土壤氮矿化速率预测模型的训练方法、预测方法和装置与流程

本技术涉及遥感，尤其涉及一种土壤氮矿化速率预测模型的训练方法、预测方法和装置。

背景技术：

1、土壤氮矿化是生态系统中重要的氮素转化过程，对植物生长和生态系统功能起着关键作用。土壤氮矿化速率（nitrogen mineralization rate ，nmr）可以用于表征生态系统中重要的氮素转化过程。

2、目前，在确定土壤氮矿化速率时，通常需要对监测区域中的土壤进行实地采样和实验室分析，以确定土壤氮矿化速率。但是，该种方法通常仅适用于较小面积的监测区域，难以适用于大面积的监测区域，而且该种方法耗时耗力，导致土壤氮矿化速率的计算效率较低。

3、因此，在不受监测区域面积限制的情况下，如何有效地提高土壤氮矿化速率的计算效率，是本领域技术人员亟待解决的技术问题。

技术实现思路

1、本技术提供一种土壤氮矿化速率预测模型的训练方法、预测方法和装置，可以在不受监测区域面积限制的情况下，有效地提高土壤氮矿化速率的计算效率。

2、本技术提供一种土壤氮矿化速率预测模型的训练方法，包括：

3、获取监测区域样本的遥感图像样本，以及所述监测区域样本的土壤样本；其中，所述监测区域样本中包括多个观测点；

4、基于所述监测区域样本的土壤样本，确定各所述观测点对应的土壤氮矿化速率标签；

5、将所述监测区域样本的遥感图像样本输入至初始土壤氮矿化速率预测模型中，通过所述初始土壤氮矿化速率预测模型从所述遥感图像样本中提取各所述观测点对应的多个植被指数特征，并基于各所述观测点对应的多个植被指数特征和各所述观测点对应的土壤氮矿化速率标签，从所述多个植被指数特征中选择目标植被指数特征；

6、基于各所述观测点对应的目标植被指数特征和土壤氮矿化速率标签，对所述初始土壤氮矿化速率预测模型的模型参数进行更新，以训练得到土壤氮矿化速率预测模型，所述土壤氮矿化速率预测模型用于预测土壤氮矿化速率。

7、根据本技术提供的一种土壤氮矿化速率预测模型的训练方法，所述基于各所述观测点对应的多个植被指数特征和各所述观测点对应的土壤氮矿化速率标签，从所述多个植被指数特征中选择目标植被指数特征，包括：

8、针对各所述植被指数特征，基于各所述观测点对应的所述植被指数特征、所有观测点对应的所述植被指数特征的平均值、各所述观测点对应的土壤氮矿化速率标签，以及所述所有观测点对应的土壤氮矿化速率标签的平均值，确定所述植被指数特征对应的相关系数；

9、基于各所述植被指数特征对应的相关系数，将最大相关系数对应的植被指数特征确定为所述目标植被指数特征。

10、根据本技术提供的一种土壤氮矿化速率预测模型的训练方法，所述基于各所述观测点对应的所述植被指数特征、所有观测点对应的所述植被指数特征的平均值、各所述观测点对应的土壤氮矿化速率标签，以及所述所有观测点对应的土壤氮矿化速率标签的平均值，确定所述植被指数特征对应的相关系数，包括：

11、根据确定所述植被指数特征对应的相关系数；

12、其中，表示所述植被指数特征对应的相关系数，i表示第i个观测点，n表示观测点的总数量，表示第i个观测点对应的所述植被指数特征，表示所有观测点对应的所述植被指数特征的平均值，表示第i个观测点对应的土壤氮矿化速率标签，表示所述所有观测点对应的土壤氮矿化速率标签的平均值。

13、根据本技术提供的一种土壤氮矿化速率预测模型的训练方法，所述基于各所述观测点对应的多个植被指数特征和各所述观测点对应的土壤氮矿化速率标签，从所述多个植被指数特征中选择目标植被指数特征，包括：

