CN116028480B - 一种提高遥感土壤水分产品时空覆盖度的填充方法 - Google Patents
一种提高遥感土壤水分产品时空覆盖度的填充方法 Download PDFInfo
- Publication number
- CN116028480B CN116028480B CN202310325246.5A CN202310325246A CN116028480B CN 116028480 B CN116028480 B CN 116028480B CN 202310325246 A CN202310325246 A CN 202310325246A CN 116028480 B CN116028480 B CN 116028480B
- Authority
- CN
- China
- Prior art keywords
- soil moisture
- remote sensing
- data
- moisture data
- missing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明提供一种提高遥感土壤水分产品时空覆盖度的填充方法,涉及土壤水分遥感领域,该方法包括:获取当前遥感土壤水分数据中每一土壤水分缺失数据所对应的缺失位置;输入每一缺失位置对应的当前模型土壤水分数据至土壤水分预测模型,获取所述土壤水分预测模型输出的,每一缺失位置对应的待填充遥感土壤水分数据;填充每一缺失位置对应的待填充遥感土壤水分数据至所述当前遥感土壤水分数据,获取填充后遥感土壤水分数据,以提高遥感土壤水分产品的时空覆盖度。本发明无需其他辅助数据或插值方法,能够简单、高效且精准的获取完整的遥感土壤水分数据,从而在保持原有遥感土壤水分产品高精度的同时,提高遥感土壤水分产品的时空覆盖度。
Description
技术领域
本发明涉及土壤水分遥感领域,尤其涉及一种提高遥感土壤水分产品时空覆盖度的填充方法。
背景技术
由于卫星本身轨道的设计以及微波观测反演土壤水分的物理限制,如复杂地形、人为射频干扰等,造成遥感土壤水分产品所获取的遥感土壤水分数据在某些区域,尤其是中低纬度存在数据缺失。
发明内容
本发明提供一种提高遥感土壤水分产品时空覆盖度的填充方法,用以解决现有遥感土壤水分产品所获取的遥感土壤水分数据不够完整的技术问题,提供了一种结合模型土壤水分数据进行数据填补的技术方案。
第一方面,本发明提供了一种提高遥感土壤水分产品时空覆盖度的填充方法,包括:
获取当前遥感土壤水分数据中每一土壤水分缺失数据所对应的缺失位置;
输入每一缺失位置对应的当前模型土壤水分数据至土壤水分预测模型,获取所述土壤水分预测模型输出的,每一缺失位置对应的待填充遥感土壤水分数据;
填充每一缺失位置对应的待填充遥感土壤水分数据至所述当前遥感土壤水分数据,获取填充后遥感土壤水分数据,以提高遥感土壤水分产品的时空覆盖度;
所述土壤水分预测模型是根据所有预设位置相对应的每一土壤水分预测模块确定的;
每一土壤水分预测模块是根据每一预设位置上所有历史时刻所对应的遥感土壤水分数据以及每一历史时刻所对应的模型土壤水分数据进行曲线拟合而确定的。
根据本发明提供的提高遥感土壤水分产品时空覆盖度的填充方法,所述获取当前遥感土壤水分数据中每一土壤水分缺失数据所对应的缺失位置,包括:
根据遥感土壤水分产品获取目标监测区域对应的当前遥感土壤水分数据;
将所述当前遥感土壤水分数据中存在卫星格网数据缺失的空间坐标确定为土壤水分缺失数据所对应的缺失位置。
根据本发明提供的提高遥感土壤水分产品时空覆盖度的填充方法,在输入每一缺失位置对应的当前模型土壤水分数据至土壤水分预测模型之前,还包括:
对于每一预设位置,获取所述预设位置在每一历史时刻的遥感土壤水分数据以及模型土壤水分数据;
根据每一历史时刻的遥感土壤水分数据以及模型土壤水分数据进行曲线拟合,确定与所述预设位置相对应的土壤水分预测模块;
遍历所有预设位置,获取所有预设位置相对应的每一土壤水分预测模块,以根据所有土壤水分预测模块构建所述土壤水分预测模型;
所述遥感土壤水分数据是根据遥感土壤水分产品确定的;
所述模型土壤水分数据是根据模型土壤水分产品确定的。
根据本发明提供的提高遥感土壤水分产品时空覆盖度的填充方法,所述输入每一缺失位置对应的当前模型土壤水分数据至土壤水分预测模型,获取所述土壤水分预测模型输出的,每一缺失位置对应的待填充遥感土壤水分数据,包括:
对于任一缺失位置,根据模型土壤水分产品确定所述缺失位置对应的当前模型土壤水分数据;
输入所述缺失位置对应的当前模型土壤水分数据至所述缺失位置对应的土壤水分预测模块,获取所述缺失位置对应的土壤水分预测模块输出的,所述缺失位置对应的待填充遥感土壤水分数据;
遍历所有缺失位置,直至获取每一缺失位置对应的待填充遥感土壤水分数据。
根据本发明提供的提高遥感土壤水分产品时空覆盖度的填充方法,所述输入所述缺失位置对应的当前模型土壤水分数据至所述缺失位置对应的土壤水分预测模块,获取所述缺失位置对应的土壤水分预测模块输出的,所述缺失位置对应的待填充遥感土壤水分数据,包括:
根据当前模型土壤水分数据以及第一回归系数确定一次项结果;
根据当前模型土壤水分数据以及第二回归系数确定二次项结果;
