本公开遥感观测，尤其涉及一种土壤水分和植被光学厚度检测模型的训练方法、装置。
背景技术：
1、土壤水分是决定农作物生长和发展的关键因素之一，植被光学厚度通常指植被覆盖层的密度和结构，例如包含叶绿素含量、叶面积指数等的植被覆盖层的光学特性数据。这些信息对于监测生态系统健康状态、评估生物多样性和研究全球变化影响具有重要意义。
2、通过对土壤水分和植被光学厚度进行检测，能为农业、生态学和环境保护等领域的决策提供科学依据和支持，也对于实现可持续发展目标和应对气候变化挑战具有重要帮助。
3、但是当前对于通过遥感观测卫星获取并处理数据得到土壤水分和植被光学厚度的效率以及准确性还存在不足，因此，在现有的技术方案中，无法高效准确地基于遥感观测卫星确定土壤水分和植被光学厚度。
技术实现思路
1、本公开提供了一种土壤水分和植被光学厚度检测模型的训练方法、装置、设备及存储介质。
2、根据本公开的第一方面，提供了一种土壤水分和植被光学厚度检测模型的训练方法，该方法包括：
3、获取目标区域的目标时间下观测卫星检测的地表反射率frl、观测卫星的观测方位角θ、相干性标识cf、经度信息lat以及纬度信息lon作为区域地理属性样本；
4、获取目标区域的目标时间下的土壤水分和植被光学厚度作为区域地理属性样本标签；
5、基于区域地理属性样本以及对应的区域地理属性样本标签生成对应的区域地理属性训练样本集；
6、将区域地理属性训练样本集中的区域地理属性样本输入至预设的检测模型中，根据对应的区域地理属性样本标签，基于预设的检测模型中的权重与偏差值，对预设的检测模型进行训练，得到训练后的检测模型。
7、在第一方面的一些实现方式中，frl满足公式其中，观测卫星的观测方位角θ、观测卫星的数据噪声水平σ、观测卫星上的雷达传输函数rt与观测卫星上的雷达反射率rr从cygnss数据获取。
8、在第一方面的一些实现方式中，预设的检测模型中的权重与偏差值满足公式其中，w为权重的集合，b为偏差值的集合，t为检测模型的训练周期，为区域地理属性训练样本集中的区域地理属性样本对应的区域地理属性识别结果，yi为区域地理属性训练样本集中的区域地理属性样本对应的区域地理属性样本标签，n为计算次数。
9、在第一方面的一些实现方式中，所述区域地理属性样本中的数据frl、θ、cf、lat以及lon，满足土壤水分关联函数ζsm＝f(frl,θ,cf,lat,lon,τ)，其中，f为第一关联函数，τ为土壤水分关联函数对应的调整参数，τ＝g(frl,θ,cf,lat,lon,ζsm)，g是第二关联函数。
10、在第一方面的一些实现方式中，所述将区域地理属性训练样本集中的区域地理属性样本输入至预设的检测模型中，根据对应的区域地理属性样本标签，基于预设的检测模型中的权重与偏差值，对预设的检测模型进行训练，得到训练后的检测模型，包括：
11、将区域地理属性训练样本集中的区域地理属性样本输入至预设的检测模型中，得到区域地理属性检测结果；
12、根据区域地理属性训练样本集中区域地理属性样本对应的区域地理属性检测结果以及样本标签计算预设的检测模型的偏差值；
13、根据所述偏差值对所述预设的检测模型的权重进行更新，不断迭代直至满足训练停止条件，得到训练后的检测模型。
14、在第一方面的一些实现方式中，所述将区域地理属性训练样本集中的区域地理属性样本输入至预设的检测模型中，得到区域地理属性检测结果，包括：
15、使用预设的检测模型，基于所述frl、θ、cf、lat、lon以及ζsm，确定区域地理属性检测结果；
16、所述根据所述偏差值对所述预设的检测模型的权重进行更新，不断迭代直至满足训练停止条件，得到训练后的检测模型，包括：
17、根据所述偏差值对所述预设的检测模型的权重以及τ进行更新，不断迭代直至满足训练停止条件，得到训练后的检测模型。
18、根据本公开的第二方面，提供了一种土壤水分和植被光学厚度检测方法，该方法包括：
19、获取目标区域的待检测时间下观测卫星检测的地表反射率frl、观测卫星的观测方位角θ、相干性标识cf、经度信息lat以及纬度信息lon作为待检测样本；
20、基于检测模型对所述待检测样本进行检测，得到目标区域的待检测时间下土壤水分和植被光学厚度，其中，该检测模型是基于第一方面以及第一方面的一些实现方式中的方法得到的。
21、根据本公开的第三方面，提供了一种土壤水分和植被光学厚度检测模型的训练装置，该装置包括：
22、获取模块，用于获取目标区域的目标时间下观测卫星检测的地表反射率frl、观测卫星的观测方位角θ、相干性标识cf、经度信息lat以及纬度信息lon作为区域地理属性样本；
