一种基于前馈神经网络模型的土壤湿度估算系统和方法与流程

本发明涉及土壤湿度测量，具体涉及土壤湿度估算系统和方法、计算机程序产品和可读性存储介质。

背景技术：

1、传统技术中土壤水分含量通过烘干法测量。该方法中土壤样品在烘箱内烘干，土壤样品的初始重量和干重之间的差异既水分含量，该方法准确度高但是耗时长。

2、基于土壤水介电技术的传感器，例如时域反射计（tdr）和频域反射计（fdr）解决了烘干法耗时长的问题，但是其仍然需要人工采集，在采样点多的情况下仍然耗费大量人力。

3、在传统的烘干法、时域反射和频域反射等土壤水分测量方法的基础上，一些卫星遥感技术、无人机和人工智能模型的新兴土壤湿度测量方法不断涌现，例如，cn116482128a利用搭载在无人机的雷达对土壤进行探测，从收集的雷达信号中提取土壤湿度特征，将特征输入训练好的深度神经网络模型，输出土壤湿度估计结果；再如，jp2024031096a提出一种低成本估算土壤含水量的技术，其使用估计模型，该估计模型使用通过拍摄土壤获得的rgb图像数据和通过测量土壤湿度获得的测量数据来学习rgb图像数据和测量数据之间的相关性。这些土壤湿度测量方法的精度高度依赖模型的精度，而高精度模型的训练需要大量测试和大样本数据集才能实现。

技术实现思路

1、为解决现有技术中的以上问题，本发明提出一种基于前馈神经网络模型的融合土壤湿度估算系统和方法，以及运行所述方法的计算机程序产品，和存储有所述计算机程序的可读性存储介质。

2、本发明的基于前馈神经网络模型的土壤湿度估算系统，包括数据采集模块、遥感数据处理模块、多层前馈神经网络模型、基于环境信息的模型和融合计算模块；

3、所述数据采集模块包括遥感信息采集模块和环境信息采集模块，所述遥感信息采集模块采集四个特征值，即vv、vh极化的反向散射值、图像入射角和归一化植被指数ndvi；所述环境信息采集模块采集净辐射nr、空气湿度ah、地表温度lst；

4、所述遥感数据处理模块通过z-score标准化方法将所述遥感信息采集模块采集的vv、vh极化的反向散射值、图像入射角和ndvi进行标准化，标准化过程基于下式进行：

5、

6、其中x代表初始特征值； x mean代表平均值； x std代表特征值的标准偏差；

7、所述多层前馈神经网络模型包括一个输入层、两个隐藏层和一个输出层，输入层选择经过所述遥感数据处理模块标准化处理后的vv、vh极化的反向散射值、图像入射角和归一化植被指数ndvi作为输入；输出层为估计的土壤湿度 sm fnn，每一隐藏层具有4个神经元；

8、所述基于环境信息的模型通过下式表示：

9、

10、其中，nr为净辐射，ah为空气湿度，lst为地表温度， sm nm为基于环境信息的模型估计的土壤湿度，a,b,c,d,e为系数；

11、所述融合计算模块包括融合计算模型，融合计算模型通过下式表示：

12、

13、其中，sm是所述系统估算的土壤湿度，w1,w2分别是 sm fnn和 sm nm对应的权重；

14、所述系统将遥感信息采集模块采集并经过遥感数据处理模块标准化处理后的数据输入上述多层前馈神经网络模型得到土壤湿度 sm fnn，将环境信息采集模块采集的数据输入上述基于环境信息的模型得到土壤湿度 sm nm，将土壤湿度 sm fnn和土壤湿度 sm nm输入上述融合计算模型即得到所述系统估算的土壤湿度sm。

15、进一步地，所述数据采集模块还包括时域反射计，基于所述数据采集模块和所述遥感数据处理模块得到n组数据date_a以训练所述多层前馈神经网络模型，每组数据date_a包括：某一时间时域反射计采集的土壤湿度，同一时间获取的且经遥感数据处理模块标准化后的vv、vh极化的反向散射值、图像入射角以及归一化植被指数ndvi；基于所述n组数据date_a训练所述多层前馈神经网络模型中每个神经元的权重和每层的偏置，继而得到多层前馈神经网络模型。

16、进一步地，基于所述时域反射计和环境信息采集模块得到m组数据date_b用以计算基于环境信息的模型的系数a,b,c,d,e，每组数据date_b包括：某一时间时域反射计采集的土壤湿度，同一时间获取的净辐射nr、空气湿度ah、地表温度lst；基于所述m组数据date_b计算基于环境信息的模型的系数a,b,c,d,e，继而得到基于环境信息的模型。

17、进一步地，所述数据采集模块还包括烘干测量模块，基于所述数据采集模块和所述遥感数据处理模块得到z组数据date_c用以计算 sm fnn和 sm nm对应的权重w1和w2，每组数据date_c包括：某一时间采集的土壤样品采用烘干测量得到的土壤湿度 sm od，同一时间采集的标准化后的vv、vh极化的反向散射值、图像入射角、归一化植被指数ndvi，以及同一时间采集的净辐射nr、空气湿度ah和地表温度lst；基于所述多层前馈神经网络模型和所述基于环境信息的模型，由上述z组数据date_c得到z组土壤湿度 sm od、 sm fnn和 sm nm，带入所述融合计算模型可得z组权重w1,w2的值，对z组权重w1,w2的值进行均值计算得到的 sm fnn和 sm nm对应的权重w1,w2的值。

