本發(fā)明涉及水文地質學，特別是涉及一種根據(jù)地表植被估測地下水埋深的方法。

背景技術：

1、地下水作為重要的淡水資源，對維持生態(tài)平衡和人類生產生活具有重要意義。然而，傳統(tǒng)的地下水埋深監(jiān)測方法，如地下水井測量法、鉆孔水位測量法、地面凹陷監(jiān)測法等，需要投入大量的人力物力，特別是在大范圍或復雜地形區(qū)域，監(jiān)測成本顯著增加。雖然一些自動化監(jiān)測設備如浮子式水位計等能夠減輕人力負擔，但設備的購置、安裝和維護成本也相對較高。人工觀測需要定期到現(xiàn)場進行，數(shù)據(jù)更新速度較慢，難以滿足實時或高頻次監(jiān)測的需求。部分自動化監(jiān)測設備雖然能夠實時傳輸數(shù)據(jù)，但受到設備性能、通信條件等因素的限制，數(shù)據(jù)獲取效率可能受到影響。地下水位的監(jiān)測精度受到多種環(huán)境因素的影響，如地質條件、水文條件、氣候條件等，這些因素可能導致監(jiān)測結果出現(xiàn)偏差。

2、綜上，傳統(tǒng)的地下水埋深監(jiān)測方法存在成本高、效率低、覆蓋范圍有限等問題，難以滿足大規(guī)模、實時性的監(jiān)測需求。隨著遙感技術的快速發(fā)展，地表植被遙感圖像成為監(jiān)測地下水動態(tài)變化的重要手段之一。然而，如何從復雜的遙感圖像中提取有效信息，并準確估測地下水埋深，仍是一個亟待解決的問題。

技術實現(xiàn)思路

1、本發(fā)明的目的是提供一種根據(jù)地表植被估測地下水埋深的方法，以解決上述現(xiàn)有技術存在的問題，利用深度學習算法對地表植被遙感圖像進行自動特征提取和模式識別，建立地表植被與地下水埋深之間的非線性映射關系，實現(xiàn)地下水埋深的快速、準確估測。

2、為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

3、一種根據(jù)地表植被估測地下水埋深的方法，包括：

4、采集地表數(shù)據(jù)；其中所述地表數(shù)據(jù)包括：植被數(shù)據(jù)、地下水數(shù)據(jù)和環(huán)境數(shù)據(jù)；

