CN117907578A - 一种土壤水分观测数据处理方法和系统 - Google Patents
一种土壤水分观测数据处理方法和系统 Download PDFInfo
- Publication number
- CN117907578A CN117907578A CN202410310248.1A CN202410310248A CN117907578A CN 117907578 A CN117907578 A CN 117907578A CN 202410310248 A CN202410310248 A CN 202410310248A CN 117907578 A CN117907578 A CN 117907578A
- Authority
- CN
- China
- Prior art keywords
- data
- correction
- soil moisture
- moisture
- neutron
- 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.)
- Pending
Links
- 239000002689 soil Substances 0.000 title claims abstract description 128
- 238000003672 processing method Methods 0.000 title description 6
- 238000012937 correction Methods 0.000 claims abstract description 113
- 239000002352 surface water Substances 0.000 claims abstract description 49
- 238000003908 quality control method Methods 0.000 claims abstract description 43
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000001931 thermography Methods 0.000 claims description 50
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003204 osmotic effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000005527 soil sampling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及一种土壤水分观测数据处理方法和系统,该方法包括:获取原始土壤水分观测数据,其中,所述原始土壤水分观测数据包括当前的快中子、气压、温度、湿度、雨量、地表水分和植被水分的数据;对所述原始土壤水分观测数据进行质控,剔除不合格的质控数据;对质控后的合格原始数据进行中子数校正,其中,所述中子数校正包括入射中子校正、大气气压校正、水汽校正、地表水分校正及植被水分校正;基于校正的中子数进行数据反演,得到反演后的土壤水分。
Description
技术领域
本发明涉及土壤水分观测数据的自动化处理技术领域,尤其涉及一种土壤水分观测数据处理方法和系统。
背景技术
土壤水分是土壤成分之一,对土壤生产力、植物的生理活动有着多方面的重大影响;也是水循环、能量循环和生物地球化学循环过程中的基本组成部分,影响气候和天气,决定降水后的地表径流,控制地下水补给,参与土壤中化学、生物学、渗透和物质运输过程,在生态、农业、水文和气候等研究领域都具有十分重要的作用。
面对新形势下土壤水分观测能力要求,土壤水分观测仪(宇宙射线法)能够实现百米级尺度土壤水分的监测,在生态区、农田、牧场、小流域等场景快速、准确提供土壤水分动态信息,为卫星遥感应用提供像元级地面验证技术手段,同时也为气象、生态、土壤、水循环、大气科学等方面研究提供了一种土壤水分监测新技术。
土壤水分观测仪使用宇宙射线中子法(CRNP)进行土壤水分的测量, 其工作原理主要根据地表以上宇宙射线快中子强度与土壤含水量呈反比关系的原理,利用架设在地表上方的中子传感器测量宇宙射线快中子的强度,从而反演出土壤含水量。为了能够真实准确的从中子计数反应土壤水分,需要对多种影响因素进行校正,包括入射中子校正、大气气压校正、水汽校正等,但是目前的校正方案无法去除地表水分或者植被水分的影响,使得最终反演后的土壤水分仍存在不小的误差。
