[发明专利]基于机器学习和观测数据的土壤侵蚀模数计算方法及系统

权利要求书

1.一种基于机器学习和观测数据的土壤侵蚀模数计算方法，其特征在于，包括以下步骤：

步骤1：获取、预处理土壤侵蚀因子有关数据；获取野外水土流失影响因子的观测值和野外水土流失观测值。

步骤2：利用步骤1中预处理后的土壤侵蚀因子有关数据，计算得到各土壤侵蚀因子图层。

步骤3：利用步骤2计算的各土壤侵蚀因子图层，运用土壤侵蚀方程，计算出理论的高分动态土壤侵蚀模数。

步骤4：构建土壤侵蚀模数回归模型；并运用机器学习方法，利用步骤1中获取的野外水土流失影响因子的观测值、野外水土流失观测值和步骤2中计算得到的土壤侵蚀因子图层、步骤3中计算得到的土壤侵蚀模数，进行土壤侵蚀模数回归模型训练，最后得到训练好的土壤侵蚀模数回归模型；

所述土壤侵蚀模数回归模型，由输入层、隐含层和输出层组成，各层之间实行全连接。输入层输入的样本向量为X_k＝(x₁，x₂，...，x_n)，k＝1，2，...，m，m为样本数，n为输入层的神经元数；n＝1时，输入变量分别为土壤侵蚀方程中的因子；n＝7时，输入变量为模拟的土壤侵蚀模数A；隐含层设置三层，每层包括隐含层节点输入与输出，并基于反向传播算法进行网络权值和阈值的更新；输出层输出Y_k＝(y₁，y₂，...，y_q)，q为输出层的神经元数，这里q＝1；n＝1时，输出变量为与输入变量对应的野外水土流失影响因子的观测值；n＝7时，输出变量为与输入变量对应的野外水土流失观测值；

步骤5：将按步骤2计算得到的土壤侵蚀因子和步骤3计算得到的土壤侵蚀模数，分别代入训练好的土壤侵蚀模数回归模型中进行计算，最终获得高精度的土壤侵蚀模数。

2.根据权利要求1所述的基于机器学习和观测数据的土壤侵蚀模数计算方法，其特征在于：步骤1中，所述土壤侵蚀因子有关数据包括：日降水量数据，土壤理化性质资料，DEM，归一化植被指数，土地利用数据，水土保持重点工程资料和生产建设活动扰动资料；

所述预处理土壤侵蚀因子有关数据是指，获取土壤侵蚀因子相关数据后对数据进行重投影，使其具有统一的投影系统和坐标，并对数据进行初运算使其符合模型运算要求。

3.根据权利要求1所述的基于机器学习和观测数据的土壤侵蚀模数计算方法，其特征在于：步骤2中，对获取的日降水量数据以预定阀值筛选并计算，通过插值得到降雨侵蚀力图层；根据土壤理化性质资料、DEM数据、归一化植被指数、土地利用数据、水土保持重点工程资料和生产建设活动扰动资料，得到土壤可蚀性因子图层、坡长因子图层、坡度因子图层、生物措施因子图层、工程措施因子图层和耕作措施因子图层。

4.根据权利要求1所述的基于机器学习和观测数据的土壤侵蚀模数计算方法，其特征在于：步骤3中，所述土壤侵蚀方程，包括通用土壤流失方程USLE、修正通用土壤流失方程RUSLE和中国水土流失方程CSLE。