面向复杂地形的农田多源数据智能测绘与规划方法及系统与流程
本申请涉及智能测绘,特别涉及一种面向复杂地形的农田多源数据智能测绘与规划方法及系统。
背景技术:
1、农田参数(如土壤含水量、土壤电导率等)的空间分布信息是精准农业中制定灌溉方案、施肥策略以及病虫害防控措施的重要依据。随着传感器技术的快速发展,获取农田参数的手段日益丰富,包括地面传感器网络测量、卫星遥感影像反演以及无人机载传感器探测等。然而,在复杂地形条件下(如丘陵地带、坡耕地等),农田参数的空间分布往往呈现较强的非均匀性,这对参数的空间估计提出了更高要求。
2、为获取农田参数的空间分布,现有技术通常采用空间插值方法。典型的空间插值方法包括克里金插值、反距离加权插值以及样条插值等。这些方法基于空间自相关性假设,即距离较近的观测点具有相似的参数值。进一步地,为提高估计精度,现有技术还将多源观测数据(如遥感反演数据和地面传感器数据)通过加权融合的方式纳入空间插值框架。
3、然而,上述现有技术在复杂地形条件下难以获得可靠的估计结果。由于地形起伏变化较大,不同位置观测数据的代表性存在显著差异,导致现有方法在待估计区域的估计结果与实际情况存在偏差,影响了估计结果的可靠性与精度。
技术实现思路
1、为了解决上述技术问题,本申请提供了一种面向复杂地形的农田多源数据智能测绘与规划方法及系统,能够在考虑地形各向异性的前提下,精确获取农田参数的空间分布。
2、本申请实施例公开了如下技术方案:
3、第一方面,本申请提供了一种面向复杂地形的农田多源数据智能测绘与规划方法,该方法包括:
4、获取待估计区域的数字高程模型数据和农田参数观测值;农田参数观测值由多源传感器获取;
5、将待估计区域离散为n个网格点,n为正整数;
6、基于数字高程模型数据,确定每个网格点的水流方向,并根据水流方向计算每个网格点的汇水面积;
7、基于数字高程模型数据,计算每个网格点的坡向;
8、计算相邻网格点之间的方向感知权重;
9、根据汇水面积和水流方向,确定具有水力连通关系的相邻网格点对,以及根据每一相邻网格点对之间的网格约束关系构建水文连通性约束;
10、基于每个网格点的汇水面积,估计物理趋势项;
11、构建目标函数;其中目标函数包括:数据保真项,用于使估计结果拟合农田参数观测值;物理趋势约束项,用于约束残差项在零附近分布;其中,残差项为农田参数反演值与物理趋势项的差值;各向异性正则项,用于约束残差项沿坡向方向的平滑程度强于沿垂直于坡向方向的平滑程度;
12、求解包含水文连通性约束的目标函数,得到每个网格点对应的农田参数反演值。
13、第二方面,本申请提供了一种面向复杂地形的农田多源数据智能测绘与规划系统,该系统包括:
14、数据获取单元,用于获取待估计区域的数字高程模型数据和观测农田参数;观测农田参数由多源传感器获取;
15、网格离散化单元,用于将待估计区域离散为n个网格点,n为正整数;
16、水文分析单元,用于基于数字高程模型数据,确定每个网格点的水流方向,并根据水流方向计算每个网格点的汇水面积;
17、坡向计算单元,用于基于数字高程模型数据,计算每个网格点的坡向;
18、权重计算单元,用于计算相邻网格点之间的方向感知权重;
19、约束构建单元,用于根据汇水面积和水流方向,确定具有水力连通关系的相邻网格点对,以及根据每一相邻网格点对之间的网格约束关系构建水文连通性约束;
20、趋势估计单元,用于基于每个网格点的汇水面积,估计物理趋势项;
21、目标函数构建单元,用于构建目标函数;其中目标函数包括:数据保真项,用于使估计结果拟合观测农田参数;物理趋势约束项,用于约束残差项在零附近分布;其中,残差项为反演农田参数与物理趋势项的差值;各向异性正则项,用于约束残差项沿坡向方向的平滑程度强于沿垂直于坡向方向的平滑程度;
22、优化求解单元,用于求解包含水文连通性约束的目标函数,得到每个网格点对应的反演农田参数。
23、本申请有益效果:1)相比于现有技术中基于各向同性假设的空间插值方法,本申请采用各向异性正则项约束残差项沿坡向方向的平滑程度强于垂直于坡向方向,从而有效适应了复杂地形条件下参数分布的方向性差异,提升了复杂地形区域的估计精度;
24、2)本申请基于数字高程模型提取的水流方向和汇水面积信息,构建了水文连通性约束,将水流从上游到下游的物质传输物理规律显式融入多源数据融合框架。通过约束具有水力连通关系的相邻网格点之间的参数关系,使得遥感反演数据、地面传感器数据等多源观测数据在融合过程中能够遵循水力连通关系,有效解决了多源数据在空间覆盖范围和局部精度上存在差异而导致的融合冲突问题;
25、3)相比于现有技术中仅依赖统计自相关性进行估计的方法,本申请将领域知识以显式约束的形式纳入优化框架,有效避免了估计结果违背基本物理规律的情形,提高了估计结果在物理意义上的合理性;
26、4)与现有技术中单一的平滑约束相比,本申请的各向异性正则项允许残差在垂直于坡向方向存在较大变化,从而在保证整体平滑性的同时,有效保留了如田埂、排水沟等局部特征引起的参数突变信息。
27、综上所述,本申请通过数据保真项、物理趋势约束项和各向异性正则项的协同作用,使得估计结果同时拟合多源观测数据、遵循物理趋势并保持合理的空间平滑性。在复杂地形条件下,相比于现有技术,本发明通过引入水文连通性约束和各向异性正则项,有效降低了估计结果在局部区域的偏差,提高了农田参数空间分布估计的整体精度和可靠性。
1.一种面向复杂地形的农田多源数据智能测绘与规划方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
3.根据权利要求2所述的方法,其特征在于,所述确定沿坡向方向的相关长度和垂直于坡向方向的相关长度,包括:
4.根据权利要求2所述的方法,其特征在于,所述基于所述沿坡向距离分量、所述垂直于坡向距离分量,以及所述沿坡向方向的相关长度和所述垂直于坡向方向的相关长度,计算所述相邻网格点之间的方向感知权重,包括:
5.根据权利要求2所述的方法,其特征在于,所述各向异性正则项具体包括:
6.根据权利要求2所述的方法,其特征在于,所述构建目标函数,还包括:
7.根据权利要求2所述的方法,其特征在于,所述根据每一相邻网格点对之间的网格约束构建水文连通性约束,包括:
8.根据权利要求7所述的方法,其特征在于,所述求解包含所述水文连通性约束的所述目标函数,得到每个网格点对应的农田参数反演值,包括:
9.根据权利要求1所述的方法,其特征在于,所述基于每个网格点的汇水面积,估计物理趋势项,包括:
10.一种面向复杂地形的农田多源数据智能测绘与规划系统,其特征在于,所述系统包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com