发明内容
本发明公开了一种土壤水分观测数据处理方法及系统,旨在解决现有技术中存在的技术问题。本发明采用下述技术方案:
一方面,本发明实施例提供了一种土壤水分观测数据处理方法,该方法包括:
获取原始土壤水分观测数据,其中,原始土壤水分观测数据包括当前的快中子、气压、温度、湿度、雨量、地表水分和植被水分的数据;
对原始土壤水分观测数据进行质控,剔除不合格的质控数据;
对质控后的合格原始数据进行中子数校正,其中,中子数校正包括入射中子校正、大气气压校正、水汽校正、地表水分校正及植被水分校正;
基于校正的中子数进行数据反演,得到反演后的土壤水分。
作为优选的技术方案,地表水分和植被水分的数据均由红外摄像机拍摄并经过图像处理后获得。
作为优选的技术方案,地表水分的数据的获取方式为:
通过红外摄像机拍摄第一预设区域范围内的第一热成像图像;
基于第一热成像图像的温度梯度,获取地表水梯度范围内的像素点数;
确定地表水梯度范围内的像素点数对于整个第一热成像图像的占比;
确定整个土壤水分观测区域与第一预设区域范围的比值;
基于地表水梯度范围内的像素点数对于整个第一热成像图像的占比、整个土壤水分观测区域与第一预设区域范围的比值,确定地表水分的数据。
作为优选的技术方案,植被水分的数据的获取方式为:
通过红外摄像机拍摄第二预设区域范围内的第二热成像图像;
基于第二热成像图像的温度梯度,获取植被梯度范围内的像素点数;
确定植被梯度范围内的像素点数对于整个第二热成像图像的占比;
确定整个土壤水分观测区域与第二预设区域范围的比值;
基于植被梯度范围内的像素点数对于整个第二热成像图像的占比、整个土壤水分观测区域与第二预设区域范围的比值,确定植被水分的数据。
作为优选的技术方案,对原始土壤水分观测数据进行质控的步骤中,包括:
对原始土壤水分观测数据的观测数据帧格式、时间一致性、允许变化速率、缺测和阈值检测。
作为优选的技术方案,对质控后的合格原始数据进行中子数校正的步骤中,包括:
分别确定入射中子校正因子、大气气压校正因子、水汽校正因子、地表水
分校正因子、植被水分校正因子;
确定校正的中子数,,其中,为校正前的中子数。
作为优选的技术方案,地表水分校正因子的计算公式为:
其中,为地表水梯度范围内的像素点数,为对应土壤类型对校正系数的
影响系数,为整个第一热成像图像的像素点数,为整个土壤水分观测区域与第一预设
区域范围的比值。
作为优选的技术方案,植被水分校正因子的计算公式为:
其中,为植被梯度范围内的像素点数,为对应植物类型对校正系数的影
响系数,为整个第二热成像图像的像素点数,为整个土壤水分观测区域与第二预设
区域范围的比值。
作为优选的技术方案,数据反演的公式为:
其中,为反演后土壤水分, = 0.0808、= 0.372、= 0.115,为校正的
中子数,为测量的干土中子数。
另一方面,本发明实施例提供了一种土壤水分观测数据处理系统,其特征在于,包括数据采集单元、数据质控单元、数据反演单元及数据中心;
数据采集单元用于获取原始土壤水分观测数据,其中,原始土壤水分观测数据包括当前的快中子、气压、温度、湿度、雨量、地表水分和植被水分的数据;
数据质控单元用于对原始土壤水分观测数据进行质控,剔除不合格的质控数据;
数据反演单元用于对质控后的合格原始数据进行中子数校正,并基于校正的中子数进行数据反演,得到反演后的土壤水分,其中,中子数校正包括入射中子校正、大气气压校正、水汽校正、地表水分校正及植被水分校正;
数据中心用于对数据采集单元、数据质控单元及数据反演单元进行状态监控及控制。
与现有技术相比,上述发明中的一个实施例具有如下优点或有益效果:
本发明主要提供了一种土壤水分观测数据处理方法及系统,该处理方法能够首选获取多个观测要素,包括当前的快中子、气压、温度、湿度、雨量、地表水分和植被水分的数据,然后基于预设的质控规则,剔除不合格的数据,对于合格的数据,分别计算入射中子校正因子、大气气压校正因子、水汽校正因子、地表水分校正因子及植被水分校正因子,其中,地表水分校正因子及植被水分校正因子通过深度学习算法对获取的热成像图像进行识别,并结合历史观测数据后计算得出,使得基于各个校正因子计算得到的校正中子数更加准确,并保证了最终反演得到的土壤水分更加接近人工取土标准值。
