[发明专利]一种基于贝叶斯最大熵的土壤水分融合方法

权利要求书

1.一种基于贝叶斯最大熵的土壤水分融合方法，其特征在于，包括以下具体步骤：

步骤一：在冬小麦生育期内，每7天用土钻采集一次土壤水分信息，获得土壤水分含量，采样深度分别为0-20cm、20cm-40cm、40cm-60cm、60cm-80cm、80cm-100cm；

步骤二：采用地统计分析方法布设土壤水分传感器，实时监测土壤水分变化情况，布设深度分别为0-20cm、20cm-40cm、40cm-60cm、60cm-80cm、80cm-100cm；

步骤三：利用地物光谱仪采集冬小麦拔节期至乳熟期的冠层高光谱数据，以植被指数为自变量，土壤水分为因变量，构建基于高光谱的土壤水分反演模型；

步骤四：采用贝叶斯最大熵理论，对步骤一、步骤二和步骤三获取的土壤水分数据进行融合，对融合结果进行不确定性评价；

所述的步骤四包括：

1)贝叶斯最大熵是以实测硬数据为基础，融入具有一定误差和不确定性的软数据和其它先验信息等多种来源的数据，来分析土壤水分的变异趋势，所述的软数据包含三种形式，

一是传感器实时监测的土壤水分ET-5；

二是将高光谱反演得到的土壤水分转换为间隔软数据，转换过程是，依据建立的高光谱植被指数土壤水分反演模型，计算得到模拟的土壤水分值，以实测土壤水分数据为因变量，反演的土壤水分为自变量，建立两者之间的线性关系，计算线性拟合方程残差的标准方差通过线性回归计算土壤水分拟合值，将反演的土壤水分数据转换为间隔数据，然后采用公式(9)和公式(10)分别计算间隔数据的上下限值SM_u和SM_L，

SM_u＝SM_estimation-σ_ε (9)

SM_L＝SM_estimation+σ_ε (10)

公式(9)和(10)中，SM_u和SM_L分别为间隔数据的上下限值，SM_estimation为估算的土壤水分值，σ_ε为残差的标准方差的平方根；

三是将高光谱反演的土壤水分转换为高斯分布软数据，即转换为相应的均值和方差；

2)利用贝叶斯最大熵的基本原理进行融合，构建协方差模型，采用公式(11)和公式(12)进行计算；

公式(11)和(12)中，C(r)为协方差，N为协方差结构的个数，c_0i为第i个协方差结构的方差贡献率，c_ri(r)代表空间函数，融合过程选用指数函数，a_ri为空间范围；

3)采用三种不同组合形式进行融合，

一是将实测的土壤水分数据作为硬数据，EC-5传感器监测数据作为软数据进行融合，记为BME1，取土+EC-5；

二是将实测的土壤水分数据作为硬数据，EC-5传感器监测数据作为软数据，植被指数反演的土壤水分数据转换为间隔软数据，记为BME2，取土+EC-5 +反演的土壤水分转换成的间隔软数据；

三是将实测的土壤水分数据作为硬数据，EC-5传感器监测数据作为软数据，植被指数反演的土壤水分数据作为高斯分布的概率软数据，记为BME3，取土+EC-5+反演的土壤水分转换成的高斯分布概率软数据。

2.根据权利要求1所述的一种基于贝叶斯最大熵的土壤水分融合方法，其特征在于：所述的步骤二包括：采用地统计分析方法进行土壤墒情监测点优化布设，该方法以半方差函数和插值法为基础，确定合理的测墒点空间分布位置，依据确定的位置，布设土壤水分传感器。