14、基于各所述观测点对应的多个植被指数特征，确定所述多个植被指数特征之间的协方差矩阵，所述协方差矩阵用于表征所述多个植被指数特征之间的相关性；

15、基于所述协方差矩阵的特征值和对应的特征向量，从所述多个植被指数特征中确定多个主成分植被指数特征；

16、基于各所述观测点对应的所述多个主成分植被指数特征和各所述观测点对应的土壤氮矿化速率标签之间的相关性，从所述多个主成分植被指数特征中选择所述目标植被指数特征。

17、本技术还提供一种土壤氮矿化速率的预测方法，包括：

18、获取待预测监测区域的目标遥感图像；其中，所述监测区域中包括多个目标观测点；

19、将所述目标遥感图像输入至土壤氮矿化速率预测模型中，通过所述土壤氮矿化速率预测模型，预测各所述目标观测点对应的土壤氮矿化速率；其中，所述土壤氮矿化速率预测模型为上述任一实施例训练得到的土壤氮矿化速率预测模型。

20、本技术还提供一种土壤氮矿化速率预测模型的训练装置，包括：

21、获取单元，用于获取监测区域样本的遥感图像样本，以及所述监测区域样本的土壤样本；其中，所述监测区域样本中包括多个观测点；

22、第一处理单元，用于基于所述监测区域样本的土壤样本，确定各所述观测点对应的土壤氮矿化速率标签；

23、第二处理单元，用于将所述监测区域样本的遥感图像样本输入至初始土壤氮矿化速率预测模型中，通过所述初始土壤氮矿化速率预测模型从所述遥感图像样本中提取各所述观测点对应的多个植被指数特征，并基于各所述观测点对应的多个植被指数特征和各所述观测点对应的土壤氮矿化速率标签，从所述多个植被指数特征中选择目标植被指数特征；

24、更新单元，用于把基于各所述观测点对应的目标植被指数特征和土壤氮矿化速率标签，对所述初始土壤氮矿化速率预测模型的模型参数进行更新，以训练得到土壤氮矿化速率预测模型，所述土壤氮矿化速率预测模型用于预测土壤氮矿化速率。

25、本技术还提供一种土壤氮矿化速率的预测装置，包括：

26、获取单元，用于获取待预测监测区域的目标遥感图像；其中，所述监测区域中包括多个目标观测点；

27、预测单元，用于将所述目标遥感图像输入至土壤氮矿化速率预测模型中，通过所述土壤氮矿化速率预测模型，预测各所述目标观测点对应的土壤氮矿化速率；其中，所述土壤氮矿化速率预测模型为上述训练得到的土壤氮矿化速率预测模型。

28、本技术还提供一种电子设备，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计算机程序时实现如上述任一种所述的土壤氮矿化速率预测模型的训练方法或者土壤氮矿化速率的预测方法。

29、本技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的土壤氮矿化速率预测模型的训练方法或者土壤氮矿化速率的预测方法。

30、本技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的土壤氮矿化速率预测模型的训练方法或者土壤氮矿化速率的预测方法。

31、本技术提供的土壤氮矿化速率预测模型的训练方法、预测方法和装置，通过获取监测区域样本的遥感图像样本，以及监测区域样本的土壤样本；其中，监测区域样本中包括多个观测点；并基于监测区域样本的土壤样本，确定各观测点对应的土壤氮矿化速率标签；将监测区域样本的遥感图像样本输入至初始土壤氮矿化速率预测模型中，通过初始土壤氮矿化速率预测模型从遥感图像样本中提取各观测点对应的多个植被指数特征，并基于各观测点对应的多个植被指数特征和各观测点对应的土壤氮矿化速率标签，从多个植被指数特征中选择目标植被指数特征；再基于各观测点对应的目标植被指数特征和土壤氮矿化速率标签，对初始土壤氮矿化速率预测模型的模型参数进行更新，以训练得到土壤氮矿化速率预测模型，土壤氮矿化速率预测模型用于预测土壤氮矿化速率。这样利用遥感技术获取监控区域的遥感图像样本，并结合遥感图像样本，以及监测区域样本中多个观测点各自对应的土壤氮矿化速率标签，训练土壤氮矿化速率预测模型，使得可以通过土壤氮矿化速率预测模型对土壤氮矿化速率进行动态预测，实现了在不受监测区域面积限制的情况下，不仅可以有效地提高土壤氮矿化速率的计算效率，而且可以提高土壤氮矿化速率的计算精度。