一种基于深度学习的作物根层土壤含水量模拟方法
摘要文本
本发明公开了一种基于深度学习的作物根层土壤含水量模拟方法，包括收集研究区的影响因子；将各影响因子和根层土壤含水量进行时间和空间上的相关性分析，计算各影响因子对根层土壤含水量模拟的重要度，确定模型最终的输入因子；构建区域根层土壤含水量模型；将ERA5原始数据集浅层土壤含水量数据和对应的气候、下垫面影响因子资料输入到区域根层土壤含水量模型中逐栅格进行模拟，模拟获得研究区ERA5根层土壤含水量数据集。本发明针对站点实测根层土壤含水量数据非实时不连续且成本高、遥感反演产品精度较低的不足，将高精度的站点数据和ERA5实时连续的反演数据的优势相结合模拟根层土壤含水量，获取精度较高且实时连续的区域根层土壤含水量信息。 搜索马 克 数 据 网
申请人信息
- 申请人:水利部交通运输部国家能源局南京水利科学研究院
- 申请人地址:210029 江苏省南京市鼓楼区广州路223号
- 发明人: 水利部交通运输部国家能源局南京水利科学研究院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习的作物根层土壤含水量模拟方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311503095.4 |
| 申请日 | 2023/11/11 |
| 公告号 | CN117556695A |
| 公开日 | 2024/2/13 |
| IPC主分类号 | G06F30/27 |
| 权利人 | 水利部交通运输部国家能源局南京水利科学研究院 |
| 发明人 | 刘悦; 鲍振鑫; 王国庆; 刘翠善; 王婕; 解明明; 吴厚发; 石佳勇 |
| 地址 | 江苏省南京市鼓楼区广州路225号804室 |
专利主权项内容
1.一种基于深度学习的作物根层土壤含水量模拟方法，其特征在于，包括以下步骤：步骤一：收集研究区土壤水监测站点土壤水含量数据、气候和下垫面资料作为影响因子，土壤水含量数据包括0-10cm浅层土壤含水量和30-40cm根层土壤含水量，站点数据按时间序列整理，空间数据按研究区矢量边界裁剪；步骤二：将步骤一收集的浅层土壤含水量、气候和下垫面影响因子按是否随时间显著变化分为动态因子和静态因子，动态因子和根层土壤含水量进行时间上的相关性分析，静态因子和根层土壤含水量进行空间上的相关性分析，并计算各影响因子对根层土壤含水量模拟的重要度，确定模型最终的输入因子；步骤三：构建区域根层土壤含水量模型，在步骤一的土壤水监测站点中随机抽取70％作为训练集，其余30％作为测试集，将训练集中经步骤2确定的输入因子作为LSTM深度学习算法的输入，对应的30-40cm根层土壤含水量作为输出，训练LSTM深度学习算法，训练时是采用统计指标来定量评价模型对根层土壤水模拟的精度；测试时，将测试集中经步骤2确定的输入因子作为LSTM深度学习算法的输入，输出30-40cm根层土壤含水量的模拟值，将输出的根层土壤含水量模拟值与测试站点的实测数据进行对比，采用统计指标来定量评价模型对根层土壤含水量模拟的精度；步骤四：获取研究区逐日ERA5全球土壤水再分析数据集，根据土壤层深度比例将ERA5再分析数据集转化为0-10cm的土壤水数据作为ERA5原始数据集；步骤五：将步骤四ERA5原始数据集0-10cm浅层土壤含水量数据和对应的气候、下垫面影响因子资料输入到步骤三的区域根层土壤含水量模型中逐栅格进行模拟，模拟获得研究区ERA5 30-40cm根层土壤含水量数据集。。来自马克数据网