基于遥感的土壤质量分析方法、装置及电子设备

技术领域

本发明涉及遥感图像处理技术领域，尤其涉及一种基于遥感的土壤质量分析方法、装置及电子设备。

背景技术

目前，利用遥感数据进行土壤分析的技术方案，大多数都是只关注单一的土壤参数估计，尤其以含水量居多，并未将不同土地结构、土地类型以及土层深度等因素进行综合分析。此外，现有技术仍受限于光谱数据，缺乏对土壤质量的全面评估与等级划分。

因此，如何实现对土壤质量评估的全面性和准确性，是当前亟需解决的技术问题。

发明内容

本发明提供一种遥感图像处理技术领域，尤其涉及一种基于遥感的土壤质量分析方法、装置及电子设备，用以解决现有技术中上述存在的缺陷，实现对土壤质量评估的全面性和准确性。

本发明提供一种基于遥感的土壤质量分析方法，包括：

获取卫星遥感数据和DEM高程数据；

基于所述卫星遥感数据获取土地结构图像；

基于图像处理技术对所述土地结构图像进行分割和识别，确定不同土地结构区域的土地类型；

基于所述DEM高程数据对各所述土地类型进行土壤层次识别，得到土壤层次深度；

基于所述遥感数据确定土壤影响参数，基于所述土壤影响参数、土地类型以及土壤层次深度，得到土壤质量参数；

基于所述土壤质量参数确定土壤质量分析结果。

根据本发明提供的一种基于遥感的土壤质量分析方法，所述基于图像处理技术对所述土地结构图像进行分割和识别，确定不同土地结构区域的土地类型，包括：

对所述土地结构图像进行图像大小调整、灰度值平衡以及边缘检测，得到预处理图像；

基于第一卷积神经网络模型对所述预处理图像进行卷积、池化以及上采样，得到所述预处理图像的图像特征，基于所述图像特征确定不同的土地结构；

基于第二卷积神经网络模型对各所述土地结构进行识别，得到所述不同土地结构区域的土地类型。

根据本发明提供的一种基于遥感的土壤质量分析方法，所述土壤影响参数包括NDVI值、高程、地表温度、归一化水体指数中的至少一种。

根据本发明提供的一种基于遥感的土壤质量分析方法，所述基于所述DEM高程数据对各所述土地类型进行土壤层次识别，得到土壤层次深度，包括：

基于所述DEM高程数据确定所述土地类型的起始厚度和空间坐标；

通过扩张模型基于所述起始厚度、空间坐标以及计算参数，得到所述土壤层次深度，如以下公式所示：

H

H

其中，所述计算参数是基于机器学习对所述扩张模型进行拟合验证确定的

根据本发明提供的一种基于遥感的土壤质量分析方法，所述基于所述土壤影响参数、土地类型以及土壤层次深度，得到土壤质量参数，包括：

基于回归模型对所述土壤影响参数、土地类型以及土壤层次深度进行分析，得到所述土壤质量参数，如以下公式所示：

M＝β

其中，M为所述土壤质量参数，t

所述回归系数和误差项是基于机器学习对所述回归模型进行你拟合验证确定的。

根据本发明提供的一种基于遥感的土壤质量分析方法，所述土壤影响参数包括土壤平均颗粒直径；

所述土壤平均颗粒直径的确定方法包括：

确定进行土壤质量参数分析对应的目标图像的像素面积；

在所述土壤质量参数中遍历表示土壤颗粒直径的目标参数；

基于所述目标参数和像素面积，确定所述土壤平均颗粒直径。

根据本发明提供的一种基于遥感的土壤质量分析方法，所述基于所述土壤质量参数确定土壤质量分析结果，包括：

将所述土壤质量参数转换为标准化分值，并确定各所述土壤质量参数对应的目标权重；

对所述标准化分值和所述目标权重进行加权平均，得到所述土壤质量分析结果。

本发明还提供一种基于遥感的土壤质量分析装置，包括：

数据获取模块，用于获取卫星遥感数据和DEM高程数据；

图像获取模块，用于基于所述卫星遥感数据获取土地结构图像；

分割识别模块，用于基于图像处理技术对所述土地结构图像进行分割和识别，确定不同土地结构区域的土地类型；

层次识别模块，用于基于所述DEM高程数据对各所述土地类型进行土壤层次识别，得到土壤层次深度；

