[发明专利]基于多源遥感数据的土壤有机碳估算方法及装置

说明书

本发明公开了一种基于多源遥感数据的土壤有机碳估算方法及装置，包括从目标区域采集土壤有机碳样本数据和第一变量数据，从第一变量数据获得多个变量组合，使用各变量组合与土壤有机碳样本数据对各机器学习模型进行训练和测试，从训练好的机器学习模型中选出最优模型，以最优模型进行土壤有机碳估算等步骤。本发明能够选择出具有最优反演能力的变量组合，以及具有最优识别能力的机器学习模型，能够根据变量数据反演出土壤有机碳含量，所得到的土壤有机碳估算结果能够对目标区域的土壤有机碳含量进行良好估计。本发明在估算过程中无需再进行实地采样和实验室化验等工作，实施成本低，受到的限制小，对环境友好。本发明广泛应用于机器学习技术领域。

技术领域

本发明涉及机器学习技术领域，尤其是一种基于多源遥感数据的土壤有机碳估算方法及装置。

背景技术

土壤有机碳(Soil Organic Carbon，SOC)是土壤有机质的关键组成部分，是衡量土壤肥力的重要指标。对土壤有机碳的估算，有利于对土地进行合理施肥，对提高农作物产量、改善土壤质量、保护土壤生态环境有着重要意义。

传统估算土壤有机碳的方法是基于野外实地采样与实验室化学测定，野外实地采样本身需要较高的人力成本，容易受到天气和地形等因素限制，因此费时费力且难以对大面积土壤有机碳进行精确估算，采样人员甚至容易面临生命危险，而且在测定过程中常使用重铬酸钾等含有重金属的化学试剂，容易造成环境污染，或者产生试剂处理成本。

发明内容

针对目前的土壤有机碳技术成本高、受限多、难以对大面积土壤有机碳进行精确估算等至少一个技术问题，本发明的目的在于提供一种基于多源遥感数据的土壤有机碳估算方法及装置。

一方面，本发明实施例包括一种基于多源遥感数据的土壤有机碳估算方法，包括：

从目标区域采集土壤有机碳样本数据；

获取所述目标区域的第一变量数据；所述第一变量数据包括雷达影像数据、光学遥感数据和环境变量数据；

从所述第一变量数据中选择所述雷达影像数据、光学遥感数据和环境变量数据中的一种或多种组成变量组合，从而获得多个变量组合；

建立多个机器学习模型；

使用各所述变量组合与土壤有机碳样本数据对各所述机器学习模型进行训练和测试；

从训练好的各所述机器学习模型中选出最优模型；

以所述最优模型对所述目标区域进行土壤有机碳估算。

进一步地，所述从所述第一变量数据中选择所述雷达影像数据、光学遥感数据和环境变量数据中的一种或多种组成变量组合，从而获得多个变量组合，包括：

从所述第一变量数据中选择所述雷达影像数据组成第一变量组合；

从所述第一变量数据中选择所述光学遥感数据组成第二变量组合；

从所述第一变量数据中选择所述雷达影像数据和所述光学遥感数据组成第三变量组合；

从所述第一变量数据中选择所述雷达影像数据、所述光学遥感数据和所述环境变量数据组成第四变量组合。

进一步地，所述多个机器学习模型包括多元线性回归法模型、偏最小二乘回归法模型、逐步多元线性回归法模型、随机森林模型、支持向量机模型、增强回归树模型、决策树模型、极端梯度提升树模型、反向传播神经网络模型。

进一步地，所述基于多源遥感数据的土壤有机碳估算方法还包括：

对所述雷达影像依次进行热噪声去除、辐射校正、地形校正和年平均值合成处理；

对所述光学遥感数据依次进行辐射校正、大气校正、去云处理和年平均值合成处理；