买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京师范大学

摘要：本发明涉及蒸散发量计算技术领域，特别是指一种基于多源遥感数据的蒸散发量计算方法和系统，包括：根据多个站点的实测蒸散发量，使用蒸散发量Preistly‑Taylor公式计算出多个站点的PT修正系数；根据所述多个站点的多源遥感数据，计算得到若干个蒸散发量影响因子数据，并从所述若干个蒸散发量影响因子数据中确定三个蒸散发量关键影响因子数据；将确定的三个蒸散发量关键影响因子数据和对应的作为标签的PT修正系数输入并训练融合物理信息的人工神经网络模型PI‑ANN；使用训练完成的PI‑ANN，对待计算蒸散发量地区的PT修正系数进行预测；根据预测的PT修正系数，使用Preistly‑Taylor公式计算待计算蒸散发量地区的蒸散发量。采用本发明，可以对待计算蒸散发量地区的蒸散发量进行准确计算。

主权项：1.一种基于多源遥感数据的蒸散发量计算方法，其特征在于，所述方法包括：S1、根据多个站点的实测蒸散发量，使用蒸散发量Preistly-Taylor公式计算出多个站点的PT修正系数α；S2、根据所述多个站点的多源遥感数据，计算得到若干个蒸散发量影响因子数据，并从所述若干个蒸散发量影响因子数据中确定三个蒸散发量关键影响因子数据；S3、将确定的三个蒸散发量关键影响因子数据和对应的作为标签的PT修正系数α，输入并训练融合物理信息的人工神经网络模型PI-ANN；S4、使用训练完成的PI-ANN，对待计算蒸散发量地区的PT修正系数α进行预测；S5、根据预测的PT修正系数α，使用Preistly-Taylor公式计算待计算蒸散发量地区的蒸散发量；所述融合物理信息的人工神经网络模型PI-ANN的损失函数为机器学习损失和物理信息损失的复合损失函数PI-ANN_Loss，所述PI-ANN_Loss旨在优化模型的预测性能，同时确保其输出遵循基本的物理规律，包括均方误差损失MSE_Loss和物理信息损失Physics_Loss两方面，其中Physics_Loss通过结合物理知识，使所述复合损失函数不仅优化了模型在统计上的表现，还确保模型输出在物理上是可解释和合理的，通过将物理规律直接编码进损失函数，模型的决策过程更加透明，输出的可解释性也得到增强，这部分损失通过将模型输出与基于物理公式计算的预期值进行比较来工作，公式如下：PI_featuret＝1.5*VPDt-0.5 PI-ANN_Loss＝MSE_Loss+Physics_Loss其中PI_featuret指物理约束影响因子，引导模型学习符合物理规律的预测，是关于饱和蒸气压差VPDt的函数公式，由于PT修正系数α在Priestly-Taylor公式中，主要表示对于空气不饱和的调节作用，与VPDt相关，因此使用VPDt改进损失函数，增加约束条件的物理意义，Mt表示PT修正系数α的预测值，Ot表示PT修正系数α的真实标签值。

全文数据：

权利要求：

百度查询： 北京师范大学 一种基于多源遥感数据的蒸散发量计算方法及系统