根据所述一次项结果、所述二次项结果以及第三回归系数确定待填充遥感土壤水分数据。
根据本发明提供的提高遥感土壤水分产品时空覆盖度的填充方法,所述填充每一缺失位置对应的待填充遥感土壤水分数据至所述当前遥感土壤水分数据,获取填充后遥感土壤水分数据,以提高遥感土壤水分产品的时空覆盖度,包括:
对于任一缺失位置,填充所述缺失位置对应的待填充遥感土壤水分数据至所述当前遥感土壤水分数据中的所述缺失位置;
遍历所有缺失位置,获取填充后遥感土壤水分数据。
根据本发明提供的提高遥感土壤水分产品时空覆盖度的填充方法,在获取填充后遥感土壤水分数据之后,还包括:
合并土壤水分原始数据以及所述填充后遥感土壤水分数据,获取完整遥感土壤水分数据;
所述土壤水分原始数据是所述当前遥感土壤水分数据中不存在卫星格网数据缺失的土壤水分数据。
第二方面,本发明提供了一种提高遥感土壤水分产品时空覆盖度的填充装置,包括:
获取单元:用于获取当前遥感土壤水分数据中每一土壤水分缺失数据所对应的缺失位置;
输入单元:用于输入每一缺失位置对应的当前模型土壤水分数据至土壤水分预测模型,获取所述土壤水分预测模型输出的,每一缺失位置对应的待填充遥感土壤水分数据;
填充单元:用于填充每一缺失位置对应的待填充遥感土壤水分数据至所述当前遥感土壤水分数据,获取填充后遥感土壤水分数据,以提高遥感土壤水分产品的时空覆盖度;
所述土壤水分预测模型是根据所有预设位置相对应的每一土壤水分预测模块确定的;
每一土壤水分预测模块是根据每一预设位置上所有历史时刻所对应的遥感土壤水分数据以及每一历史时刻所对应的模型土壤水分数据进行曲线拟合而确定的。
第三方面,本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述提高遥感土壤水分产品时空覆盖度的填充方法。
第四方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述提高遥感土壤水分产品时空覆盖度的填充方法。
本发明提供了一种提高遥感土壤水分产品时空覆盖度的填充方法,首先构建遥感土壤水分数据和模型土壤水分数据在时间序列上的对应关系,然后获取当前遥感土壤水分数据中土壤水分缺失数据所对应的缺失位置,以根据所述对应关系处理缺失位置对应的模型土壤水分数据,从而获取待填充遥感土壤水分数据,并填充待填充遥感土壤水分数据至所述当前遥感土壤水分数据。本发明无需其他辅助数据或插值方法,能够简单、高效且精准的获取完整的遥感土壤水分数据,从而在保持原有遥感土壤水分产品高精度的同时,提高遥感土壤水分产品的时空覆盖度。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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的附图。
图1是本发明提供的提高遥感土壤水分产品时空覆盖度的填充方法的流程示意图之一;
图2是本发明提供的获取土壤水分缺失数据所对应的缺失位置的流程示意图;
图3是本发明提供的提高遥感土壤水分产品时空覆盖度的填充方法的流程示意图之二;
图4是本发明提供的获取每一缺失位置对应的待填充遥感土壤水分数据的流程示意图;
图5是本发明提供的获取填充后遥感土壤水分数据的流程示意图;
图6是本发明提供的提高遥感土壤水分产品时空覆盖度的填充方法的流程示意图之三;
图7是本发明提供的提高遥感土壤水分产品时空覆盖度的填充装置的结构示意图;
图8是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
土壤水分不仅是地球生态系统非常重要的组成部分,同时也是气候模型、水文模型、作物生长模型、干旱监测模型等的重要初始参数。相关技术表明区域性或全球性的土壤水分观测对于洪涝预警、改良土壤侵蚀模型、天气预报以及农业应用至关重要。微波遥感由于对地表介电特性的强敏感性而具备良好的反演土壤水分的物理基础,并且它还具有全天时全天候、能够大范围持续观测、穿透性强、较少受到云雾干扰的优势,被认为是目前监测土壤水分最有效的手段。目前,由于卫星本身轨道的设计以及微波观测反演土壤水分的物理限制,如复杂地形、人为射频干扰等,造成土壤水分产品在某些区域存在数据缺失,限制了其在许多研究中的应用。
而造成土壤水分产品在某些区域存在数据缺失的原因,在于遥感土壤水分产品在时序上不连续性,比如以日为单位进行数据获取,却并不是每天都能获取到所有区域的所有土壤水分数据,即对于相同的区域,由于卫星观测本身和微波观测反演土壤水分的物理限制,导致某些历史时刻没有土壤水分值,某些历史时刻存在土壤水分值,因此迫切需要对这些缺失值进行相应的时空填补,而本发明考虑了方程系数的空间差异性,逐格网的建立上述的一元二次方程,具体地,需要利用上述历史时刻所记录的遥感土壤水分数据和对应时间的模型土壤水分数据建立一元二次方程,然后确定方程的系数,然后通过所建立方程和缺失遥感土壤水分数据日期所对应的模型土壤水分数据,反算这些缺失的遥感土壤水分数据。