参数确定模块，用于基于所述遥感数据确定土壤影响参数，基于所述土壤影响参数、土地类型以及土壤层次深度，得到土壤质量参数；

质量分析模块，用于基于所述土壤质量参数确定土壤质量分析结果。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于遥感的土壤质量分析方法。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于遥感的土壤质量分析方法。

本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于遥感的土壤质量分析方法。

本发明提供的基于遥感的土壤质量分析方法、装置及电子设备，通过获取卫星遥感数据和DEM高程数据，基于卫星遥感数据获取土地结构图像；基于图像处理技术对土地结构图像进行分割和识别，确定不同土地结构区域的土地类型；基于DEM高程数据对各土地类型进行土壤层次识别，得到土壤层次深度；基于遥感数据确定土壤影响参数，基于土壤影响参数、土地类型以及土壤层次深度，得到土壤质量参数，最后基于土壤质量参数确定土壤质量分析结果。本发明能够实现对土壤质量评估的全面性和准确性。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的基于遥感的土壤质量分析方法的流程示意图之一；

图2是本发明提供的基于遥感的土壤质量分析方法的流程示意图之二；

图3是本发明提供的基于遥感的土壤质量分析方法的流程示意图之二；

图4是本发明提供的基于遥感的土壤质量分析装置的结构示意图；

图5是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1，本发明提供的基于遥感的土壤质量分析方法，包括但不限于以下步骤：

步骤110、获取卫星遥感数据和DEM高程数据；

步骤120、基于所述卫星遥感数据获取土地结构图像；

步骤130、基于图像处理技术对所述土地结构图像进行分割和识别，确定不同土地结构区域的土地类型；

步骤140、基于所述DEM高程数据对各所述土地类型进行土壤层次识别，得到土壤层次深度；

步骤150、基于所述遥感数据确定土壤影响参数，基于所述土壤影响参数、土地类型以及土壤层次深度，得到土壤质量参数；

步骤160、基于所述土壤质量参数确定土壤质量分析结果。

以下对上述各步骤进行详细描述。

在上述步骤110和步骤120中，获取卫星遥感数据和DEM高程数据，然后从卫星遥感数据中获取土地结构图像。卫星遥感数据为高分辨率的遥感数据，高分辨率的卫星遥感数据通常指的是具有较细腻的空间细节和更精确的地物信息的数据。其分辨率定义为单位地面区域对应于传感器像素的大小，高分辨率卫星遥感数据的分辨率可以达到几米到几十厘米不等。

DEM(Digital Elevation Model)高程数据是地理信息系统(GIS)中用于描述地表高度的数字模型，以栅格或矢量形式表示地表的海拔或高程信息。DEM高程数据也是通过测量或遥感技术获取，可以提供地形表面的详细描述和定量分析。DEM高程数据记录了地表上的每个位置的高程数值，通常以米为单位。DEM数据可用于许多应用领域，包括地形分析、水文建模、土地利用规划、三维可视化等。

然后通过上述步骤130和步骤140，对获取到的土地结构图像进行类型识别以及层次深度识别。

对土地结构图像进行类型识别的过程可利用卷积神经网络模型来实现，即对土地结构图像进行特征提取、特征分割等操作，从而将土地结构图像分割为土壤、沙漠、草地、道路、建筑等不同的土地结构。

对土地结构图像进行层次深度识别的过程可利用扩张模型通过习惯性厚度差异来进行土壤层次的分析，其划分原则是依据不同土层的习惯性厚度差异进行划分，从而确定土地结构图像不同水平面的土壤层次深度。

