买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：水利部牧区水利科学研究所

摘要：本发明提供一种基于气象与重力卫星等数据反演土壤水含量的方法，包括以下步骤：S1、数据准备；S2、小波变换；S3、数据归一化处理；S4、模型数据集划分；S5、长短期记忆网络模型超级参数确定；S6、长短期记忆网络模型架构搭建；S7、最优长短期记忆网络模型确定；S8、模型测试与评估。本发明提供的一种基于气象与重力卫星等数据反演土壤水含量的方法，本发明提出的土壤含水量反演方法不需要通过野外样品采集测试或者布设大量监测站点就可以获取大范围土壤水的时空变化特征；本发明提出的土壤含水量反演方法将重力卫星数据的陆地水文应用从地下水反演、灾害监测等方向拓展至土壤水反演分析，进一步释放了重力卫星数据在水循环流域的研究潜力。

主权项：1.一种基于气象与重力卫星等数据反演土壤水含量的方法，其特征在于，包括以下步骤：S1、数据准备：本发明需要准备的数据包括四类，前三类数据为自变量，最后一类为因变量；S2、小波变换：首先对步骤S1中的GRACE和GRACE-FO重力卫星数据进行连续小波变化，以建构一个具有良好时域和频域局部化的时频信息，基本小波选择morlet小波，也可以根据最终土壤湿度反演结果调整基本小波类型，小波变换的尺度至少应从1到24，选取高频信号作为模型输入变量。 S3、数据归一化处理：将步骤S2中气象、植被、土壤水以及重力卫星数据的时频信息进行归一化处理，以提高模型构建及验证效率，归一化的方法可以是通过序列中最大值与最小值将数据缩放至0到1公式2，也可以通过数据的最大绝对值将数据缩放至-1到1，Xnew＝X–XminXmax–Xmin公式2Xnew＝XMAX|X|公式3；S4、模型数据集划分：将步骤S3中所有归一化以后的时序数据划分为训练集、验证集以及测试集，划分比例为0.7:0.15:0.15，划分方法可以选择随机划分，也可以按照时间段划分；S5、长短期记忆网络模型LSTM超级参数确定：利用超级参数自动优化的方法提高反演效率，模型超级参数主要涉及七项，一般而言，参数选取越多或者参数取值越大，土壤水含量反演精度会有所提升，但同时模型对计算机CPU和GPU的配置要求越高；S6、长短期记忆网络模型架构搭建：利用贝叶斯最优参数筛选器组合并筛选步骤S5确定的超级参数，构建由不同参数组成的模型架构，输入步骤S4中产生的训练集数据用于训练不同架构的网络模型；S7、最优长短期记忆网络模型确定：将步骤S4中产生的验证集数据代入步骤S6产生的不同架构模型中，选取回归损失最小的模型为最优模型，并保存相应的最优模型参数；S8、模型测试与评估：将步骤S4中产生的测试集数据代入步骤S7产生的最优长短期记忆网络模型中，获取模型模拟的土壤含水量数据，然后以步骤S1中土壤含水量实测数据等为基准，评估通过模型模拟获得的土壤含水量的表现，评估指标选取均方根误差、相关系数、标准误差。

全文数据：

权利要求：

百度查询： 水利部牧区水利科学研究所 一种基于气象与重力卫星等数据反演土壤水含量的方法