土壤水分观测数据处理系统能够执行上述方法,该系统可以获取多个观测要素并进行数据处理、传输和交互,能够适用于不同环境条件下的各种应用场景,并能够提供更准确的土壤水分反演结果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,构成本发明的一部分,本发明的示意性实施例及其说明解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明公开的一种优选实施方式中土壤水分观测数据处理系统的结构框图;
图2为本发明公开的一种优选实施方式中土壤水分观测数据处理方法的流程图。
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,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。在本发明的描述中,需要说明的是,术语“或”通常是以包括“和/或”的含义而进行使用的,除非内容另外明确指出外。
在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
显然,所描述的实施例仅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做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。
宇宙射线中子法(Cosmic-Ray Neutron Probe, CRNP)是一种利用自然界中的宇宙射线背景进行土壤水分测量的技术。这种方法基于宇宙射线与大气相互作用产生的快中子在与土壤中的氢原子(主要存在于水分子中)碰撞时会被减速吸收的原理,因此,土壤中的水分含量越高,快中子的数量就会越少。通过测量特定区域内快中子的强度,可以间接推算出该区域内的平均土壤水分含量。
然而,这种方法在实际应用中面临着一些挑战,特别是无法完全去除地表水分或植被水分影响的问题,一方面,氢原子不仅存在于土壤水分中,也广泛存在于地表水和植被中。这意味着,中子探测器捕获的信号不仅反映了土壤水分的情况,也包含了地表水和植被水分的信息,而区分这些来源的具体贡献非常困难;另一方面,地表水和植被水分含量随时间的变化比土壤水分更加剧烈和快速,但这并不直接反映土壤水分状况的根本改变,如果不能区分或剔除这些短期变化,则会造成对土壤水分状态的误判。
为解决上述问题,参考图1,本实施例公开了一种土壤水分观测数据处理系统,该系统包括数据采集单元110、数据质控单元120及数据反演单元130,其中,数据采集单元110用于获取原始土壤水分观测数据,数据质控单元120用于对原始土壤水分观测数据进行质控,并剔除不合格的质控数据,数据反演单元130用于对质控后的合格原始数据进行中子数校正,并基于校正的中子数进行数据反演,得到反演后的土壤水分,数据中心140用于对数据采集单元110、数据质控单元120及数据反演单元130进行状态监控及控制;优选地,该系统还包括数据中心140,数据中心140用于对数据采集单元110、数据质控单元120及数据反演单元130进行状态监控及控制。
在一种优选实施方式中,数据采集单元110的各观测要素来源于设置于户外的各个相应的传感器和红外摄像机,各个传感器/红外摄像机与数据采集单元110信号连接,数据采集单元110、数据质控单元120及数据反演单元130集成于一套嵌入式模组中,该嵌入式模组包括采集器主板和嵌入式芯片,其中,采集器主板包括电源管理、微控制器、数据存储器、AD电路、时钟单元和通信电路,嵌入式芯片为认证的土壤水分观测仪专用处理芯片,采集器主板为嵌入式芯片提供供电和数据输入输出接口;数据中心140被配置为能够与前述嵌入式模组及传感器进行命令交互及数据传输的云平台。
在一种优选实施方式中,数据采集单元110通过数字/智能传感器接口与户外的各个相应的传感器和红外摄像机连接,传感器包括快中子传感器、气压传感器、温度传感器、湿度传感器及雨量传感器,能够分别采集当前的快中子强度、气压、温度、湿度及雨量数据;红外摄像机可选择红外热成像仪,用于拍摄热成像图像,热成像图像能够辅助识别及分析地表水分和植被水分的数据;前述的所有要素数据组成了原始土壤水分观测数据。
在一种优选实施方式中,还可以增加热中子传感器,用于估算总入射粒子。
优选地,快中子传感器、热中子传感器、气压传感器、温度传感器、湿度传感器和雨量传感器均属于智能传感器,带有嵌入式处理器的传感器,具有基本的数据采集和处理功能,可以输出并行或串行数据信号,具体可根据需要选择现有技术公开的任一规格,在此不作具体限定。
在一种优选实施方式中,各个传感器及红外摄像机安装于观测区域的基础平台上,具体的布置方式可参考地面气象观测规范的要求,在此不再赘述,红外摄像头优选安装高度为25m,可拍摄的半径范围为10m。
优选地,数据采集单元110用于对各个传感器及红外摄像机的数据采集、数据存储及数据传输,还用于执行参数设置、数据下载功能;优选地,数据采集单元110与各个传感器/红外摄像机间通过有线通信方式或无线通信方式实时传输数据。
在一种优选实施方式中,数据采集单元110按照预设的采样频率扫描传感器,将获得的传感器电压、电流或其它电信号转换成数字量,同时获取红外摄像机所拍摄的热成像图像,然后通过计算,将获取的数字量转换成所需量纲的气象要素值。
在一种优选实施方式中,数据采集单元110需要配置足够的存储空间,能够存储不少于6个月的正点观测数据、状态数据等,优选地,配置的存储器具有掉电保存能力,采用循环存储结构,即允许最新的数据覆盖旧数据。
优选地,数据采集单元110在获取到快中子强度、气压、温度、湿度及雨量数据后,经过解码及反序列化,根据数据协议将对应数值转换为其对应的单位,然后发送至数据质控单元120;数据采集单元110在获取到红外热成像图像后,先经过图像处理获取地表水分数据及植被水分数据。
具体地,由于地表水、植被的比热与土壤比热均不同,可通过红外摄像机拍摄获得具有不同温度梯度的热成像图像或图像序列,然后由数据采集单元110分别识别热成像图像中的地表水分数据及植被水分数据。
在一种优选实施方式中,地表水分的数据的获取方式为:通过红外摄像机拍摄第一预设区域范围内的第一热成像图像;基于第一热成像图像的温度梯度,获取地表水梯度范围内的像素点数;确定地表水梯度范围内的像素点数对于整个第一热成像图像的占比;确定整个土壤水分观测区域与第一预设区域范围的比值;基于地表水梯度范围内的像素点数对于整个第一热成像图像的占比、整个土壤水分观测区域与第一预设区域范围的比值,确定地表水分的数据。
具体地,由于地表水具有相较于土壤更大的比热容,因此在寒冷地区,地表水的温度显著低于周围土壤,而在炎热地区,地表水的温度则高于周围土壤,利用这一规律,在获取到第一热成像图像后,首先确定热成像图像中的温度梯度,在一种优选实施方式中,可基于图像分割算法识别图像中的地表水,具体可通过设定一个或多个温度阈值来区分图像中地表水的梯度范围,或基于Sobel、Canny等边缘检测算法识别图像中温度梯度变化明显的边界,在另一种优选实施方式中,亦可使用深度卷积神经网络(CNN)等深度学习模型自动识别热成像图像中的地表水所对应的梯度范围。
进一步地,在识别出地表水所对应的梯度范围后,直接统计地表水梯度范围内的像素点数及整个第一热成像图像中的像素点数。
进一步地,第一预设区域范围即为红外摄像机的拍摄范围,该范围的半径仅为10m,远小于整个土壤水分观测区域,因此需要确定整个土壤水分观测区域与第一预设区域范围的比值,以便于后期计算地表水分校正因子。
在一种优选实施方式中,植被水分的数据的获取方式为:通过红外摄像机拍摄第二预设区域范围内的第二热成像图像;基于第二热成像图像的温度梯度,获取植被梯度范围内的像素点数;确定植被梯度范围内的像素点数对于整个第二热成像图像的占比;确定整个土壤水分观测区域与第二预设区域范围的比值;基于植被梯度范围内的像素点数对于整个第二热成像图像的占比、整个土壤水分观测区域与第二预设区域范围的比值,确定植被水分的数据。
具体地,第二热成像图像和第一热成像图像可以选用同一图像,均来源于同一红外摄像机所拍摄的热成像图像,因此第二预设区域范围可与第一预设区域范围相同。
具体地,由于植物通过叶片的气孔进行蒸腾作用,释放水蒸气到大气中,这个过程会消耗热量,且植被本身接收的太阳辐射因叶片的反射和散射作用而减少,导致植物叶片的温度低于周围土壤,因此在热成像中,植物区域通常呈现比周围环境更低的温度值,利用这一规律,在获取到第二热成像图像后,首先确定热成像图像中的温度梯度,然后可基于与上述识别地表水分相同的实施方式来对植被水分进行识别,在此不再赘述。
优选地,数据采集单元110将获取的原始土壤水分观测数据发送至数据质控单元120,数据质控单元120基于预设的质控规则,对原始土壤水分观测数据中各要素进行观测数据帧格式、时间一致性、允许变化率、缺测和阈值检测,对达不到质控要求的数据进行剔除,未满足质量要求的数据不参加后续相关算法处理和统计,而仅保留合格的数据。
优选地,为了消除测量中可能存在的系统误差,确保最终计算得到的土壤水分含量准确可靠,数据反演单元130首先对质控合格的原始土壤水分观测数据进行中子数校正的运算,然后基于校正后的中子数进行反演,以得到土壤水分;优选地,前述中子数校正包括入射中子校正、大气气压校正、水汽校正、地表水分校正及植被水分校正。
优选地,中子数校正的步骤包括:
分别确定入射中子校正因子、大气气压校正因子、水汽校正因子、地表水
分校正因子、植被水分校正因子;
基于前述各个校正因子,确定校正的中子数,校正的中子数的计算公式
为:
其中,为校正前的中子数。
在一种优选实施方式中,入射中子校正因子的计算公式为:
其中,为快中子传感器所获取的快中子强度,是一个任意的基准参考强度,具
体可选择设备布设区域入射中子强度相近区域的长期平均入射强度。
在一种优选实施方式中,大气气压校正因子的计算公式为:
其中,为参考大气压,为气压传感器获取的大气压,为大气衰减长度,、和的单位均为g/cm2。
在一种优选实施方式中,水汽校正因子的计算公式为:
其中,是测量时刻绝对湿度()与参考时刻绝对湿度()之差。
在一种优选实施方式中,地表水分校正因子的计算公式为:
其中,为地表水梯度范围内的像素点数,为对应土壤类型对校正系数的
影响系数,由采集器上传获得,为整个第一热成像图像的像素点数,为整个土壤水分
观测区域与第一预设区域范围的比值,本式中各个参数的具体计算方式见上述实施方式,
在此不再赘述。
在一种优选实施方式中,植被水分校正因子的计算公式为:
其中,为植被梯度范围内的像素点数,为对应植物类型对校正系数的影
响系数,由采集器上传获得,为整个第二热成像图像的像素点数,为整个土壤水分观
测区域与第二预设区域范围的比值,本式中各个参数的具体计算方式见上述实施方式,在
此不再赘述。
优选地,在基于公式(2)—(6)分别计算得到各个校正因子后,将各校正因子代入
公式(1)中,计算得到校正的中子数。
优选地,数据反演单元130基于校正的中子数进行数据反演,数据反演的公式为:
其中,为反演后土壤水分, = 0.0808、= 0.372、= 0.115,为校正的
中子数,为测量的干土中子数。
由于在进行中子数校正时同时考虑了地表水分和植被水分影响,使得基于各个校正因子计算得到的校正中子数更加准确,并保证了最终反演得到的土壤水分更加接近真实值。
优选地,数据质控单元120计算后得到的土壤水分数据传输通过有线通信方式或无线通信方式实时向数据中心140传输数据;优选地,在与数据中心140的数据传输过程中,数据格式应满足MQTT协议要求,支持同时2路以上的基于MQTT协议的XML格式数据传输。
如图2,在本发明的另一实施例中,还提供了一种土壤水分观测数据处理方法,该方法基于上述系统而实现,包括以下步骤:
步骤S210,获取原始土壤水分观测数据。
优选地,原始土壤水分观测数据包括当前的快中子、气压、温度、湿度、雨量、地表水分和植被水分的数据。
优选地,原始土壤水分观测数据来源于快中子传感器、气压传感器、温度传感器、湿度传感器、雨量传感器及红外摄像机,其中,地表水分和植被水分的数据均由红外摄像机拍摄并经过图像处理后获得。
在一种优选实施方式中,地表水分的数据的获取方式为:通过红外摄像机拍摄第一预设区域范围内的第一热成像图像;基于第一热成像图像的温度梯度,获取地表水梯度范围内的像素点数;确定地表水梯度范围内的像素点数对于整个第一热成像图像的占比;确定整个土壤水分观测区域与第一预设区域范围的比值;基于地表水梯度范围内的像素点数对于整个第一热成像图像的占比、整个土壤水分观测区域与第一预设区域范围的比值,确定地表水分的数据。
作为优选的技术方案,植被水分的数据的获取方式为:通过红外摄像机拍摄第二预设区域范围内的第二热成像图像;基于第二热成像图像的温度梯度,获取植被梯度范围内的像素点数;确定植被梯度范围内的像素点数对于整个第二热成像图像的占比;确定整个土壤水分观测区域与第二预设区域范围的比值;基于植被梯度范围内的像素点数对于整个第二热成像图像的占比、整个土壤水分观测区域与第二预设区域范围的比值,确定植被水分的数据。
步骤S220,对原始土壤水分观测数据进行质控,剔除不合格的质控数据。
优选地,基于预设的质控规则,对原始土壤水分观测数据分别进行观测数据帧格式、时间一致性、允许变化速率、缺测和阈值检测。
步骤S230,对质控后的合格原始数据进行中子数校正,其中,中子数校正包括入射中子校正、大气气压校正、水汽校正、地表水分校正及植被水分校正。
优选地,在进行中子数校正时,分别确定入射中子校正因子、大气气压校正因子、水汽校正因子、地表水分校正因子、植被水分校正因子,然后确定校正的中
子数。
优选地,在基于上述公式(2)—(6)分别计算得到各个校正因子后,将各校正因子
代入上述公式(1)中,计算得到校正的中子数,具体参考上述实施方式,在此不再一一
赘述。
步骤S240,基于校正的中子数进行数据反演,得到反演后的土壤水分。
优选地,数据反演的公式参考上述公式(7),在此不再赘述。
与现有技术相比,本发明所提供的系统和方法可以获取多个观测要素并进行数据处理、传输和交互,能够适用于不同环境条件下的各种应用场景,并能够提供更准确的土壤水分反演结果。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的替代特征来代替。
Claims (10)
1.一种土壤水分观测数据处理方法,其特征在于,包括:
获取原始土壤水分观测数据,其中,所述原始土壤水分观测数据包括当前的快中子、气压、温度、湿度、雨量、地表水分和植被水分的数据;
对所述原始土壤水分观测数据进行质控,剔除不合格的质控数据;
对质控后的合格原始数据进行中子数校正,其中,所述中子数校正包括入射中子校正、大气气压校正、水汽校正、地表水分校正及植被水分校正;
基于校正的中子数进行数据反演,得到反演后的土壤水分。
2.根据权利要求1所述的土壤水分观测数据处理方法,其特征在于,所述地表水分和所述植被水分的数据均由红外摄像机拍摄并经过图像处理后获得。
3.根据权利要求2所述的土壤水分观测数据处理方法,其特征在于,所述地表水分的数据的获取方式为:
通过红外摄像机拍摄第一预设区域范围内的第一热成像图像;
基于所述第一热成像图像的温度梯度,获取地表水梯度范围内的像素点数;
确定所述地表水梯度范围内的像素点数对于整个所述第一热成像图像的占比;
确定整个土壤水分观测区域与所述第一预设区域范围的比值;
基于所述地表水梯度范围内的像素点数对于整个所述第一热成像图像的占比、整个土壤水分观测区域与所述第一预设区域范围的比值,确定所述地表水分的数据。
4.根据权利要求3所述的土壤水分观测数据处理方法,其特征在于,所述植被水分的数据的获取方式为:
通过红外摄像机拍摄第二预设区域范围内的第二热成像图像;
基于所述第二热成像图像的温度梯度,获取植被梯度范围内的像素点数;
确定所述植被梯度范围内的像素点数对于整个所述第二热成像图像的占比;
确定整个土壤水分观测区域与所述第二预设区域范围的比值;
基于所述植被梯度范围内的像素点数对于整个所述第二热成像图像的占比、整个土壤水分观测区域与所述第二预设区域范围的比值,确定所述植被水分的数据。
5.根据权利要求1所述的土壤水分观测数据处理方法,其特征在于,所述对所述原始土壤水分观测数据进行质控的步骤中,包括:
对所述原始土壤水分观测数据的观测数据帧格式、时间一致性、允许变化速率、缺测和阈值检测。
6.根据权利要求4所述的土壤水分观测数据处理方法,其特征在于,所述对质控后的合格原始数据进行中子数校正的步骤中,包括:
分别确定入射中子校正因子、大气气压校正因子/>、水汽校正因子/>、地表水分校正因子/>、植被水分校正因子/>;
确定校正的中子数,/>,其中,/>为校正前的中子数。
7.根据权利要求6所述的土壤水分观测数据处理方法,其特征在于,所述地表水分校正因子的计算公式为:
其中,/>为所述地表水梯度范围内的像素点数,/>为对应土壤类型对校正系数的影响系数,/>为整个所述第一热成像图像的像素点数,/>为整个土壤水分观测区域与所述第一预设区域范围的比值。
8.根据权利要求6所述的土壤水分观测数据处理方法,其特征在于,所述植被水分校正因子的计算公式为:
其中,/>为所述植被梯度范围内的像素点数,/>为对应植物类型对校正系数的影响系数,/>为整个所述第二热成像图像的像素点数,/>为整个土壤水分观测区域与所述第二预设区域范围的比值。
9.根据权利要求6所述的土壤水分观测数据处理方法,其特征在于,所述数据反演的公式为:
其中,/>为反演后土壤水分,/> = 0.0808、/>= 0.372、/>=0.115,/>为校正的中子数,/>为测量的干土中子数。
10.一种土壤水分观测数据处理系统,其特征在于,包括数据采集单元、数据质控单元、数据反演单元及数据中心;
所述数据采集单元用于获取原始土壤水分观测数据,其中,所述原始土壤水分观测数据包括当前的快中子、气压、温度、湿度、雨量、地表水分和植被水分的数据;
所述数据质控单元用于对所述原始土壤水分观测数据进行质控,剔除不合格的质控数据;
所述数据反演单元用于对质控后的合格原始数据进行中子数校正,并基于校正的中子数进行数据反演,得到反演后的土壤水分,其中,所述中子数校正包括入射中子校正、大气气压校正、水汽校正、地表水分校正及植被水分校正;
所述数据中心用于对所述数据采集单元、所述数据质控单元及所述数据反演单元进行状态监控及控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410310248.1A CN117907578A (zh) | 2024-03-19 | 2024-03-19 | 一种土壤水分观测数据处理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410310248.1A CN117907578A (zh) | 2024-03-19 | 2024-03-19 | 一种土壤水分观测数据处理方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117907578A true CN117907578A (zh) | 2024-04-19 |
Family
ID=90689230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410310248.1A Pending CN117907578A (zh) | 2024-03-19 | 2024-03-19 | 一种土壤水分观测数据处理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117907578A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN211927903U (zh) * | 2019-12-11 | 2020-11-13 | 中国气象局气象探测中心 | 一种土壤水分观测系统、土壤水分检测系统 |
CN111999318A (zh) * | 2020-07-02 | 2020-11-27 | 中国科学院地理科学与资源研究所 | 一种基于宇宙射线中子的土壤水分含量监测系统及方法 |
CN113076645A (zh) * | 2021-04-01 | 2021-07-06 | 中国水利水电科学研究院 | 一种结合遥感数据的宇宙射线中子仪空间特征模拟方法 |
CN114120101A (zh) * | 2021-11-02 | 2022-03-01 | 武汉大学 | 一种土壤水分多尺度综合感知方法 |
CN116027010A (zh) * | 2022-09-30 | 2023-04-28 | 水利部南京水利水文自动化研究所 | 一种多源卫星测量土壤水分的数据校正方法 |
-
2024
- 2024-03-19 CN CN202410310248.1A patent/CN117907578A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN211927903U (zh) * | 2019-12-11 | 2020-11-13 | 中国气象局气象探测中心 | 一种土壤水分观测系统、土壤水分检测系统 |
CN111999318A (zh) * | 2020-07-02 | 2020-11-27 | 中国科学院地理科学与资源研究所 | 一种基于宇宙射线中子的土壤水分含量监测系统及方法 |
CN113076645A (zh) * | 2021-04-01 | 2021-07-06 | 中国水利水电科学研究院 | 一种结合遥感数据的宇宙射线中子仪空间特征模拟方法 |
CN114120101A (zh) * | 2021-11-02 | 2022-03-01 | 武汉大学 | 一种土壤水分多尺度综合感知方法 |
CN116027010A (zh) * | 2022-09-30 | 2023-04-28 | 水利部南京水利水文自动化研究所 | 一种多源卫星测量土壤水分的数据校正方法 |
