[发明专利]利用地表反射信号和随机森林回归算法预测土壤水分的方法

说明书

本发明属于土壤含水量预测技术领域，具体涉及一种利用地表反射信号和随机森林回归算法预测土壤水分的方法，通过根据获取的不同土壤样本区域的地表反射率和卫星高度角，以及样本区域的土壤湿度数据，训练并建立随机森林算法模型；获取待检测区域的土壤类型以及地表反射率和卫星高度角，将待检测区域地表反射率和卫星高度角输入随机森林算法模型，获取待检测区域的预测土壤湿度。本发明提供的利用卫星反射信号和随机森林回归算法的土壤湿度检测方法，其能够通过卫星提供的全天候，广覆盖，持续稳定的信号源，结合机器学习中的随机森林算法，对大面积以及遥感数据缺失的未知区域进行的较为精确的土壤湿度预测。

技术领域

本发明属于土壤含水量预测技术领域，具体涉及一种利用地表反射信号和随机森林回归算法预测土壤水分的方法。

背景技术

土壤湿度是气候、水文、生态和农业等方面研究的一个重要的基础参数，它直接控制着陆地和大气之间的水和热量的输送和平衡。目前，遥感技术可以获取区域性大尺度的陆地土壤湿度变化信息，并应用到陆地水文研究、水涝和干旱的检测、农作物生长态势评估以及自然和生态环境研究等各个领域。但是，由于需要多个站点和高成本的监视设备，通过现场观测、持续监测大面积的土壤水分含量通常是不切实际的，且由于地表以及地理环境的限制，还存在着大量无法实地获取土壤湿度的未知区域，在全球尺度或者大范围尺度上对其连续测量并达到一定的时空分辨率仍是一个主要的挑战。传统的测量方法（重量水分法、电阻法、土壤湿度计法等）虽然很准确，但是存在着对被观测对象的破坏、仪器类型之间数据同化困难、时空分辨率受限、高成本等问题。在微波遥感领域，各种地基、机载、星载以及有源、无源遥感系统如合成孔径雷达和微波辐射计（如SMOS、SMAP 和AQUARIUS项目等）已应用于监测土壤湿度，但这些方式仍存在着一定的局限性，如成本高、时间分辨率不高等。

发明内容

基于此，本发明的目的在于，提供一种利用地表反射信号和随机森林回归算法预测土壤水分的方法，其能够通过卫星提供的全天候，广覆盖，持续稳定的信号源，结合机器学习中的随机森林算法，对大面积以及遥感数据缺失的未知区域进行的较为精确的土壤湿度预测。

本发明是通过如下方案实施的：

一种利用地表反射信号和随机森林回归算法预测土壤水分的方法，包括以下步骤：

获取多个不同土壤样本区域的地表反射率、卫星高度角和土壤湿度数据；

根据获取的不同土壤样本区域的地表反射率和卫星高度角，以及样本区域的土壤湿度数据，训练并建立随机森林算法模型；获取待检测区域的土壤类型以及地表反射率和卫星高度角，将待检测区域地表反射率和卫星高度角输入随机森林算法模型，获取待检测区域的预测土壤湿度。

进一步的，所述样本区域地表反射率和卫星高度角作为训练随机森林算法模型的输入样本，所述样本区域的土壤湿度数据作为训练随机森林算法模型的输出样本。

进一步的，样本区域的地表反射率和卫星高度角的获取方法为：采用卫星信号接收系统同时接收直接信号和来自于地面的反射信号，以及卫星的高度角信息，并根据接收到的直接信号和来自与地面的反射信号计算出地表反射率。

进一步的，对所述地表反射率进行进一步校正，所述校正方法为采用接收从湖面或者河流反射来的卫星信号进行校正。

进一步的，若搭建的接收系统只接收了地面的反射信号，则输入的用来训练并建立随机森林算法模型的变量为：地表反射信号功率，卫星高度角，系统噪声功率，接收增益。

进一步的，用来训练及建立随机森林预测模型的数据均为来自样本区域的实地数据。

进一步的，采用自行仿真建立的土壤数据库训练及建立随机森林预测模型，，包括如下步骤：

生成地表反射率的仿真数据，模拟区间为（0，0.8），生成卫星高度角的模拟区间为（45°，90°）；