使用随机森林等机器学习方法对训练的数据数量和质量要求较高,该方法虽然具有较好的效果但无明确的数学表达式,不利于用户的使用和推广,且算法计算量较大,运行时间较长;同时以往的算法往往需要借助大量的光学遥感产品,而由于受到云和天气的影响,光学数据经常存在严重的数据缺失问题,限制了算法在全球尺度上的应用。为了克服上述缺陷,本发明提供了一种通过逐格网的建立遥感土壤水分产品和空间无缝的模型土壤水分产品之间的一元二次回归模型,使用模型土壤水分数据以及所构建的回归模型,来重建缺失的遥感土壤水分数据,从而达到时空填补的目的。图1是本发明提供的提高遥感土壤水分产品时空覆盖度的填充方法的流程示意图之一,本发明提供了一种提高遥感土壤水分产品时空覆盖度的填充方法,包括:
步骤101、获取当前遥感土壤水分数据中每一土壤水分缺失数据所对应的缺失位置;
步骤102、输入每一缺失位置对应的当前模型土壤水分数据至土壤水分预测模型,获取所述土壤水分预测模型输出的,每一缺失位置对应的待填充遥感土壤水分数据;
步骤103、填充每一缺失位置对应的待填充遥感土壤水分数据至所述当前遥感土壤水分数据,获取填充后遥感土壤水分数据,以提高遥感土壤水分产品的时空覆盖度;
所述土壤水分预测模型是根据所有预设位置相对应的每一土壤水分预测模块确定的;
每一土壤水分预测模块是根据每一预设位置上所有历史时刻所对应的遥感土壤水分数据以及每一历史时刻所对应的模型土壤水分数据进行曲线拟合而确定的。
在步骤101中,所述当前遥感土壤水分数据是实时通过遥感土壤水分产品确定的,所述遥感土壤水分产品通过卫星所获取的数据源分析,反推出地面状态信息,所述地面状态信息中即包括当前遥感土壤水分数据。
然而,由于卫星在工作状态下的轨道间存在间隙,可能会导致有些地面区域的数据未能获取到,同时,由于地球本身存在自转和公转,卫星每日扫描地球的位置并不是固定的,比如对于一预设地区,可能当天卫星能扫描到所述预设地区,而明天卫星却无法扫描到所述预设地区,从而造成了时间上数据的不连续,及空间上数据的不连续。综上,卫星无法做到数据源的每日全覆盖,基于这一卫星缺陷,从而使得遥感土壤水分产品面临并不完整的卫星数据源时,所获取的当前遥感土壤水分数据存在一定的缺失,例如,在当前遥感土壤水分数据中通过“NAN”标识某一区域中存在土壤水分缺失数据。
进一步地,每一土壤水分缺失数据所对应的缺失位置,可以为经纬度信息、网格中的坐标信息等等,在这样的实施例中,所述当前遥感土壤水分数据为监测区域的所有遥感土壤水分数据,将所述监测区域进行划分,采用格网的形式将其划分为不同的多个区域,标记不同的格网,或定义不同的格网为不同的位置,从而区分出不同格网,进而确定当前遥感土壤水分数据中每一土壤水分缺失数据所对应的缺失位置。
在步骤102中,本发明的目的是为了将缺失位置对应的当前模型土壤水分数据进行数据估算后填补至缺失位置,从而克服卫星无法完整获取所有区域的土壤水分数据的技术缺陷,故本发明构建了一种土壤水分预测模型,能够根据任一位置的模型土壤水分数据确定所述位置上的遥感土壤水分数据。
本领域技术人员理解,每一土壤水分预测模块是根据每一预设位置上所有历史时刻所对应的遥感土壤水分数据以及每一历史时刻所对应的模型土壤水分数据进行曲线拟合而确定的,所述曲线拟合包括线性拟合以及非线性拟合,在非线性拟合中,所述土壤水分预测模型可以为一元二次方程,将每一缺失位置对应的当前模型土壤水分数据至所述土壤水分预测模型,获取所述土壤水分预测模型输出的,每一缺失位置对应的待填充遥感土壤水分数据;而在其他的实施例中,所述土壤水分预测模型可以为多个一元二次方程,每一一元二次方程对应于一个位置,在这样的实施例中,将每一缺失位置对应的当前模型土壤水分数据至与所述缺失位置相对应的一元二次方程,从而获取每一缺失位置对应的待填充遥感土壤水分数据。
在步骤103中,例如,至少在A区域、B区域以及C区域存在数据缺失,经过步骤101以及步骤102,由于本发明采用的是基于模型遥感土壤水分数据来获取填充后的遥感土壤水分数据,而模型遥感土壤水分数据是时空连续无缺失的,故本发明能够实现包括但不限于A区域、B区域以及C区域的所有存在数据缺失区域的数据填充。
可选地,在获取填充后遥感土壤水分数据之后,还包括:
合并土壤水分原始数据以及所述填充后遥感土壤水分数据,获取完整遥感土壤水分数据;
所述土壤水分原始数据是所述当前遥感土壤水分数据中不存在卫星格网数据缺失的土壤水分数据。
在一些实施例中,在获取填充后遥感土壤水分数据之后,即完成了当前遥感土壤水分数据中每一缺失位置所对应的每一土壤水分缺失数据的数据填补,而所述当前遥感土壤水分数据中不存在数据缺失的数据为土壤水分原始数据,即所述土壤水分原始数据是所述当前遥感土壤水分数据中不存在卫星格网数据缺失的土壤水分数据,合并土壤水分原始数据以及所述填充后遥感土壤水分数据,即实现了在所有位置上均存在遥感土壤水分数据,即获取到完整遥感土壤水分数据。
本领域技术人员理解,本发明能够提高遥感土壤水分产品的时空覆盖度,所述的时空覆盖度,既包括时间上的填充,也包括空间上的填充,在时间上,由于卫星的工作状态等主观因素所导致的,无法持续性、连续性的获取遥感土壤水分数据,故可能会存在基于某些时段内数据的缺失;在空间上,由于卫星扫描地球位置的不固定性,可能会导致某些区域的数据缺失,本发明无论是从时间上,还是空间上,均能实现数据填充,从而提高遥感土壤水分产品的时空覆盖度。