Non-Patent Citations (1)
Title |
---|
赵原: "宇宙射线中子法在土壤水分监测研究中的应用进展", 《生态与农村环境学报》, vol. 35, no. 5, 27 May 2019 (2019-05-27), pages 545 - 553 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102183237B (zh) | 一种地基双波段云高测量的装置和方法 | |
EP3198311B1 (fr) | Ensemble et procédé de détection pour l'identification et le suivi de nuage dans une zone du ciel observée | |
CN100434883C (zh) | 太阳能现场检测方法及其检测系统 | |
CN106569210B (zh) | 一种基于遥感的土壤水分反演方法和装置 | |
EP3131115A1 (en) | Detection method and detection device for crystal orientation of silicon wafer | |
CN203704875U (zh) | 一种基于图像处理技术的霜层厚度测量系统 | |
US7364355B2 (en) | Method and apparatus for obtaining a temperature measurement using an InGaAs detector | |
CN103335717B (zh) | 一种基于变积分模式的红外热像仪高精度抗温漂测温方法 | |
CN108226224A (zh) | 一种基于无人机热成像技术的作物病害监测方法和系统 | |
CN110595628A (zh) | 大气吸收带红外辐射亮度定标方法、装置和系统 | |
CN114202675A (zh) | 一种基于无人机多光谱遥感影像的作物生长参数测定方法及系统 | |
CN110006529B (zh) | 一种红外探测装置输出校正方法及装置 | |
CN117907578A (zh) | 一种土壤水分观测数据处理方法和系统 | |
CN105092054A (zh) | 一种用于热释电非制冷红外焦平面探测器的测试评价装置 | |
CN102628689B (zh) | 作物覆盖度自动在线观测方法及装置 | |
CN104406569A (zh) | 辐射亮温与摄影测量相结合的云底高度测量系统及方法 | |
Su et al. | Quantification of land–atmosphere exchanges of water, energy and carbon dioxide in space and time over the heterogeneous Barrax site | |
Ymeti et al. | Using color, texture and object-based image analysis of multi-temporal camera data to monitor soil aggregate breakdown | |
CN115326138B (zh) | 一种基于土表温度识别的盐碱地盐分分析方法 | |
Wang et al. | Application of image technology to simulate optimal frequency of automatic collection of volumetric soil water content data | |
CN110608800B (zh) | 大气吸收带太阳辐射照度的测量方法、装置和系统 | |
CN113295572A (zh) | 一种农田残膜采集方法、装置及设备 | |
CN116295316B (zh) | 一种用于无人平台导航的仿生偏振光罗盘自适应曝光方法 | |
CN111141712A (zh) | 一种土壤pH值二维动态分布检测装置 | |
CN117792491B (zh) | 一种面向星地激光通信的红外云层探测系统 |
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 |