基于多时相土壤线一致性修正的土壤含水率反演方法和系统与流程

本发明涉及土壤水分监测和农业资源管理，特别涉及一种基于多时相可比的再修正干旱指数rpdi的土壤含水率遥感反演方法和系统。

背景技术：

1、由于经济的持续增长，水资源需求量急剧上升，同时伴随着气候持续干旱化，旱灾频次加快，持续时间延长，农业生产的损失不断增加，通过遥感手段获取大范围时间相对连续的地表土壤含水率，对农作物灌溉管理、农田干旱预警等具有重要的意义。

2、按照数据源特点，遥感监测土壤含水率方法可分为光学(可见光)、热红外和微波反演3类，其中光学遥感具有可用数据多、计算简便等优点，常被用于反演地表土壤含水率、计算植物生长及状态变化相关的参数，具有很强的实用价值。

3、使用光学遥感数据反演土壤含水率，主要是依据多光谱信息构建特征空间，基于特征空间计算干旱指数。受监测期内区域整体干湿、植被覆盖和卫星观测状态不同的影响，特征空间易出现不稳定现象，导致多时相影像计算干旱指数只能表示当期的相对干湿，即需要对每一时相影像分别建立干旱指数与地面实测数据的回归关系，转换为土壤含水率后再做比较。这种方法对地面实测数据的依赖，给土壤含水率定量反演带来困难。

技术实现思路

1、本发明针对现有技术的缺陷，提供了一种基于多时相土壤线一致性修正的土壤含水率反演方法和系统。

2、为了实现以上发明目的，本发明采取的技术方案如下：

3、一种基于多时相土壤线一致性修正的土壤含水率反演方法，包括以下步骤：

4、步骤1、收集目标区域一段时间内的光学影像数据，提取所有影像数据的红波段对应的最小近红波段值，融合为理论特征空间，计算对应的理论土壤线斜率。

5、步骤2、使用步骤1中得到的理论土壤线斜率和各期卫星影像数据，计算实地测量土壤含水率所在像元的rpdi值，并与卫星过境日期的地表土壤含水率实测数据建立回归方程，构建土壤含水率反演模型。

6、步骤3、以光学卫星影像的红波段和近红波段反射率，以及理论土壤线斜率为输入，计算目标区域所有像元的rpdi值，并利用步骤2中得到的回归方程反演计算整个区域的土壤含水率。

7、步骤4、当目标区域有新的遥感影像时，重复步骤1，计算并评估理论土壤线斜率是否存在显著变化。若变化显著，则采用新的土壤线斜率，重复步骤2，得到新的回归方程；再重复步骤3，计算整个区域土壤含水率。若变化不显著，则直接重复步骤3，使用原回归方程计算整个区域土壤含水率。

8、进一步地，所述步骤1包括以下子步骤：

9、步骤11、收集目标区域至少一个完整自然年、无云或云量较少、且具有红、近红外波段的卫星影像数据，进行卫星影像数据预处理。

10、步骤12、在数据收集时段内，从0开始以10-4为步长提取所有影像红波段对应的最小近红波段值储存在一个二维矩阵中，n景影像共得到n组二维矩阵di(i＝1…n)，将上述得到的n维矩阵di合并为一个二维矩阵a＝[d1；d2；…dn]；

11、步骤13、提取矩阵a中所有红波段对应的最小近红波段值，对最小近红外波段反射率值进行线性拟合得到理论特征空间的土壤线：

12、rnir＝mt·rred+c                      (1)

13、式中，mt为理论土壤线斜率，c为土壤线截距，rred、rnir为影像红、近红外波段的反射率。

14、作为优选，步骤11中，卫星影像数据空间分辨率不低于16米。当目标区域面积过大或超过一景影像覆盖范围时，分割为多个子区域，分别进行预处理。

15、进一步地，所述步骤2包括以下子步骤：

16、步骤21、计算各期影像rpdi，计算公式为：

17、

18、式中mt为理论土壤线斜率；rred,v、rnir,v为植被在红、近红外波段的反射率；fv为植被覆盖度；

19、fv通过下式计算：

20、

21、式中ndvimax和ndvimin分别为该景影像中ndvi的最大值和最小值。

22、步骤22、选取卫星过境日的实测土壤含水率，用于模型参数率定，率定区域实测点不少于20个；

23、步骤23、对于每个子区域，在下垫面土壤未明显变化时期内，提取所有满足步骤22条件的实地测量土壤含水率所在像元的rpdi值，构建土壤含水率反演模型：

24、sm0＝a*rpdi+b                    (5)