本发明解决了以往机器方法无明确数学表达式、运行时间较长,且存在对大量光学遥感数据依赖、不利于用户使用及推广的问题,通过利用一元二次回归模型逐格网的对遥感土壤水分产品和空间无缝的模型土壤水分产品建立关系,由模型土壤水分数据重建遥感土壤水分数据,来达到对缺失的遥感土壤水分数据进行时空填补的目的。本发明具有明确的数学表达式,在保证原始遥感土壤水分产品的精度下,提高了产品的时空覆盖度,同时算法计算效率高,便于用户的使用及推广。
本发明提供了一种提高遥感土壤水分产品时空覆盖度的填充方法,首先构建遥感土壤水分数据和模型土壤水分数据在时间序列上的对应关系,然后获取当前遥感土壤水分数据中土壤水分缺失数据所对应的缺失位置,以根据所述对应关系处理缺失位置对应的模型土壤水分数据,从而获取待填充遥感土壤水分数据,并填充待填充遥感土壤水分数据至所述当前遥感土壤水分数据。本发明无需其他辅助数据或插值方法,能够简单、高效且精准的获取完整的遥感土壤水分数据,从而在保持原有遥感土壤水分产品高精度的同时,提高遥感土壤水分产品的时空覆盖度。
图2是本发明提供的获取土壤水分缺失数据所对应的缺失位置的流程示意图,所述获取当前遥感土壤水分数据中每一土壤水分缺失数据所对应的缺失位置,包括:
1011、根据遥感土壤水分产品获取目标监测区域对应的当前遥感土壤水分数据;
1012、将所述当前遥感土壤水分数据中存在卫星格网数据缺失的空间坐标确定为土壤水分缺失数据所对应的缺失位置。
在步骤1011中,本发明获取目标监测区域全天候不间断的当前遥感土壤水分数据,故本发明能够每隔一段时间,更新一次所述当前遥感土壤水分数据,而在每一次的更新过程中,均会因为卫星轨道等原因而导致所述目标监测区域中的一个或多个区域存在数据缺失。
在步骤1012中,在这样的实施例中,所述当前遥感土壤水分数据将以阵列的形式呈现,或以卫星格网数据与空间坐标的对应关系的形式呈现,若所述当前遥感土壤水分数据中存在卫星格网数据缺失,则将存在卫星格网数据缺失的空间坐标确定为土壤水分缺失数据所对应的缺失位置。
图3是本发明提供的提高遥感土壤水分产品时空覆盖度的填充方法的流程示意图之二,在输入每一缺失位置对应的当前模型土壤水分数据至土壤水分预测模型之前,还包括:
步骤201、对于每一预设位置,获取所述预设位置在每一历史时刻的遥感土壤水分数据以及模型土壤水分数据;
步骤202、根据每一历史时刻的遥感土壤水分数据以及模型土壤水分数据进行曲线拟合,确定与所述预设位置相对应的土壤水分预测模块;
步骤203、遍历所有预设位置,获取所有预设位置相对应的每一土壤水分预测模块,以根据所有土壤水分预测模块构建所述土壤水分预测模型;
所述遥感土壤水分数据是根据遥感土壤水分产品确定的;
所述模型土壤水分数据是根据模型土壤水分产品确定的。
在步骤201中,所述预设位置是对目标监测区域进行格网划分后确定的,所述预设位置的大小、形状与所述缺失位置或非缺失位置的大小、形状相适应,即所述土壤水分预测模型是根据所有预设位置相对应的每一土壤水分预测模块确定的,而每一土壤水分预测模块是根据每一预设位置上所有历史时刻所对应的遥感土壤水分数据以及每一历史时刻所对应的模型土壤水分数据进行曲线拟合而确定的。
可选地,本发明可以每隔一天获取所述预设位置的遥感土壤水分数据以及模型土壤水分数据,也可以每隔半天获取所述预设位置的遥感土壤水分数据以及模型土壤水分数据。
可选地,所述遥感土壤水分数据是根据遥感土壤水分产品确定的,所述模型土壤水分数据是根据模型土壤水分产品确定的,基于水量平衡的概念,某一区域内的降雨量会最终转化为其他的形式,例如水量蒸发、汇入河流或者被土壤吸收,本发明根据土壤水分模型确定出模型土壤水分产品,从而确定出模型土壤水分数据。
在步骤202中,根据每一历史时刻的遥感土壤水分数据以及模型土壤水分数据进行曲线拟合,确定与所述预设位置相对应的土壤水分预测模块,当采用的是相同区域相同时间的遥感土壤水分数据和模型土壤水分数据时,由于它们表示的是同一参量,它们之间会呈现出一种近线性关系。使用一元二次方程对遥感土壤水分数据和模型土壤水分数据间的关系进行建模,遥感土壤水分产品和模型土壤水分产品之间的回归效果取决于两者间的相关性。
由于模型土壤水分存在多种产品,因此在进行回归前需要筛选最优的模型土壤水分产品。然后,对遥感土壤水分产品和最优的模型土壤水分产品进行时间序列上的逐格网建模。对于每一个卫星格网,一元二次回归模型的公式如下所示:
在确定完上述一元二次回归模型后,根据所述一元二次回归模型,确定与所述预设位置相对应的土壤水分预测模块。
在步骤203中,本领域技术人员理解,由于不同的预设位置存在地理上的差异,故不同预设位置处,每一历史时刻的遥感土壤水分数据与模型土壤水分数据的差值的绝对值也会存在不同,然而其根据不同历史时刻进行变化的变化趋势是相同的,本发明为了考虑所有预设位置中,不同预设位置在空间上所存在的差异性,进而对于每一预设位置均设置一个土壤水分预测模块,从而在面对不同的缺失数据时,能够根据所述不同的缺失数据所对应的缺失位置,获取其相应的模型土壤水分数据,进而预测出其缺失位置处的遥感土壤水分数据,进而使得计算结果更为精确。
本发明通过遍历所有预设位置,进而获取所有预设位置相对应的每一土壤水分预测模块,将所有土壤水分预测模块所构成的集合确定为所述土壤水分预测模型。
