一种基于集成学习的多层高分辨率土壤水分生成方法技术

本发明专利技术公开了一种基于集成学习的多层高分辨率土壤水分生成方法，包括以下步骤：步骤1、数据收集与预处理：收集研究区域的多源遥感数据与不同深度的地面实测墒情站点数据，并对收集的数据分别进行预处理；步骤2、数据时空重构：对预处理后的多源遥感数据的时空连续性进行判别，并对时空不连续数据进行数据时空重构；步骤3、构建多层土壤水分降尺度模型并训练：利用集成学习算法构建研究区域内多层土壤水分降尺度模型并训练；步骤4、生成多层高分辨率土壤水分结果。本发明专利技术所述方法能够获得多层的高分辨率土壤水分结果，极大的提高了区域土壤水分监测的效率和精度，具有广阔业务推广应用价值，并为农作物精准灌溉提供技术支撑。

【技术实现步骤摘要】

本专利技术属于土壤水分遥感，尤其涉及一种基于集成学习的多层高分辨率土壤水分生成方法。

技术介绍

1、土壤水分是区域水循环、农业灌溉管理和气候变化的特征要素之一，其在水文、气象、农业等学科中也具有重要的作用。土壤水分(soil moisture，sm)是地表植被吸收水分的主要来源，其对作物的生长发育至关重要。因此，准确模拟预测土壤水分对作物增产和粮食安全具有重要意义。随着遥感技术的发展，目前已经可以从不同的主动和被动微波传感器获取土壤水分，如高级微波扫描辐射计(advanced microwave scanning radiometer-earth observing system,amsr-e)、高级散射仪(ascat)、amsr-2、smos(soil moistureand ocean salinity mission)、smap(soil moisture active passive mission)和esa-cci(the european space agency’s climate change initiative)等，上述土壤水分遥感产品本文档来自技高网...

【技术保护点】

1.一种基于集成学习的多层高分辨率土壤水分生成方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种基于集成学习的多层高分辨率土壤水分生成方法，其特征在于，步骤1中所述收集研究区域多年的多源遥感数据与地面实测墒情站点数据具体为收集研究区域五年以上的数据。

3.根据权利要求1所述的一种基于集成学习的多层高分辨率土壤水分生成方法，其特征在于，步骤1中所述对收集的多源遥感数据与地面实测墒情站点数据分别进行预处理，得到预处理后的多源遥感数据与地面实测墒情站点数据具体为：对多源遥感数据进行投影、重采样和裁剪后，得到投影坐标系、空间范围和分辨率一致的多源遥感数...

【技术特征摘要】

1.一种基于集成学习的多层高分辨率土壤水分生成方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种基于集成学习的多层高分辨率土壤水分生成方法，其特征在于，步骤1中所述收集研究区域多年的多源遥感数据与地面实测墒情站点数据具体为收集研究区域五年以上的数据。

3.根据权利要求1所述的一种基于集成学习的多层高分辨率土壤水分生成方法，其特征在于，步骤1中所述对收集的多源遥感数据与地面实测墒情站点数据分别进行预处理，得到预处理后的多源遥感数据与地面实测墒情站点数据具体为：对多源遥感数据进行投影、重采样和裁剪后，得到投影坐标系、空间范围和分辨率一致的多源遥感数据；对地面实测墒情站点数据经过数据质量控制后，得到时间序列完整、数据无异常值的地面实测墒情站点数据集。

4.根据权利要求1所述的一种基于集成学习的多层高分辨率土壤水分生成方法，其特征在于，步骤1中所述smap sm数据集为微波数据集，时间分辨率为1d，空间分辨率为9km；所述modis lst数据集与modis ndvi/evi数据集均为光学遥感数据集，modis lst数据集的时间分辨率为1d，空间分辨率为1km，modis ndvi/evi数据集的时间分辨率为16d，空间分辨率为1km；所述era5-land sm数据集、era5-land lst数据集和era5-land lai数据集为再分析数据集，时间分辨率均为1d，空间分辨率均为9km；所述降水数据集的时间分辨率均为1d，空间分辨率为5km；所述数字高程数据集、坡度数据集、土壤质地数据集均为静态数据，空间分辨率均为1...

【专利技术属性】
技术研发人员：杨晓静，付平凡，屈艳萍，姜波，苏志诚，张涛，姜田亮，景兰舒，徐立萍，贺双燕，贾克，闫月生，曲彤，秦洪亮，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：