进一步地，通过上述步骤150，根据上述获取的土地类型和土壤层次深度，结合土壤影响参数进行综合分析，得到土壤的质量参数。

可选地，所述土壤影响参数包括NDVI值、高程、地表温度、归一化水体指数中的至少一种。

可以理解的是，上述土壤影响参数，比如NDVI值、高程、地表温度、归一化水体指数可直接根据遥感数据获取，然后结合上述步骤130和步骤140获取的土地类型以及土壤层次深度，确定土壤的质量参数，包括但不限于土壤有机质含量、PH值、含水量、平均颗粒度直径等参数。

最后，根据上述获取的土壤质量参数结合各参数的权重数据，得到最终的土壤质量评估结果。

本发明提供的基于遥感的土壤质量分析方法，通过获取卫星遥感数据和DEM高程数据，基于卫星遥感数据获取土地结构图像；基于图像处理技术对土地结构图像进行分割和识别，确定不同土地结构区域的土地类型；基于DEM高程数据对各土地类型进行土壤层次识别，得到土壤层次深度；基于遥感数据确定土壤影响参数，基于土壤影响参数、土地类型以及土壤层次深度，得到土壤质量参数，最后基于土壤质量参数确定土壤质量分析结果。本发明能够实现对土壤质量评估的全面性和准确性。

参照图2，在一些可选的实施例中，所述基于图像处理技术对所述土地结构图像进行分割和识别，确定不同土地结构区域的土地类型，包括：

步骤210、对所述土地结构图像进行图像大小调整、灰度值平衡以及边缘检测，得到预处理图像；

步骤220、基于第一卷积神经网络模型对所述预处理图像进行卷积、池化以及上采样，得到所述预处理图像的图像特征，基于所述图像特征确定不同的土地结构；

步骤230、基于第二卷积神经网络模型对各所述土地结构进行识别，得到所述不同土地结构区域的土地类型。

可以理解的是，本实施例为土地类型识别的具体方式，其具体流程如下：

图像预处理：首先需要进行图像预处理，包括图像大小调整、灰度值平衡、边缘检测等操作，以得到更好的图像质量，便于后续的图像分割和识别。

图像分割：深度学习分割算法则借助于第一卷积神经网络模型，如U-Net卷积神经网络模型，通过多次卷积、池化和上采样等操作，自动地提取图像特征，实现图像分割，分割出土壤、沙漠、草地、道路、建筑等不同的土地结构。

识别算法：在获得土地结构区域之后，再采用深度学习算法，通过第二卷积神经网络模型，如AlexNet卷积神经网络模型，以第二步骤中的土地结构作为输入，识别出耕地、林地、草地、城市区域、山体、沙漠等土地类型。

本发明提供的基于遥感的土壤质量分析方法，通过卷积神经网络模型对遥感获取的图像进行图像分割和类型识别，能够准确的将遥感获取的土地结构图像分成各种不同的类型，以便对各种类型的土地结构图像进行土壤质量分析，从而实现土壤质量分析的全面性和准确性。

在一些可选的实施例中，所述基于所述DEM高程数据对各所述土地类型进行土壤层次识别，得到土壤层次深度，包括：

基于所述DEM高程数据确定所述土地类型的起始厚度和空间坐标；

通过扩张模型基于所述起始厚度、空间坐标以及计算参数，得到所述土壤层次深度，如以下公式所示：

H

H

其中，所述计算参数是基于机器学习对所述扩张模型进行拟合验证确定的。

可以理解的是，本实施例为土壤层次深度的获取过程。

基于高程数据，采用扩张模型，通过习惯性厚度差异来进行土壤层次的分析，其划分原则是依据不同土层的习惯性厚度差异进行划分，依据公式如下：

H

其中，H

通过对不同的土壤类型进行实际采样测深，利用该扩张模型进行机器学习，对参数K

本发明提供的基于遥感的土壤质量分析方法，通过DEM高程数据获取土地结构图像的起始厚度以及空间坐标，并通过拟合验证获取相关参数，进而获取该土地结构图像的土壤层次深度，以便根据土壤层次深度进行土壤质量分析，从而实现土壤质量分析的全面性和准确性。