23、所述获取模块，还用于获取目标区域的目标时间下的土壤水分和植被光学厚度作为区域地理属性样本标签；
24、处理模块，用于基于区域地理属性样本以及对应的区域地理属性样本标签生成对应的区域地理属性训练样本集；
25、处理模块，还用于将区域地理属性训练样本集中的区域地理属性样本输入至预设的检测模型中，根据对应的区域地理属性样本标签，基于预设的检测模型中的权重与偏差值，对预设的检测模型进行训练，得到训练后的检测模型。
26、根据本公开的第四方面，提供了一种土壤水分和植被光学厚度的检测装置，该装置包括：
27、获取模块，用于获取目标区域的待检测时间下观测卫星检测的地表反射率frl、观测卫星的观测方位角θ、相干性标识cf、经度信息lat以及纬度信息lon作为待检测样本；
28、检测模块，用于基于检测模型对所述待检测样本进行检测，得到目标区域的待检测时间下土壤水分和植被光学厚度，其中，该检测模型是基于第一方面以及第一方面的一些实现方式中的方法得到的。
29、根据本公开的第五方面，提供了一种电子设备，该电子设备包括：存储器和处理器，存储器上存储有计算机程序，处理器执行程序时实现第一方面以及第一方面的一些实现方式中的方法。
30、根据本公开的第六方面，提供了一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现第一方面以及第一方面的一些实现方式中的方法。
31、本公开，通过获取目标区域的目标时间下观测卫星检测的地表反射率frl、观测卫星的观测方位角θ、相干性标识cf、经度信息lat以及纬度信息lon作为区域地理属性样本；获取目标区域的目标时间下的土壤水分和植被光学厚度作为区域地理属性样本标签；基于区域地理属性样本以及对应的区域地理属性样本标签生成对应的区域地理属性训练样本集；将区域地理属性训练样本集中的区域地理属性样本输入至预设的检测模型中，根据对应的区域地理属性样本标签，基于预设的检测模型中的权重与偏差值，对预设的检测模型进行训练，得到训练后的检测模型。本公开基于包括观测卫星检测的地表反射率frl、观测卫星的观测方位角θ、相干性标识cf、经度信息lat以及纬度信息lon的地理属性样本数据对预设的检测模型进行训练，得到检测模型，进而能够准确对土壤水分和植被光学厚度进行检测。
32、应当理解，
技术实现要素：
部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
1.一种土壤水分和植被光学厚度检测模型的训练方法，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，frl满足公式其中，观测卫星的观测方位角θ、观测卫星的数据噪声水平σ、观测卫星上的雷达传输函数rt与观测卫星上的雷达反射率rr从cygnss数据获取。
3.根据权利要求1所述的方法，其特征在于，预设的检测模型中的权重与偏差值满足公式其中，w为权重的集合，b为偏差值的集合，t为检测模型的训练周期，为区域地理属性训练样本集中的区域地理属性样本对应的区域地理属性识别结果，yi为区域地理属性训练样本集中的区域地理属性样本对应的区域地理属性样本标签，n为计算次数。
4.根据权利要求1所述的方法，其特征在于，所述区域地理属性样本中的数据frl、θ、cf、lat以及lon，满足土壤水分关联函数ζsm＝f(frl,θ,cf,lat,lon,τ)，其中，f为第一关联函数，τ为土壤水分关联函数对应的调整参数，τ＝g(frl,θ,cf,lat,lon,ζsm)，g是第二关联函数。
5.根据权利要求4所述的方法，其特征在于，所述将区域地理属性训练样本集中的区域地理属性样本输入至预设的检测模型中，根据对应的区域地理属性样本标签，基于预设的检测模型中的权重与偏差值，对预设的检测模型进行训练，得到训练后的检测模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述将区域地理属性训练样本集中的区域地理属性样本输入至预设的检测模型中，得到区域地理属性检测结果，包括：
7.一种土壤水分和植被光学厚度的检测方法，其特征在于，所述方法包括：
8.一种土壤水分和植被光学厚度检测模型的训练装置，其特征在于，所述装置包括：
9.一种土壤水分和植被光学厚度的检测装置，其特征在于，所述装置包括：
10.一种电子设备，其特征在于，包括：