25、式中，sm0为逐像元土壤含水率，rpdi为像元土壤再修正干旱指数；使用最小二乘法拟合得到实测土壤含水率与rpdi之间的线性关系式，求得参数a、b；

26、步骤24、提取子区域内所有实测点对应的土壤含水率反演结果，按照以下公式计算无偏均方根误差ubrmse，评价反演模型精度：

27、

28、式中，xi、yi分别表示遥感反演、实测的土壤含水率，n为参与计算的样本数。

29、模型ubrmse应小于4％。如精度不满足要求，需返回步骤11减小区域范围或步骤22补充地面实测数据，重新进行相关参数计算。

30、进一步地，所述步骤3包括以下子步骤：

31、步骤31、逐期、逐子区域以光学卫星影像的红、近红波段反射率，以及理论土壤线斜率为输入，计算逐期、逐子区域所有像元的rpdi值，利用步骤23得到的回归方程，反演计算该日期子区域的土壤含水率；

32、步骤32、对同一过境日期子区域土壤含水率结果进行融合拼接，得到目标区域卫星过境日期土壤含水率。

33、进一步地，所述步骤4包括以下子步骤：

34、步骤41、当目标区域有新的遥感影像时，将新影像红波段对应最小近红波段值融入已有理论特征空间，计算新的理论土壤线斜率。评估土壤线斜率变化是否显著，若新的理论土壤线斜率相比原始理论土壤线斜率变化超过0.05，即为变化显著，继续进行步骤42，反之，跳转步骤43；

35、步骤42、重复进行步骤2，采用新的理论土壤线斜率，计算实地测量土壤含水率所在像元的再修正垂直干旱指数rpdi值，与卫星过境日地表土壤含水率的地面实测数据构建土壤含水率反演模型；

36、步骤43、基于光学卫星影像的红、近红波段反射率，变化显著情况下采用新的理论土壤线斜率为输入，变化不显著情况以原始土壤线斜率为输入，计算目标区域所有像元的rpdi值，变化显著情况采用新的回归方程计算目标区域土壤含水率，变化不显著情况采用原始回归方程计算目标区域土壤含水率。

37、作为优选，所述土壤含水率反演方法应用于ndvi<0.6的区域。

38、本发明还公开了一种基于多时相土壤线一致性修正的土壤含水率反演系统，该系统能够用于实施上述的土壤含水率反演方法，具体的，包括：

39、数据收集模块：负责收集目标区域的光学影像数据，并提取红波段对应的最小近红波段值，用于后续处理。

40、理论特征空间生成模块：将收集的影像数据进行处理，生成理论特征空间，并计算理论土壤线斜率。

41、模型构建模块：利用理论土壤线斜率和实地测量数据，建立反映土壤含水率与rpdi之间关系的回归方程模型。

42、反演计算模块：基于光学卫星影像的反射率数据和理论土壤线斜率，计算整个目标区域的rpdi值，并利用模型进行土壤含水率的反演计算。

43、变化检测与更新模块：定期评估理论土壤线斜率的变化，若变化显著则更新相关模型参数，确保反演结果的准确性和稳定性。

44、本发明还公开了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述土壤含水率反演方法。

45、本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述土壤含水率反演方法。

46、与现有技术相比，本发明的优点在于：

47、1.多时相土壤线一致性修正：通过融合多时相影像特征空间，计算理论土壤线斜率，并基于此修正计算每个时相的干旱指数rpdi。这种方法使得不同时期的rpdi值可以直接进行比较，有效提升了多时相土壤水分变化的监测精度和连续性。

48、2.稳定的回归关系：本发明建立了rpdi与土壤含水率之间稳定的回归关系模型。这种关系模型降低了对地面实测数据的依赖性，使得基于光学遥感数据的土壤含水率估算更加可靠和精确。相比传统方法，本发明大幅度减少了实地数据的需求，提高了遥感技术在土壤水分监测中的应用价值和实用性。

49、3.减少人力成本和时间成本：本发明利用自动化的遥感数据处理和模型建立技术，大幅减少了人力和时间成本。相比传统的实地测量方法，不需要频繁的野外调查和数据收集，节省了大量的人力资源和时间。

50、4.提高空间覆盖范围和分辨率：遥感技术可以实现广泛的空间覆盖，涵盖大片土地和地区，同时具备较高的空间分辨率。本发明利用遥感数据进行土壤含水率的估算，可以实现对大范围地区的快速监测和分析，提高了监测的空间覆盖范围和精度。

51、5.提升监测的时效性和实时性：基于遥感数据的土壤含水率监测具有较高的时效性和实时性。通过快速获取和处理遥感影像，可以及时反映土壤水分的变化情况，支持农业生产决策和水资源管理。

52、6.环境友好和可持续性：本发明利用遥感技术进行土壤水分监测，减少了对环境的干扰和资源的消耗，符合可持续发展的要求。相比传统的野外调查和实地测量方法，遥感技术对环境的影响更小，有利于生态环境保护和可持续农业发展。