在一些可选的实施例中，所述基于所述土壤影响参数、土地类型以及土壤层次深度，得到土壤质量参数，包括：

基于回归模型对所述土壤影响参数、土地类型以及土壤层次深度进行分析，得到所述土壤质量参数，如以下公式所示：

M＝β

其中，M为所述土壤质量参数，t

所述回归系数和误差项是基于机器学习对所述回归模型进行你拟合验证确定的。

可以理解的是，本实施例为土壤质量参数的确定过程。

在本实施例中，比如将上述的NDVI值、高程、地表温度、归一化水体指数、土地类型以及土壤层次深度分别记为t

根据上述公式，计算出利用土壤影响参数、土地类型以或土壤层次深度得到的土壤质量参数。

进一步地，所述土壤影响参数包括土壤平均颗粒直径；

所述土壤平均颗粒直径的确定方法包括：

确定进行土壤质量参数分析对应的目标图像的像素面积；

在所述土壤质量参数中遍历表示土壤颗粒直径的目标参数；

基于所述目标参数和像素面积，确定所述土壤平均颗粒直径。

土壤质量参数包括土壤有机质含量、PH值、含水量、平均颗粒度直径等参数。

其中，本实施例主要确定土壤平均颗粒直径。

首先，确定在土地结构图像的土地类型识别过程中的目标图像的像素面积。然后遍历目标图像中所有的土壤颗粒直径，最后通过求和平均确定土壤平均颗粒直径，具体公式可体现为：

其中，Di表示第i个颗粒的直径，Ai为其像素面积。通过遍历整个土地分类切割图像，可以得到不同切割图像下的平均颗粒直径。

在一些可选的实施例中，所述基于所述土壤质量参数确定土壤质量分析结果，包括：

将所述土壤质量参数转换为标准化分值，并确定各所述土壤质量参数对应的目标权重；

对所述标准化分值和所述目标权重进行加权平均，得到所述土壤质量分析结果。

可以理解的是，本实施例为土壤质量的分析过程。

首先，将上述土壤质量参数转化为标准化分值，将数值按比例缩放到0～1之间。然后，根据加权平均法，对于n个土壤参数，假设第i个参数的标准化分值为S

在实际的实施过程中，可将土壤质量终可以按照分值区间，对土地进行整体的等级划分，优：[0.8,1.0)；良：[0.6,0.8)；中：[0.4,0.6)；差：[0.2,0.4)；极差：[0.0,0.2)。

本发明提供的基于遥感的土壤质量分析方法，通过对土壤质量参数进行标准化分值转换，并利用其权重系数进行加权求和，从而得到最终的土壤质量的综合评分，实现土壤质量分析的全面性和准确性。

下面对本发明提供的基于遥感的土壤质量分析装置进行描述，下文描述的基于遥感的土壤质量分析装置与上文描述的基于遥感的土壤质量分析方法可相互对应参照。

参照图4，本发明提供的基于遥感的土壤质量分析装置，包括以下模块：

数据获取模块410，用于获取卫星遥感数据和DEM高程数据；

图像获取模块420，用于基于所述卫星遥感数据获取土地结构图像；

分割识别模块430，用于基于图像处理技术对所述土地结构图像进行分割和识别，确定不同土地结构区域的土地类型；

层次识别模块440，用于基于所述DEM高程数据对各所述土地类型进行土壤层次识别，得到土壤层次深度；

参数确定模块450，用于基于所述遥感数据确定土壤影响参数，基于所述土壤影响参数、土地类型以及土壤层次深度，得到土壤质量参数；

质量分析模块460，用于基于所述土壤质量参数确定土壤质量分析结果。

本发明提供的基于遥感的土壤质量分析装置，通过获取卫星遥感数据和DEM高程数据，基于卫星遥感数据获取土地结构图像；基于图像处理技术对土地结构图像进行分割和识别，确定不同土地结构区域的土地类型；基于DEM高程数据对各土地类型进行土壤层次识别，得到土壤层次深度；基于遥感数据确定土壤影响参数，基于土壤影响参数、土地类型以及土壤层次深度，得到土壤质量参数，最后基于土壤质量参数确定土壤质量分析结果。本发明能够实现对土壤质量评估的全面性和准确性。

