基于微波遥感的农田灌溉频率确定方法及装置、计算设备

本发明涉及基于无人机载l波段被动微波辐射计微波遥感的农田灌溉频率确定，具体涉及一种基于微波遥感的农田灌溉频率确定方法及装置、计算设备。

背景技术：

1、随着经济发展与人口增长，水资源短缺问题日益严重。农业用水占我国用水总量的60％以上，灌溉用水占农业用水的90％以上。灌溉用水的精确估算对总用水量统计的准确性有着重要的影响，也对支撑水资源精细化管理有重要的意义。但农业用水分布广泛且分散，计量难度相对工业和生活用水较大，区域农业用水总量估算受数据条件限制，较多依靠人工经验，存在较大的不确定性。

2、传统的监测方法主要有常规地面监测方法和卫星遥感监测方法，常规地面监测常见方法包括：中子仪测量法、tdr(即时域反射计)测量法、湿度计法、称重烘干发法等。该类方法的最大问题在于，农田与农田之间的墒情并不是同步的，因为种植作物和灌溉条件及环境影响，甚至同一片田内的墒情也是不一样的，用单点测量的方法会造成成本极高，且代表性很差。而卫星遥感监测方法也存在诸多问题，如：下载的遥感数据往往是二级数据(系统几何校正产品)，因此需要进行辐射定标、几何精校正、大气校正、裁剪、云掩膜等多个前期处理工作；由于不同区域的土壤下垫面土质种类不同，因此选取的模型方法会严重影响最后反演旱情的精度和可信度。

3、现行的灌溉用水估算方法大体分为两类，一是定额推演法，二是水量平衡推算法。前者主要根据灌溉定额与实灌面积数据进行估算，灌溉定额的确定首先要进行典型调查，然后进行定额推演，在灌溉定额的确定上，总体存在农业用水计量设施不完善、复杂灌区统计难度大等问题，以及在农业灌溉用水推算的实际工作中，很难按照水文气象变化、田间水分状况及作物长势等进行动态调整，导致该方法不能准确计算农业灌溉用水量。

技术实现思路

1、鉴于上述问题，提出了本发明以便提供一种基于无人机载l波段被动微波辐射计高时空分辨率的农田尺度土壤湿度观测方法克服上述农田灌溉频率计算准确率较低问题的农田灌溉频率确定方法及装置、计算设备。

2、根据本发明的一个方面，提供了一种基于微无人机载l波段被动微波辐射计的农田灌溉频率确定方法，包括：

3、获取待检测灌溉农田区域的微波遥感数据和观测统计数据，其中，所述观测统计数据包括历史降水量、跨流域调水量、非农业用水量、无人机载l波段被动微波辐射计反演的土壤水分数据、无人机载l波段被动微波辐射计观测亮度温度经过数据同化带入陆面模式之后获得的蒸散发数据、历史水分数据以及水文监测站点的行政区出入境水量；

4、根据所述无人机载l波段被动微波辐射遥感数据反演得到土壤水分数据，根据所述数值模式模拟和数据同化得到蒸散发数据；

5、根据所述土壤水分数据、所述蒸散发数据以及所述观测统计数据的第一部分数据构建决策树支持模型，根据所述第一部分数据的信息增益作为所述决策树支持模型的分支数值；

6、提取剩余的第二部分数据对所述决策树支持模型的决策树进行剪枝，得到所述待检测灌溉区域的灌溉频率。

7、在一种可选的方式中，所述根据所述第一部分数据构建决策树支持模型进一步包括：

8、提取第一预设比例的所述第一部分数据作为所述决策树支持模型的训练样本集；

9、根据所述训练样本集获取样本特征作为所述决策树支持模型的输入变量。

10、在一种可选的方式中，所述提取剩余的第二部分数据对所述决策树支持模型的决策树进行剪枝，得到所述待检测灌溉区域的灌溉频率进一步包括：

11、提取第二预设比例的所述第二部分数据，从下向上对所述第二部分数据进行剪枝，得到所述第二部分数据的待检测灌溉区域的灌溉频率。

12、在一种可选的方式中，所述第一部分数据的信息增益的具体公式为：

13、

14、其中，i＝1,2,…,n，i(s)为信息熵，i(xi)为特征xi的条件熵，i(xij)为特征xij的条件熵。

15、在一种可选的方式中，所述信息熵i(s)的具体公式为：

16、

17、其中，f(ck,s)为样本s中属于ck类的数量，|s|为样本s的数量；

18、所述条件熵i(xi)的具体公式为：

19、

20、其中，|xi|为样本中xi的数量，|xij|为样本中xij的数量。

21、在一种可选的方式中，所述条件熵i(xij)的具体公式为：

22、

23、其中，f(ck,xij)为分类值xij属于ck类的数量。

24、在一种可选的方式中，所述得到所述待检测灌溉区域的灌溉频率的具体公式为：

25、

26、其中，p(ck)＝f(ck,s)/|s|，p(ck)为样本中分析结果为ck的概率，k＝1,2,3，σ，σ为第二预设数量，|s|为样本的数量，p(ym|ck)为样本中分析结果为ck且包含特征为ym的概率。

27、在一种可选的方式中，所述决策树支持模型集成id3、c4.5、cart分类器，利用boosting算法学习多个所述分类器，其中，第i个分类器学习第i-1个分类器没有正确分类的样本，将所述多个分类器线性组合共同对所述样本进行分类。

28、根据本发明的另一方面，提供了一种基于微波遥感的农田灌溉频率确定装置，包括：

29、获取模块，用于获取待检测灌溉农田区域的无人机载l波段被动微波辐射计遥感数据和观测统计数据，其中，所述观测统计数据包括历史降水量、跨流域调水量、非农业用水量、无人机载l波段被动微波辐射计反演的土壤水分数据、数值模式模拟和数据同化蒸散发数据、历史水分数据以及水文监测站点的行政区出入境水量；

30、反演和数值模拟模块，用于根据所述微波遥感数据反演得到土壤水分数据，根据所述数值模式模拟和数据同化得到蒸散发数据；

31、模型构建模块，用于根据所述土壤水分数据、所述蒸散发数据以及所述观测统计数据的第一部分数据构建决策树支持模型，根据所述第一部分数据的信息增益作为所述决策树支持模型的分支数值；

32、优化模块，用于提取剩余的第二部分数据对所述决策树支持模型的决策树进行剪枝，得到所述待检测灌溉区域的灌溉频率。

33、根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

34、所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述基于无人机载l波段被动微波辐射计遥感、数值模式模拟和数据同化模拟的农田灌溉频率确定方法对应的操作。

35、根据本发明提供的方案，获取待检测灌溉农田区域的微波遥感数据和观测统计数据，其中，所述观测统计数据包括历史降水量、跨流域调水量、非农业用水量、无人机载l波段被动微波辐射计反演的土壤水分数据、数值模式模拟和数据同化模拟蒸散发数据、历史水分数据以及水文监测站点的行政区出入境水量；根据所述微波遥感数据反演得到土壤水分数据，根据所述数值模式模拟和数据同化模拟得到蒸散发数据；根据所述土壤水分数据、所述蒸散发数据以及所述观测统计数据的第一部分数据构建决策树支持模型，根据所述第一部分数据的信息增益作为所述决策树支持模型的分支数值；提取剩余的第二部分数据对所述决策树支持模型的决策树进行剪枝，得到所述待检测灌溉区域的灌溉频率。本发明通过集成决策树模型提取训练样本中的特征属性，更加全面准确地预测农田灌溉频率。

36、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。