18、进一步地，所述遥感信息采集模块包括合成孔径雷达和相机，合成孔径雷达搭载于遥感卫星，相机搭载于无人机，遥感信息采集模块基于合成孔径雷达获取vv、vh极化的反向散射值、图像入射角，基于相机低空遥感图像获得归一化植被指数ndvi。

19、进一步地，环境信息采集模块采集包括净辐射表、湿度计和地表温度反演模块，分别用于采集净辐射nr、空气湿度ah、地表温度lst。

20、进一步地，所述烘干测量模块包括烘干箱，将待测土壤样品称重得到样品湿重 w wet，然后将待测土壤样品在烘干箱中完全烘干，得到样品干重 w dry，烘干测量的土壤湿度。

21、本发明还包括根据上述土壤湿度估算系统的土壤湿度估算方法，包括以下步骤：

22、s1. 配置多层前馈神经网络模型，所述多层前馈神经网络模型包括一个输入层、两个隐藏层和一个输出层，输入层选择经过遥感数据处理模块标准化处理后的vv、vh极化的反向散射值、图像入射角和ndvi作为输入；输出层为估计的土壤湿度 sm fnn；每一隐藏层具有4个神经元；

23、s2. 建立基于环境信息的模型，所述基于环境信息的模型通过下式表示：

24、

25、其中，nr为净辐射，ah为空气湿度，lst为地表温度， sm nm为基于环境信息的模型估计的土壤湿度，a,b,c,d,e为系数；

26、s3. 建立融合计算模型，基于土壤湿度 sm fnn和土壤湿度 sm nm获取土壤湿度sm，融合计算模型通过下式表示：

27、

28、其中，w1,w2分别是 sm fnn和 sm nm对应的权重；

29、s4. 数据采集，采集包括基于时域反射计采集的土壤湿度、基于合成孔径雷达获取vv、vh极化的反向散射值和图像入射角、基于相机低空遥感图像获得归一化植被指数ndvi、净辐射nr、空气湿度ah、地表温度lst、基于烘干测量模块得到的土壤湿度 sm od；步骤s4具体包括：

30、s41. 采集n组数据date_a以训练多层前馈神经网络模型，每组数据date_a包括：某一时间时域反射计采集的土壤湿度，同一时间获取的且经遥感数据处理模块标准化后的vv、vh极化的反向散射值、图像入射角以及归一化植被指数ndvi；

31、所述的标准化是指通过z-score标准化方法将全部四个特征vv、vh极化的反向散射值、图像入射角和ndvi进行标准化，标准化过程基于以下公式进行：

32、

33、其中x代表初始特征值； x mean代表平均值； x std代表特征值的标准偏差；

34、s42. 采集m组数据date_b用以计算基于环境信息的模型的系数a,b,c,d,e，每组数据date_b包括：某一时间时域反射计采集的土壤湿度，同一时间获取的净辐射nr、空气湿度ah、地表温度lst；

35、s43. 采集z组数据date_c用以计算 sm fnn和 sm nm对应的权重w1和w2，每组数据date_c包括：某一时间采集的土壤样品采用烘干测量得到的土壤湿度 sm od，同一时间采集的标准化后的vv、vh极化的反向散射值、图像入射角、归一化植被指数ndvi，以及同一时间采集的净辐射nr、空气湿度ah和地表温度lst；

36、s5. 基于步骤s4采集的数据训练所述多层前馈神经网络模型；具体地，基于所述n组数据date_a训练所述多层前馈神经网络模型中每个神经元的权重和每层的偏置，继而训练得到多层前馈神经网络模型；

37、s6. 基于步骤s4采集的数据计算基于环境信息的模型的系数a,b,c,d,e；具体地，基于所述m组数据date_b计算基于环境信息的模型的系数a,b,c,d,e，继而得到基于环境信息的模型；

38、s7. 基于步骤s4采集的数据计算融合计算模型的权重w1,w2；具体地，基于所述z组数据date_c计算 sm fnn和 sm nm对应的权重，基于上述步骤s5得到的多层前馈神经网络模型和基于上述步骤s6得到的基于环境信息的模型，由上述z组数据date_c可以得到z组土壤湿度 sm od、 sm fnn和 sm nm，带入上述步骤s3建立的融合计算模型可得z组权重w1,w2的值，对z组权重w1,w2的值进行均值计算得到的 sm fnn和 sm nm对应的权重w1,w2的值，继而得到融合计算模型；

39、s8. 采集数据进行土壤湿度的融合计算；步骤s8具体包括：

40、s81.采集基于合成孔径雷达获取vv、vh极化的反向散射值和图像入射角、基于相机低空遥感图像获得归一化植被指数ndvi，并进行标准化；将标准化后的vv、vh极化的反向散射值和图像入射角、归一化植被指数ndvi输入上述步骤s5得到的多层前馈神经网络模型，得到估计的土壤湿度 sm fnn；

41、s82.采集净辐射nr、空气湿度ah、地表温度lst，将净辐射nr、空气湿度ah、地表温度lst输入到上述步骤s6得到的基于环境信息的模型，得到估计的土壤湿度 sm nm；

42、s83. 将上述步骤s81得到的土壤湿度 sm fnn和步骤s82得到的土壤湿度 sm nm输入上述步骤s7得到的融合计算模型，得到土壤湿度sm。

43、本发明还包括一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时可实现上述土壤湿度估算方法。

44、本发明还包括一种可读性存储介质，所述可读性存储介质上存储有计算机程序，所述计算机程序被处理器执行时可实现上述土壤湿度估算方法。

45、本发明的土壤湿度估算系统和方法将多层前馈神经网络模型、基于环境信息的模型和烘干测量法相融合，在保证土壤湿度估算精度的同时，减少了对神经网络模型精度的依赖。