[發明專利]一種基于機器學習回歸算法的土壤鹽度預測方法

在審

• 申請號: 201811399327.5
• 申請日: 2018-11-22
• 公開（公告）號: CN109270124A
• 公開（公告）日: 2019-01-25
• 發明（設計）人: 吳偉成;周曉亭;祝民強;劉光萍
• 申請（專利權）人: 東華理工大學
• 主分類號: G01N27/02
• 分類號: G01N27/02;G06K9/00;G06K9/62;G06T5/00
• 代理公司: 北京彭麗芳知識產權代理有限公司 11407
• 代理人: 彭麗芳

1.一種基于機器學習回歸算法的土壤鹽度預測方法，其特征在于：包括如下步驟：

S1、以等邊三角形為測點形狀，采用EM38大地電導儀采集三角形的三個角點的實測鹽度，測量時，讀取垂直讀數EM_V和水平讀數EM_H，取平均值作為三角形區域的鹽度，測量若干個三角形區域的EM_H和EM_V為基礎真理訓練集(TS)；

S2、利用L波段雷達后向散射系數去除植被貢獻來獲得土壤組分；

S3、通過直接柵格化將實測地塊轉換為柵格來創建訓練集(TS)；

S4、利用上述訓練集(TS)，采用隨機森林回歸(RFR)算法建模應用于聯合數據集進行鹽度預測。

2.如權利要求1所述的一種基于機器學習回歸算法的土壤鹽度預測方法，其特征在于：所述步驟S1中，所述等邊三角形的邊長15-20米，確保三角形可以近似表示一個TM像素；測量區塊的規格1m×1m。

3.如權利要求1所述的一種基于機器學習回歸算法的土壤鹽度預測方法，其特征在于：所述步驟S2具體包括如下步驟：

S21、用無線電測量校準從歐洲航天局獲取的LANDSAT5TM圖像，并采用散射法模型消除附加的大氣影響，將所產生的反射率每一波段重新設定為0-1；

S22、對從歐洲航天局獲取的1.5級雷達結果進行幾何校正，并將像素重新調整到12.5米的大小，對水平發射水平接收HH和水平發射垂直接收HV的數字量化值分別進行校正，按照公式轉換為后向散射系數(σ⁰_HH、σ⁰_Hv)；然后應用增強Lee濾波器(Enhanced Lee filter3×3大小，Lee 1980)去除斑點或噪聲，導出σ⁰_HH和σ⁰_Hv，并重放大到30m像素用來匹配TM數據；

S23、構建植被含水量(VWC)對雷達后向散射系數影響的水云模型：

L²＝exp(-2BV₂sec(θ_i))

其中，σ⁰是來自植被冠層和土壤的總后向散射系數(σ⁰_HH、σ⁰_Hv)；σ⁰_veg是植被的后向散射貢獻，σ⁰_soil是土壤的散射貢獻；L₂是雙向植被衰減；θ_i雷達波束的入射角,A和B是植被參數；V₁和V₂是植被描述，V₁適用葉面指數LAI(m²m^-2)，V₂適用土壤容積含水量VWC(kgm^-2)；

S24、取：

LAI＝0.091exp(3.7579GDVI2)(R²＝0.932)

VWC＝192.64NDVI5-417.46NDVI4+347.96NDVI3–138.93NDVI2+30.699NDVI–2.822(kg·m^-2)(R²＝0.990)；

A＝0.0045，B＝0.4179；

以34.3°為θ_i雷達波束的入射角，計算植被移除后向散射系數(σ⁰_HH、σ⁰_Hv)。

4.如權利要求1所述的一種基于機器學習回歸算法的土壤鹽度預測方法，其特征在于：所述步驟S3具體包括如下步驟：

使用ArcGIS中的點到柵格轉換工具，將平均野外測量圖轉換為光柵單元為30、60和90米大小，然后重放到30m像素，組成數據集。