[发明专利]一种土壤水分多尺度综合感知方法

权利要求书

1.一种土壤水分多尺度综合感知方法，其特征在于，包括以下步骤：

步骤1，获取土壤水分及其关联变量数据，并进行预处理操作；

步骤2，采用增强型自适应反射率时空融合模型，对地表反射率以及地表温度进行降尺度，生成目标高分辨率、空间无缝且时间连续数据；

步骤3，基于深度置信网络，以土壤水分关联变量作为模型输入，地面实测土壤水分为模型输出，对原始低分辨率土壤水分数据降尺度，生成高分辨率、空间无缝且时间连续土壤水分；

步骤4，根据地面实测站点位置、像元之间土壤水分以及关联变量的相关性，将区域内所有像元划分为C1、C2以及C3像元；其中C1像元为土壤水分传感器所在像元，C2像元为与C1像元具有高度统计相关性的像元，C3像元为研究区域内除C1以及C2像元外剩余的所有像元；

步骤5，针对不同类别像元，制定对应的降尺度土壤水分误差校正方案，计算得到校正后的高精度土壤水分数据。

2.如权利要求1所述的土壤水分多尺度综合感知方法，其特征在于：

步骤1中，通过多源遥感卫星、再分析以及地面实测数据产品，获取土壤水分及其关联变量数据，并进行投影、重采样、裁剪预处理操作；

其中遥感卫星产品包括Landsat8的地表反射率以及亮温数据、MODIS的地表温度以及地表反射率数据、SMAP的地表土壤水分数据；模型再分析数据包括ERA5-Land产品中的土壤含水量、降雨、以及地表温度数据；地面实测数据产品包括ISMN国际土壤水分传感网络中的HOAL地面土壤水分传感网络。

3.如权利要求1所述的土壤水分多尺度综合感知方法，其特征在于：

步骤2进一步包括以下子步骤：

步骤201，针对研究时间段内的每一个月，选取至少一幅晴空下的高分辨率影像以及对应日期下的时空连续的低分辨率影像；

步骤202，将低分辨率影像重采样至与高分辨率影像具有相同空间分辨率，并裁剪获得相同的空间范围；

步骤203，对于研究时间段内每一幅需要降尺度的低分辨率影像，选取距离其日期最近的两个晴空日期下的高低分辨率影像对作为模型输入，通过增强型自适应反射率时空融合模型，通过该低分辨率影像重构出对应的高分辨率影像。

4.如权利要求1所述的土壤水分多尺度综合感知方法，其特征在于：

步骤3中土壤水分关联变量包括，地表温度(LST)、地表反照率(Albedo)、归一化植被指数(NDVI)、SMAP土壤水分(SMAP SSM)、ERA5土壤水分(ERA5 SSM)、降雨(Precipitation)、年积日(DOY)。

5.如权利要求1所述的土壤水分多尺度综合感知方法，其特征在于：

步骤3进一步包括以下子步骤：

步骤301，根据步骤1与步骤2获取计算得到的土壤水分关联变量，并整理成深度学习模型的训练以及验证样本；

步骤302，将样本集以一定的比例划分为训练集、验证集以及测试集，以土壤水分关联变量作为深度置信网络DBN模型输入，以地面实测土壤水分作为DBN模型输出，通过交叉验证的方式训练DBN模型；

步骤303，采用步骤302中优选得到的DBN模型输出研究区域范围的高分辨率、空间无缝且时间连续的土壤水分数据。

6.如权利要求1所述的土壤水分多尺度综合感知方法，其特征在于：

步骤4进一步包括以下子步骤：

步骤401，对于地面实测土壤水分传感器所处的像元，将其归类为C1像元；

步骤402，计算除C1外的任意像元与C1像元之间土壤水分关联变量以及降尺度土壤水分数据的皮尔逊相关系数，若所有变量相关系数均大于某一阈值，则将该像元归类为C2像元；

步骤403，将研究区域内除C1与C2像元之外的所有像元，归类为C3像元。