反演方法，其特征在于，步骤s5的具体实现方法包括如下步骤：
6.根据权利要求5所述的一种土壤养分反演方法，其特征在于，步骤s6的单侧抑制门控制循环神经网络模型由重置门和更新门构成；
7.根据权利要求6所述的一种土壤...
【专利技术属性】
技术研发人员：宋振强，朴金姬，程飞雁，李岩，刘彤，段宝德，王星博，
申请(专利权)人：哈尔滨航天恒星数据系统科技有限公司，
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。