施肥行为对土壤属性影响度的跨时空估测方法及相关设备

本发明属于土壤科学，尤其涉及施肥行为对土壤属性影响度的跨时空估测方法及相关设备。

背景技术：

1、土壤是人类赖以生存和发展的物质基础，尤其是农田土壤的质量直接关系到国家粮食安全。近几十年来，土地垦殖率、农田集约利用强度以及过量施肥都在不断加强，如何掌握施肥行为对土壤有机质、全氮等农田土壤属性的影响，对于土壤质量、碳中和等农田精细化管理方面具有重要决策价值。

2、虽然，目前特定土壤气候下的定位观测试验可以了解施肥对农田土壤属性的影响，但土壤-作物作为一个复杂的传导系统，广泛的农田施肥行为调查是一项繁重、费时且难实现的工作。且由于定位观测点较少，且具有特定土壤气候条件的点位依赖性，不同地理、气象和土壤环境区的施肥行为对农田土壤属性效应存在显著的空间差异性。此外，由于观测试验的规范性、稳定性与实际种植管理结构变化复杂性的不匹配，使得定点观测条件下获得的施肥行为对土壤属性的时空变异效应，在拓展到其他区域尺度时具有较大的不确定性。尤其是在农田集约利用强度大、种植结构变化较多的地区，农田的施肥数据又难以获得的情况下，施肥行为如何影响多维时空的农田土壤属性更是无法准确判断。

技术实现思路

1、本技术实施例针对现有技术中无法有效分析不同时空条件下施肥行为对土壤属性影响的问题，提供了一种施肥行为对土壤属性影响度的跨时空估测方法，旨在为实现跨时空量化估测施肥行为对农田土壤属性变异影响提供方法依据。

2、第一方面，本技术实施例提供了施肥行为对土壤属性影响度的跨时空估测方法，所述方法包括以下步骤：

3、获取待预测区域的初始数据，所述初始数据包括施肥行为数据、地理位置数据、土壤数据、气象数据、种植模式和土壤属性；

4、初始化所述待预测区域的农田格网，并将所述地理位置数据、土壤数据、气象数据与所述农田格网进行数据匹配及多维度聚类分区，得到所述待预测区域的农田时空单元；

5、构建初始时段各所述农田时空单元对应的种植模式替代施肥行为对土壤属性影响的定量关系方程；

6、根据所述定量关系方程进行时空递推，确定所述待预测区域在不同目标时段下各所述农田时空单元中施肥行为对土壤属性的分区单元影响度预测结果；

7、根据在不同目标时段下各所述农田时空单元中施肥行为对土壤属性的分区单元影响度预测结果，确定所述待预测区域的目标全局预测结果。

8、更进一步地，所述初始数据还包括遥感影像数据，所述获取待预测区域的初始数据，还包括：

9、获取所述待预测区域的所述遥感影像数据，提取所述遥感影像数据的多个数据特征，基于多个所述数据特征进行数据融合，构建训练数据集；

10、基于所述训练数据集进行空间分布预测模型训练，得到目标空间分布预测模型，通过所述目标空间分布预测模型确定在不同时段所述待预测区域的种植模式的空间分布。

11、更进一步地，所述初始化所述待预测区域的农田格网，并将所述地理位置数据、土壤数据、气象数据与所述农田格网进行数据匹配及多维度聚类分区，得到所述待预测区域的农田时空单元，包括：

12、基于所述待预测区域生成对应的农田格网；

13、通过预设的相关性分析算法对所述地理位置数据、土壤数据及气象数据进行相关性分析，基于分析结果分配到所述农田格网中；

14、基于时间与空间维度，通过预设的混合聚类模型对所述农田格网中分配的所述地理位置数据、土壤数据及气象数据进行聚类分区，得到所述待预测区域的农田时空单元。

15、更进一步地，所述构建初始时段各所述农田时空单元对应的种植模式替代施肥行为对土壤属性影响的定量关系方程，包括：

16、根据不同时段内多个所述农田时空单元的初始数据，构建种植模式随机森林模型以及施肥行为随机森林模型；

17、在初始时段和目标时段内通过所述种植模式随机森林模型计算所述农田时空单元对应的种植模式对土壤属性的第一影响度值；

18、在初始时段内通过所述施肥行为随机森林模型计算所述农田时空单元对应的施肥行为对土壤属性的第二影响度值；

19、根据初始时段内所述第一影响度值、所述第二影响度值确定各所述农田时空单元对应的施肥行为与种植模式的定量关系方程，所述定量关系方程的输出结果包括施肥行为对种植模式的影响度比值。