5、提取所述地表數(shù)據(jù)的特征數(shù)據(jù)；

6、基于所述特征數(shù)據(jù)訓練長短期記憶網(wǎng)絡模型，獲取地下水埋深估測模型；

7、將待測區(qū)域的地表數(shù)據(jù)輸入所述地下水埋深估測模型，獲取地下水埋深估測結果。

8、可選地，所述植被數(shù)據(jù)包括：植被類型、分布和生長狀況數(shù)據(jù)；

9、所述地下水數(shù)據(jù)包括：歷史水位記錄和動態(tài)變化趨勢數(shù)據(jù)；

10、所述環(huán)境數(shù)據(jù)包括：降水量、蒸發(fā)量、土壤類型、地形地貌對應的環(huán)境因子數(shù)據(jù)。

11、可選地，提取所述地表數(shù)據(jù)的特征數(shù)據(jù)前還包括：對所述地表數(shù)據(jù)進行預處理；

12、對所述地表數(shù)據(jù)進行預處理包括：

13、對所述地表數(shù)據(jù)進行清洗和效驗處理；

14、對效驗后的所述地表數(shù)據(jù)進行歸一化處理。

15、可選地，提取所述地表數(shù)據(jù)的特征數(shù)據(jù)包括：

16、將預處理后的所述地表數(shù)據(jù)輸入預訓練的卷積神經網(wǎng)絡模型，獲取植被覆蓋度、植被類型、植被生長狀況、植被水分含量和光譜特征。

17、可選地，基于所述特征數(shù)據(jù)訓練長短期記憶網(wǎng)絡模型包括：

18、對所述特征數(shù)據(jù)進行時間序列處理，獲取時間序列數(shù)據(jù)；

19、基于所述時間序列數(shù)據(jù)，構建數(shù)據(jù)集；其中，所述數(shù)據(jù)集包括：訓練集、驗證集和測試集；

20、利用所述訓練集對所述長短期記憶網(wǎng)絡模型進行訓練，通過反向傳播算法調整模型參數(shù)；

21、利用所述驗證集對訓練后的模型的超參數(shù)進行調優(yōu)；

22、利用所述測試集對驗證后的模型進行評估，獲取所述地下水埋深估測模型。

23、可選地，所述長短期記憶網(wǎng)絡模型中，在lstm層與輸出層之間引入注意力機制，通過計算輸入特征的預設重要性權重來增強模型對預設關鍵信息的關注度，并且在lstm層之間添加殘差連接，將前一層的輸出直接加到后一層的輸入上。

24、一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)所述的一種根據(jù)地表植被估測地下水埋深的方法。

25、一種電子設備，包括處理器和存儲器，所述存儲器中存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)所述的一種根據(jù)地表植被估測地下水埋深的方法。

26、本發(fā)明的有益效果為：

27、本發(fā)明基于特征數(shù)據(jù)訓練長短期記憶網(wǎng)絡模型，獲取地下水埋深估測模型；將待測區(qū)域的地表數(shù)據(jù)輸入所述地下水埋深估測模型，獲取地下水埋深估測結果；利用深度學習算法對地表植被遙感圖像進行自動特征提取和模式識別，建立地表植被與地下水埋深之間的非線性映射關系，實現(xiàn)地下水埋深的快速、準確估測。

技術特征：

1.一種根據(jù)地表植被估測地下水埋深的方法，其特征在于，包括：

2.根據(jù)權利要求1所述的根據(jù)地表植被估測地下水埋深的方法，其特征在于，

3.根據(jù)權利要求1所述的根據(jù)地表植被估測地下水埋深的方法，其特征在于，提取所述地表數(shù)據(jù)的特征數(shù)據(jù)前還包括：對所述地表數(shù)據(jù)進行預處理；

4.根據(jù)權利要求3所述的根據(jù)地表植被估測地下水埋深的方法，其特征在于，提取所述地表數(shù)據(jù)的特征數(shù)據(jù)包括：

5.根據(jù)權利要求1所述的根據(jù)地表植被估測地下水埋深的方法，其特征在于，基于所述特征數(shù)據(jù)訓練長短期記憶網(wǎng)絡模型包括：

6.根據(jù)權利要求5所述的根據(jù)地表植被估測地下水埋深的方法，其特征在于，所述長短期記憶網(wǎng)絡模型中，在lstm層與輸出層之間引入注意力機制，通過計算輸入特征的預設重要性權重來增強模型對預設關鍵信息的關注度，并且在lstm層之間添加殘差連接，將前一層的輸出直接加到后一層的輸入上。

7.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)權利要求1-6中任一項所述的方法。

8.一種電子設備，其特征在于，包括處理器和存儲器，所述存儲器中存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權利要求1-6中任一項所述的方法。

技術總結
本發(fā)明涉及一種根據(jù)地表植被估測地下水埋深的方法，包括：采集地表數(shù)據(jù)；其中，所述地表數(shù)據(jù)包括：植被數(shù)據(jù)、地下水數(shù)據(jù)和環(huán)境數(shù)據(jù)；提取所述地表數(shù)據(jù)的特征數(shù)據(jù)；基于所述特征數(shù)據(jù)訓練長短期記憶網(wǎng)絡模型，獲取地下水埋深估測模型；將待測區(qū)域的地表數(shù)據(jù)輸入所述地下水埋深估測模型，獲取地下水埋深估測結果。本發(fā)明的方法不僅提高了地下水埋深估測的準確性，還實現(xiàn)了快速、自動化的估測流程，對水資源管理和環(huán)境監(jiān)測具有重要意義。

技術研發(fā)人員：肖善虎,楊紹康,趙振,汪生斌,李銅邦,袁有靖,吳萍,巴瑞壽,王建輝
受保護的技術使用者：青海省環(huán)境地質勘查局
技術研發(fā)日：
技術公布日：2024/12/19