图4是本发明提供的获取每一缺失位置对应的待填充遥感土壤水分数据的流程示意图,所述输入每一缺失位置对应的当前模型土壤水分数据至土壤水分预测模型,获取所述土壤水分预测模型输出的,每一缺失位置对应的待填充遥感土壤水分数据,包括:
步骤1021、对于任一缺失位置,根据模型土壤水分产品确定所述缺失位置对应的当前模型土壤水分数据;
步骤1022、输入所述缺失位置对应的当前模型土壤水分数据至所述缺失位置对应的土壤水分预测模块,获取所述缺失位置对应的土壤水分预测模块输出的,所述缺失位置对应的待填充遥感土壤水分数据;
步骤1023、遍历所有缺失位置,直至获取每一缺失位置对应的待填充遥感土壤水分数据。
在步骤1021中,首先根据当前遥感土壤水分数据确定所有缺失位置,再根据缺失位置,调用模型土壤水分产品确定每一缺失位置对应的当前模型土壤水分数据,进而确定所有缺失位置对应的当前模型土壤水分数据。
在步骤1022中,输入所述缺失位置对应的当前模型土壤水分数据至所述缺失位置对应的土壤水分预测模块,获取所述缺失位置对应的土壤水分预测模块输出的,所述缺失位置对应的待填充遥感土壤水分数据。遥感土壤水分产品由其传感器限制,通常存在一定的采样间隔,而模型土壤水分数据具有空间无缝的优点,因此可以利用两者每天同时存在的数据间的关系,来由全天覆盖的模型数据重建缺失的遥感数据。
可选地,所述输入所述缺失位置对应的当前模型土壤水分数据至所述缺失位置对应的土壤水分预测模块,获取所述缺失位置对应的土壤水分预测模块输出的,所述缺失位置对应的待填充遥感土壤水分数据,包括:
根据当前模型土壤水分数据以及第一回归系数确定一次项结果;
根据当前模型土壤水分数据以及第二回归系数确定二次项结果;
根据所述一次项结果、所述二次项结果以及第三回归系数确定待填充遥感土壤水分数据。
图5是本发明提供的获取填充后遥感土壤水分数据的流程示意图,所述填充每一缺失位置对应的待填充遥感土壤水分数据至所述当前遥感土壤水分数据,获取填充后遥感土壤水分数据,以提高遥感土壤水分产品的时空覆盖度,包括:
步骤1031、对于任一缺失位置,填充所述缺失位置对应的待填充遥感土壤水分数据至所述当前遥感土壤水分数据中的所述缺失位置;
步骤1032、遍历所有缺失位置,获取填充后遥感土壤水分数据。
在步骤1031中,由于在所述土壤水分预测模型中存在与每一预设位置相应地的土壤水分预测模块,而对于任一缺失位置,均存在有与每一缺失位置相对应的土壤水分预测模块,进而根据与每一缺失位置相对应的土壤水分预测模块处理每一缺失位置相对应的模型土壤水分数据,进而获取所述缺失位置对应的待填充遥感土壤水分数据。
在步骤1032中,遍历所有缺失位置,获取填充后遥感土壤水分数据,填充所有缺失位置对应的待填充遥感土壤水分数据至所述当前遥感土壤水分数据中的对应缺失位置,以使得在目标监测区域中所有位置均存在遥感土壤水分数据。
将公式(2)中模型土壤水分数据重建的遥感土壤水分数据和原始遥感土壤水分数据进行合并,达到时空填补目的,公式如下所示:
本发明为了验证模型土壤水分数据重建的遥感土壤水分数据的相关性以及准确性,对遥感土壤水分时空填补产品进行验证分析,将研究时间范围分为两个阶段:训练阶段和验证阶段。在训练阶段进行一元二次回归建模,然后使用训练阶段的回归系数和验证阶段的模型土壤水分数据回归得到重建的遥感土壤水分数据,对训练阶段重建的遥感土壤水分数据和原始的遥感土壤水分数据进行精度验证,同时对比其他时空填补方法的效果,来证明本发明在保持原有遥感土壤水分产品的高精度上,能显著提高遥感土壤水分产品时空覆盖度的优势。本发明选择用的评价指标包括均方根误差RMSE、平均偏差Bias、无偏均方根误差ubRMSE和相关系数R,如下表1所示:
表1
如表1所示,表1给出了不同方法下重建的土壤水分数据和土壤水分数据的对比验证精度指标,表1统计的中值结果。所用方法分别为指数函数模型、幂函数模型、一元一次函数模型、本发明采用的一元二次函数模型和随机森林模型。从图中结果可看出,随机森林模型在训练阶段的结果较好,其均方根误差RMSE和无偏均方根误差ubRMSE指标在0.033m3m-3左右,相关性为0.778;而在验证阶段较差,均方根误差RMSE和无偏均方根误差ubRMSE指标分别增加到0.0462m3m-3和0.0440m3m-3,相关性降低到0.516。表明随机森林模型方法稳定性较差,受限于所使用的训练数据。
此外随机森林模型还存在的缺陷为没有明确的数据表达式,不利于用户的直接使用及推广。本发明所提出的一元二次函数模型pol2无论是在训练阶段还是验证阶段都具有较好的结果,其均方根误差RMSE和无偏均方根误差ubRMSE指标均在0.039至0.041m3m-3之间,相关性稳定为0.69左右,即本发明提出的提高遥感土壤水分产品时空覆盖度的填充方法同时具备精度高和稳定性好的优点。