在一些可选的实施例中，所述基于图像处理技术对所述土地结构图像进行分割和识别，确定不同土地结构区域的土地类型，包括：

对所述土地结构图像进行图像大小调整、灰度值平衡以及边缘检测，得到预处理图像；

基于第一卷积神经网络模型对所述预处理图像进行卷积、池化以及上采样，得到所述预处理图像的图像特征，基于所述图像特征确定不同的土地结构；

基于第二卷积神经网络模型对各所述土地结构进行识别，得到所述不同土地结构区域的土地类型。

在一些可选的实施例中，所述土壤影响参数包括NDVI值、高程、地表温度、归一化水体指数中的至少一种。

在一些可选的实施例中，所述基于所述DEM高程数据对各所述土地类型进行土壤层次识别，得到土壤层次深度，包括：

基于所述DEM高程数据确定所述土地类型的起始厚度和空间坐标；

通过扩张模型基于所述起始厚度、空间坐标以及计算参数，得到所述土壤层次深度，如以下公式所示：

H

H

其中，所述计算参数是基于机器学习对所述扩张模型进行拟合验证确定的

在一些可选的实施例中，所述基于所述土壤影响参数、土地类型以及土壤层次深度，得到土壤质量参数，包括：

基于回归模型对所述土壤影响参数、土地类型以及土壤层次深度进行分析，得到所述土壤质量参数，如以下公式所示：

M＝β

其中，M为所述土壤质量参数，t

所述回归系数和误差项是基于机器学习对所述回归模型进行你拟合验证确定的。

在一些可选的实施例中，所述土壤质量参数包括土壤平均颗粒直径；

所述土壤平均颗粒直径的确定方法包括：

确定进行土壤质量参数分析对应的目标图像的像素面积；

在所述土壤质量参数中遍历表示土壤颗粒直径的目标参数；

基于所述目标参数和像素面积，确定所述土壤平均颗粒直径。

在一些可选的实施例中，所述基于所述土壤质量参数确定土壤质量分析结果，包括：

将所述土壤质量参数转换为标准化分值，并确定各所述土壤质量参数对应的目标权重；

对所述标准化分值和所述目标权重进行加权平均，得到所述土壤质量分析结果。

图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行基于遥感的土壤质量分析方法，该方法包括：

获取卫星遥感数据和DEM高程数据；

基于所述卫星遥感数据获取土地结构图像；

基于图像处理技术对所述土地结构图像进行分割和识别，确定不同土地结构区域的土地类型；

基于所述DEM高程数据对各所述土地类型进行土壤层次识别，得到土壤层次深度；

基于所述遥感数据确定土壤影响参数，基于所述土壤影响参数、土地类型以及土壤层次深度，得到土壤质量参数；

基于所述土壤质量参数确定土壤质量分析结果。

此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于遥感的土壤质量分析方法，该方法包括：

获取卫星遥感数据和DEM高程数据；

基于所述卫星遥感数据获取土地结构图像；

基于图像处理技术对所述土地结构图像进行分割和识别，确定不同土地结构区域的土地类型；

基于所述DEM高程数据对各所述土地类型进行土壤层次识别，得到土壤层次深度；

基于所述遥感数据确定土壤影响参数，基于所述土壤影响参数、土地类型以及土壤层次深度，得到土壤质量参数；

基于所述土壤质量参数确定土壤质量分析结果。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于遥感的土壤质量分析方法，该方法包括：

获取卫星遥感数据和DEM高程数据；

基于所述卫星遥感数据获取土地结构图像；

基于图像处理技术对所述土地结构图像进行分割和识别，确定不同土地结构区域的土地类型；

基于所述DEM高程数据对各所述土地类型进行土壤层次识别，得到土壤层次深度；

基于所述遥感数据确定土壤影响参数，基于所述土壤影响参数、土地类型以及土壤层次深度，得到土壤质量参数；

基于所述土壤质量参数确定土壤质量分析结果。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。