20、更进一步地，所述根据不同时段内多个所述农田时空单元的初始数据，构建种植模式随机森林模型以及施肥行为随机森林模型，包括：

21、将初始时段及目标时段内各所述农田时空单元的所述地理位置数据、土壤数据、气象数据及种植模式作为输入变量，以所述土壤属性作为因变量，构建所述种植模式随机森林模型；

22、将初始时段内各所述农田时空单元的所述地理位置数据、土壤数据、气象数据及施肥行为数据作为输入变量，以所述土壤属性作为因变量，构建所述施肥行为随机森林模型。

23、更进一步地，所述根据所述定量关系方程进行时空递推，确定所述待预测区域在不同时段下各所述农田时空单元中施肥行为对土壤属性的影响度预测结果，包括：

24、确定全局时间序列的种植模式影响度索引，以所述种植模式影响度为索引，基于所述全局时间序列进行递推，根据所述定量关系方程替代施肥行为的影响度；

25、根据初始时段所述农田时空单元对应的定量关系方程输出的影响度比值，以及目标时段的目标农田时空单元的第一影响度值，计算所述目标农田时空单元的施肥行为对土壤属性的初始影响度预测结果；

26、从空间序列进行递推，获取目标时段的各目标农田时空单元，以及对应所述目标时段的初始时段的各初始农田时空单元，确定各所述初始农田时空单元与各所述目标农田时空单元之间的空间重叠分布特征；

27、根据各所述初始农田时空单元与各所述目标农田时空单元之间的空间重叠分布特征进行影响度加权，结合所述初始影响度预测结果，计算各所述目标农田时空单元的施肥行为对土壤属性的影响度预测结果。

28、第二方面，本技术实施例提供了施肥行为对土壤属性影响度的跨时空估测装置，所述装置包括：

29、数据获取模块，用于获取待预测区域的初始数据，所述初始数据包括施肥行为数据、地理位置数据、土壤数据、气象数据、种植模式和土壤属性；

30、建模模块，用于初始化所述待预测区域的农田格网，并将所述地理位置数据、土壤数据、气象数据与所述农田格网进行数据匹配及多维度聚类分区，得到所述待预测区域的农田时空单元；

31、关系构建模块，用于构建初始时段各所述农田时空单元对应的种植模式替代施肥行为对土壤属性影响的定量关系方程；

32、影响度确定模块，用于根据所述定量关系方程进行时空递推，确定所述待预测区域在不同时段下各所述农田时空单元中施肥行为对土壤属性的影响度预测结果；

33、目标预测模块，用于根据在不同目标时段下各所述农田时空单元中施肥行为对土壤属性的影响度预测结果，确定所述待预测区域的目标全局预测结果。

34、更进一步地，所述数据获取模块包括：

35、数据集构建子单元，用于获取所述待预测区域的所述遥感影像数据，提取所述遥感影像数据的多个数据特征，基于多个所述数据特征进行数据融合，构建训练数据集；

36、空间分布确定子单元，用于基于所述训练数据集进行空间分布预测模型训练，得到目标空间分布预测模型，通过所述目标空间分布预测模型确定在不同时段所述待预测区域的种植模式的空间分布。

37、第三方面，本技术实施例提供了一种电子设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述第一方面所述的施肥行为对土壤属性影响度的跨时空估测方法的步骤。

38、第四方面，本技术实施例提供了一种计算机可读存储介质，包括：所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的施肥行为对土壤属性影响度的跨时空估测方法的步骤。

39、第五方面，本技术实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面所述的施肥行为对土壤属性影响度的跨时空估测方法的步骤。

40、本发明所达到的有益效果：通过对待预测区域进行网格化处理，将地理位置数据、土壤数据、气象数据与农田格网进行匹配，以多个维度进行聚类分区基于多个影响因素进行综合考虑，合理地确定了不同时段施肥行为对土壤属性影响度的时空单元分区。此外，将施肥行为与种植模式进行关联，构建定量关系方程进行回归，实现施肥行为的适用性替代；根据随机森林构建的2个影响度比值推测施肥行为对土壤属性的影响，能够剥离不同变量的交互影响作用，避免了各类数据的二值化和时空多维变量的耦合导致无法反映多变量间的交互关系的问题，为有效实现跨时空量化估测施肥行为对农田土壤属性变异影响提供方法依据。