图6是本发明提供的提高遥感土壤水分产品时空覆盖度的填充方法的流程示意图之三,首先分析多种模型土壤水分产品和遥感土壤水分产品的相关性,进行相关性评估,来选出最优的模型土壤水分数据,此处的最优表示遥感产品与模型产品的相关性最高;然后在训练阶段根据最优的模型土壤水分产品和遥感土壤水分产品进行逐卫星格网的一元二次回归模型的建模,并且分析了由此构建的模型的回归系数的空间分布,确定模型回归系数,由模型土壤水分数据重构的遥感土壤水分数据进行数据填补,从而获取遥感土壤水分时空填补产品;之后在验证阶段分析由模型土壤水分联合训练阶段的回归模型重建的遥感土壤水分数据和其他平台所获取的遥感土壤水分数据的差异;最后,分析其他方法在重建SMAP土壤水分方面的效果,例如指数函数、幂函数、一元一次函数和随机森林。
本发明能够解决现有机器算法无明确的数学表达式、运行时间较长,且存在对大量光学遥感数据依赖、不利于用户的使用及推广的问题;通过利用一元二次回归模型逐格网的对遥感土壤水分产品和空间无缝的模型土壤水分产品建立关系,由模型土壤水分数据重建遥感土壤水分数据来达到对缺失的遥感土壤水分数据进行时空填补的目的。
本发明具有明确的数学表达式,在保证原始遥感土壤水分产品的精度下,提高了产品的时空覆盖度,同时算法计算效率高,非常便于用户的使用及推广。为遥感土壤水分产品数据填补提供了简单有效的方案,在定量遥感领域,尤其在遥感土壤水分产品时空填补领域具有重要的应用价值。
图7是本发明提供的提高遥感土壤水分产品时空覆盖度的填充装置的结构示意图,本发明提供了一种提高遥感土壤水分产品时空覆盖度的填充装置,包括获取单元1:用于获取当前遥感土壤水分数据中每一土壤水分缺失数据所对应的缺失位置,所述获取单元1的工作原理可以参考前述步骤101,在此不予赘述。
所述提高遥感土壤水分产品时空覆盖度的填充装置还包括输入单元2:用于输入每一缺失位置对应的当前模型土壤水分数据至土壤水分预测模型,获取所述土壤水分预测模型输出的,每一缺失位置对应的待填充遥感土壤水分数据,所述输入单元2的工作原理可以参考前述步骤102,在此不予赘述。
所述提高遥感土壤水分产品时空覆盖度的填充装置还包括填充单元3:用于填充每一缺失位置对应的待填充遥感土壤水分数据至所述当前遥感土壤水分数据,获取填充后遥感土壤水分数据,以提高遥感土壤水分产品的时空覆盖度,所述填充单元3的工作原理可以参考前述步骤103,在此不予赘述。
所述土壤水分预测模型是根据所有预设位置相对应的每一土壤水分预测模块确定的;
每一土壤水分预测模块是根据每一预设位置上所有历史时刻所对应的遥感土壤水分数据以及每一历史时刻所对应的模型土壤水分数据进行曲线拟合而确定的。
本发明提供了一种提高遥感土壤水分产品时空覆盖度的填充方法,首先构建遥感土壤水分数据和模型土壤水分数据在时间序列上的对应关系,然后获取当前遥感土壤水分数据中土壤水分缺失数据所对应的缺失位置,以根据所述对应关系处理缺失位置对应的模型土壤水分数据,从而获取待填充遥感土壤水分数据,并填充待填充遥感土壤水分数据至所述当前遥感土壤水分数据。本发明无需其他辅助数据或插值方法,能够简单、高效且精准的获取完整的遥感土壤水分数据,从而在保持原有遥感土壤水分产品高精度的同时,提高遥感土壤水分产品的时空覆盖度。
图8是本发明提供的电子设备的结构示意图。如图8所示,该电子设备可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行提高遥感土壤水分产品时空覆盖度的填充方法,该方法包括:获取当前遥感土壤水分数据中每一土壤水分缺失数据所对应的缺失位置;输入每一缺失位置对应的当前模型土壤水分数据至土壤水分预测模型,获取所述土壤水分预测模型输出的,每一缺失位置对应的待填充遥感土壤水分数据;填充每一缺失位置对应的待填充遥感土壤水分数据至所述当前遥感土壤水分数据,获取填充后遥感土壤水分数据,以提高遥感土壤水分产品的时空覆盖度;所述土壤水分预测模型是根据所有预设位置相对应的每一土壤水分预测模块确定的;每一土壤水分预测模块是根据每一预设位置上所有历史时刻所对应的遥感土壤水分数据以及每一历史时刻所对应的模型土壤水分数据进行曲线拟合而确定的。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的一种提高遥感土壤水分产品时空覆盖度的填充方法,该方法包括:获取当前遥感土壤水分数据中每一土壤水分缺失数据所对应的缺失位置;输入每一缺失位置对应的当前模型土壤水分数据至土壤水分预测模型,获取所述土壤水分预测模型输出的,每一缺失位置对应的待填充遥感土壤水分数据;填充每一缺失位置对应的待填充遥感土壤水分数据至所述当前遥感土壤水分数据,获取填充后遥感土壤水分数据,以提高遥感土壤水分产品的时空覆盖度;所述土壤水分预测模型是根据所有预设位置相对应的每一土壤水分预测模块确定的;每一土壤水分预测模块是根据每一预设位置上所有历史时刻所对应的遥感土壤水分数据以及每一历史时刻所对应的模型土壤水分数据进行曲线拟合而确定的。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的提高遥感土壤水分产品时空覆盖度的填充方法,该方法包括:获取当前遥感土壤水分数据中每一土壤水分缺失数据所对应的缺失位置;输入每一缺失位置对应的当前模型土壤水分数据至土壤水分预测模型,获取所述土壤水分预测模型输出的,每一缺失位置对应的待填充遥感土壤水分数据;填充每一缺失位置对应的待填充遥感土壤水分数据至所述当前遥感土壤水分数据,获取填充后遥感土壤水分数据,以提高遥感土壤水分产品的时空覆盖度;所述土壤水分预测模型是根据所有预设位置相对应的每一土壤水分预测模块确定的;每一土壤水分预测模块是根据每一预设位置上所有历史时刻所对应的遥感土壤水分数据以及每一历史时刻所对应的模型土壤水分数据进行曲线拟合而确定的。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种提高遥感土壤水分产品时空覆盖度的填充方法,其特征在于,包括:
获取当前遥感土壤水分数据中每一土壤水分缺失数据所对应的缺失位置;
输入每一缺失位置对应的当前模型土壤水分数据至土壤水分预测模型,获取所述土壤水分预测模型输出的,每一缺失位置对应的待填充遥感土壤水分数据;
填充每一缺失位置对应的待填充遥感土壤水分数据至所述当前遥感土壤水分数据,获取填充后遥感土壤水分数据,以提高遥感土壤水分产品的时空覆盖度;
所述土壤水分预测模型是根据所有预设位置相对应的每一土壤水分预测模块确定的;
每一土壤水分预测模块是根据每一预设位置上所有历史时刻所对应的遥感土壤水分数据以及每一历史时刻所对应的模型土壤水分数据进行曲线拟合而确定的;
所述输入每一缺失位置对应的当前模型土壤水分数据至土壤水分预测模型,获取所述土壤水分预测模型输出的,每一缺失位置对应的待填充遥感土壤水分数据,包括:
对于任一缺失位置,根据模型土壤水分产品确定所述缺失位置对应的当前模型土壤水分数据;
输入所述缺失位置对应的当前模型土壤水分数据至所述缺失位置对应的土壤水分预测模块,获取所述缺失位置对应的土壤水分预测模块输出的,所述缺失位置对应的待填充遥感土壤水分数据;
遍历所有缺失位置,直至获取每一缺失位置对应的待填充遥感土壤水分数据;
所述输入所述缺失位置对应的当前模型土壤水分数据至所述缺失位置对应的土壤水分预测模块,获取所述缺失位置对应的土壤水分预测模块输出的,所述缺失位置对应的待填充遥感土壤水分数据,包括:
根据当前模型土壤水分数据以及第一回归系数确定一次项结果;
根据当前模型土壤水分数据以及第二回归系数确定二次项结果;
根据所述一次项结果、所述二次项结果以及第三回归系数确定待填充遥感土壤水分数据。
2.根据权利要求1所述的提高遥感土壤水分产品时空覆盖度的填充方法,其特征在于,所述获取当前遥感土壤水分数据中每一土壤水分缺失数据所对应的缺失位置,包括:
根据遥感土壤水分产品获取目标监测区域对应的当前遥感土壤水分数据;
将所述当前遥感土壤水分数据中存在卫星格网数据缺失的空间坐标确定为土壤水分缺失数据所对应的缺失位置。
3.根据权利要求1所述的提高遥感土壤水分产品时空覆盖度的填充方法,其特征在于,在输入每一缺失位置对应的当前模型土壤水分数据至土壤水分预测模型之前,还包括:
对于每一预设位置,获取所述预设位置在每一历史时刻的遥感土壤水分数据以及模型土壤水分数据;
根据每一历史时刻的遥感土壤水分数据以及模型土壤水分数据进行曲线拟合,确定与所述预设位置相对应的土壤水分预测模块;
遍历所有预设位置,获取所有预设位置相对应的每一土壤水分预测模块,以根据所有土壤水分预测模块构建所述土壤水分预测模型;
所述遥感土壤水分数据是根据遥感土壤水分产品确定的;
所述模型土壤水分数据是根据模型土壤水分产品确定的。
4.根据权利要求1所述的提高遥感土壤水分产品时空覆盖度的填充方法,其特征在于,所述填充每一缺失位置对应的待填充遥感土壤水分数据至所述当前遥感土壤水分数据,获取填充后遥感土壤水分数据,以提高遥感土壤水分产品的时空覆盖度,包括:
对于任一缺失位置,填充所述缺失位置对应的待填充遥感土壤水分数据至所述当前遥感土壤水分数据中的所述缺失位置;
遍历所有缺失位置,获取填充后遥感土壤水分数据。
5.根据权利要求1-4中任一项所述的提高遥感土壤水分产品时空覆盖度的填充方法,其特征在于,在获取填充后遥感土壤水分数据之后,还包括:
合并土壤水分原始数据以及所述填充后遥感土壤水分数据,获取完整遥感土壤水分数据;
所述土壤水分原始数据是所述当前遥感土壤水分数据中不存在卫星格网数据缺失的土壤水分数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310325246.5A CN116028480B (zh) | 2023-03-30 | 2023-03-30 | 一种提高遥感土壤水分产品时空覆盖度的填充方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310325246.5A CN116028480B (zh) | 2023-03-30 | 2023-03-30 | 一种提高遥感土壤水分产品时空覆盖度的填充方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116028480A CN116028480A (zh) | 2023-04-28 |
CN116028480B true CN116028480B (zh) | 2023-06-02 |
Family
