基于物理信息神经网络的根区土壤水遥感反演方法及系统

本发明公开一种基于物理信息神经网络的根区土壤水遥感反演方法及系统，包括：获取研究区域多源基础数据进行标准化预处理；基于光学梯形模型利用预处理后的遥感数据反演得到表层土壤含水率；构建物理信息神经网络‑理查兹模型，以表层土壤含水率和土壤物理参数作为输入，输出有效饱和度，并将理查兹方程嵌入训练过程中作为物理约束，以表层土壤含水率作为上边界驱动进行训练；将各像元的表层土壤含水率及对应土壤物理参数输入训练完成的模型，获得根区不同深度处的土壤含水量并进行精度验证。本发明无需深层下边界条件与根区实测数据，大幅降低了对深层边界数据和长期实测数据的依赖，能有效实现灌区大范围根区土壤墒情动态监测。