[发明专利]基于多源遥感数据的土壤湿度重建方法和系统

权利要求书

1.一种基于多源遥感数据的土壤湿度重建方法，其特征在于，所述方法包括：

获取预设区域的时空连续光学遥感数据和所述预设区域的微波遥感土壤湿度训练数据；

根据所述预设区域的微波遥感土壤湿度训练数据，确定预设区域的光学遥感训练数据；

将所述预设区域的光学遥感训练数据、所述预设区域的三维地理信息和所述预设区域的时间轴信息确定为输入信息，将土壤湿度确定为输出信息，构建待训练后向传播神经网络；

以所述预设区域的微波遥感土壤湿度训练数据为训练样本，训练所述待训练后向传播神经网络，获取土壤湿度后向传播神经网络；

将所述预设区域的时空连续光学遥感数据、所述预设区域的三维地理信息和所述预设区域的时间轴信息，输入所述土壤湿度后向传播神经网络，获取预设区域的土壤湿度数据；

所述获取所述预设区域的微波遥感土壤湿度训练数据，包括：

获取预设区域的微波遥感土壤湿度原始数据；

在所述微波遥感土壤湿度原始数据中，筛选出没有被积雪覆盖且地表温度大于零摄氏度的像元数据；

将所述筛选出的像元数据确定为微波遥感土壤湿度训练数据。

2.根据权利要求1所述基于多源遥感数据的土壤湿度重建方法，其特征在于，所述获取预设区域的时空连续光学遥感数据，包括：

获取预设区域的光学遥感原始数据，所述光学遥感原始数据包括植被指数原始数据、地表温度原始数据和地表反照率原始数据；

将所述预设区域的植被指数原始数据通过基于时间序列谐波分析重建算法，计算预设区域的时空连续植被指数；将所述预设区域的地表温度原始数据通过基于参考序列的重建算法，计算预设区域的时空连续地表温度；将所述预设区域的地表反照率原始数据通过基于时空滤波的重建算法，计算预设区域的时空连续地表反照率；

将所述预设区域的时空连续植被指数、所述预设区域的时空连续地表温度和所述预设区域的地表反照率，确定为预设区域的时空连续光学遥感数据。

3.根据权利要求2所述基于多源遥感数据的土壤湿度重建方法，其特征在于，所述将所述预设区域的时空连续光学遥感训练数据、所述预设区域的三维地理信息和所述预设区域的时间轴信息确定为输入信息，包括：

根据所述预设区域的微波遥感土壤湿度训练数据的像元尺度，将所述植被指数、地表温度和地表反照率进行重采样，获取输入植被指数、输入地表温度和输入地表反照率；

将所述输入植被指数、输入地表温度、输入地表反照率、所述预设区域的三维地理信息和所述预设区域的时间轴信息，确定为输入信息。

4.根据权利要求3所述基于多源遥感数据的土壤湿度重建方法，其特征在于，所述训练所述待训练后向传播神经网络，包括：

在M*N个所述微波遥感土壤湿度训练数据的像元尺度范围内，训练所述待训练后向传播神经网络，其中M和N为正整数。

5.一种基于多源遥感数据的土壤湿度重建系统，其特征在于，包括：

光学遥感数据和微波训练数据获取模块，用于获取预设区域的时空连续光学遥感数据和所述预设区域的微波遥感土壤湿度训练数据；

光学遥感训练数据获取模块，用于根据所述预设区域的微波遥感土壤湿度训练数据，确定预设区域的光学遥感训练数据；

神经网络构建模块，用于将所述预设区域的光学遥感训练数据、所述预设区域的三维地理信息和所述预设区域的时间轴信息确定为输入信息，将土壤湿度确定为输出信息，构建待训练后向传播神经网络；

神经网络训练模块，用于以所述预设区域的微波遥感土壤湿度训练数据为训练样本，训练所述待训练后向传播神经网络，获取土壤湿度后向传播神经网络；

土壤湿度数据获取模块，用于将所述预设区域的时空连续光学遥感数据、所述预设区域的三维地理信息和所述预设区域的时间轴信息，输入所述土壤湿度后向传播神经网络，获取预设区域的土壤湿度数据；

所述光学遥感数据和微波训练数据获取模块，包括：

微波训练数据获取单元，用于获取预设区域的微波遥感土壤湿度原始数据；在所述微波遥感土壤湿度原始数据中，筛选出没有被积雪覆盖且地表温度大于零摄氏度的像元数据；将所述筛选出的像元数据确定为微波遥感土壤湿度训练数据。