ID=86077981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310325246.5A Active CN116028480B (zh) | 2023-03-30 | 2023-03-30 | 一种提高遥感土壤水分产品时空覆盖度的填充方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116028480B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034027A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 流域尺度土壤湿度遥感数据同化方法 |
CN106767687B (zh) * | 2017-02-22 | 2019-05-28 | 河海大学 | 一种利用遥感含水量测量滩涂高程的方法 |
CN114912075A (zh) * | 2022-05-09 | 2022-08-16 | 河海大学 | 一种融合站点和卫星遥感观测的时空三维信息的土壤湿度数据缺失填补方法 |
-
2023
- 2023-03-30 CN CN202310325246.5A patent/CN116028480B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116028480A (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Klein et al. | PAIRS: A scalable geo-spatial data analytics platform | |
Wang et al. | On deep learning-based bias correction and downscaling of multiple climate models simulations | |
Cheein et al. | Real-time approaches for characterization of fully and partially scanned canopies in groves | |
Jin et al. | A novel compound smoother—RMMEH to reconstruct MODIS NDVI time series | |
François et al. | Adjusting spatial dependence of climate model outputs with cycle-consistent adversarial networks | |
CN106483147B (zh) | 基于多源数据的长时间序列被动微波土壤水分精度改进研究方法 | |
EP3469516B1 (en) | Method and system for improving the resolution of sensor data | |
CN114563787A (zh) | 一种冻土形变监测方法、装置、设备及存储介质 | |
CN115629384B (zh) | 一种时序InSAR误差的改正方法及相关设备 | |
CN116450700B (zh) | 极轨卫星地表温度时间归一化方法、装置及电子设备 | |
CN115879653A (zh) | 一种多因子农作物产量估算方法、设备及介质 | |
CN111666896A (zh) | 一种基于线性融合模型的遥感影像时空融合方法 | |
CN116776651B (zh) | 地表蒸散发测算方法、装置、电子设备及存储介质 | |
CN114821360A (zh) | 作物叶面积指数智能化提取方法、装置及电子设备 | |
CN116028480B (zh) | 一种提高遥感土壤水分产品时空覆盖度的填充方法 | |
CN117574622A (zh) | 一种对流层建模方法和装置 | |
CN112285808A (zh) | 一种aphrodite降水数据的降尺度方法 | |
CN114880883B (zh) | 山地地表土壤水分遥感估算方法、装置及电子设备 | |
CN116341841A (zh) | 径流预报误差校正方法、装置、设备、介质和程序产品 | |
CN114611699A (zh) | 土壤水分降尺度方法、装置、电子设备及存储介质 | |
CN112946601B (zh) | 基于Gauss-Seidel的高效分布式目标相位优化方法 | |
CN112614081A (zh) | 干涉图去噪的方法 | |
Maurya et al. | Information fusion approach for downscaling coarse resolution scatterometer data | |
CN114936202B (zh) | 一种极地反照率遥感数据的重构方法、装置及计算机设备 | |
Hong et al. | Extraction of ground control points (GCPs) from synthetic aperture radar images and SRTM DEM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |