[发明专利]一种土壤水分图绘制方法及装置

说明书

本发明涉及一种土壤水分图绘制方法及装置，通过实测土壤水分训练数据集构建一般知识，并利用主成分分析法对多源数据反演得到的环境变量进行降维，结合实测土壤水分训练数据构建模糊概率矩阵，结合软数据点集坐标生成软数据；然后将一般知识、软数据以及实测土壤水分训练数据集相结合，在贝叶斯条件概率规则下，实现试验区土壤水分分布图的绘制。该技术方案既综合了传统地统计学方法对参数变异特性的描述方法，又融合了多源辅助环境变量，不受参数分布特性的约束，可以得到细节信息更为丰富的预测图，并在定量化精度指标上也有了明显提升。

技术领域

本发明涉及土壤制图相关技术领域，尤其涉及一种土壤水分图绘制方法及装置。

背景技术

土壤表层(0-5cm)水分对大气与陆地之间的能量与物质交换起着重要的作用。区域尺度的土壤水分数据，对于农业、气象等领域都具有重要的实用价值。传统的烘干法可以提供高精度可靠的土壤水分数据，但是其成本过高，且耗时耗力，所以往往仅能在特定实验中获取稀疏样本，所以说完全依靠烘干法获取区域尺度的土壤水分信息几乎是不可行的。

传统地统计学方法为区域尺度的土壤水分信息的获取提供了一种优于确定性插值方法的新思路，其中普通克里格方法(以下简称“OK方法”)是最为广泛应用的地统计学方法之一。OK方法可以通过量化空间变异特性，提供待估计点的线性无偏预测值。由于该方法缺少辅助数据的应用，OK方法的准确性受到采样点密度的较大影响，具有明显的缺陷。为了突破这种局限，协同克里格方法和回归克里格方法尝试了应用比目标参数更易获取且相对廉价的辅助数据参与预测，这些方法虽然被证明在辅助数据与目标参数之间存在强相关关系(相关系数0.75)的情况下可以达到令人满意的预测精度，但是该方法受到线性估计器的自身限制且运算过程较为复杂，其应用仍然存在明显局限性。

基于遥感数据的土壤水分反演算法，为稀疏样本土壤水分测图提供了一系列有理论支撑的方法，能够融合非线性相关辅助数据，而不受数据分布特性的限制。以光学遥感数据为基础，将光谱特征变化与土壤湿度联系起来，采用简单但易受天气条件影响的光学反演算法。热红外法可用于无云条件下裸地或植被稀疏地区土壤水分制图。由于微波与电磁辐射谱获取信息的协同作用，利用微波遥感数据反演方法在裸地土壤水分测图中也具有良好的应用前景。这些方法的操作需要坚实的理论基础，通常需要在野外实验中额外测量辅助参数来驱动模型，如Dubois模型中的均方根高度和相关长度，光学方法中的植被冠层含水量等。尽管一些研究结合光学和微波遥感数据来实现土壤水分植被区域制图,但仅限于光学近红外和微波数据的融合并且将它们分别应用于两类不同的模型再进行关联。由于算法的物理机制的局限性,一个特定的算法可能只有一种或两种类型的遥感数据融合。也就是说，现有常用的土壤水分反演算法几乎不可能同时集成光学、近红外、热红外、微波遥感数据和地形数据等各类辅助数据。

传统烘干法尽管可以获取高精度可靠的土壤水分数据，但其成本过高耗时耗力，几乎无法单独依靠该方法获取区域尺度土壤水分信息。传统地统计学方法中的OK方法受到固有线性估计器特性限制，对数据高斯分布的约束，以及无辅助数据的加入，使其精度受到采样密度影响较大。传统地统计学方法中的协同克里格以及回归克里格方法对辅助数据的应用能力有限，仅可容纳线性相关性较强的辅助数据，且运算形式较为复杂。遥感反演土壤水分的方法尽管可以容纳非线性相关性的遥感数据，但收到模型机理的限制往往某一单独算法仅可以应用一到两种数据，且往往需要在野外试验过程中额外测量除土壤水分外的其他参数作为模型驱动数据。

发明内容

基于现有技术的上述情况，本发明的目的在于提供一种高效且可行性强的制图方法，可以整合光学、近红外、热红外等各类非线性相关性辅助数据，在仅有土壤水分参数稀疏采样条件下实现土壤水分制图。

为达到上述目的，根据本发明的一个方面，提供了一种土壤水分图绘制方法，包括步骤：

利用实测土壤水分训练数据，构建表示先验信息的一般知识；

将多源数据进行反演，提取出多源数据的主成分，并得到各主成分的权重因子；