[發明專利]一種基于數據挖掘的干旱監測方法

有效

• 申請號: 201610045728.5
• 申請日: 2016-01-25
• 公開（公告）號: CN105760814B
• 公開（公告）日: 2019-07-02
• 發明（設計）人: 馮杰;何祺勝;楊志勇;于贏東;王興勇;劉盈斐;王開;王鵬;呂燁;張良艷;翁白莎;邵薇薇
• 申請（專利權）人: 中國水利水電科學研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于數據挖掘的干旱監測方法，其特征在于：方法步驟如下，

步驟1，對MODIS植被指數產品、地表溫度產品、蒸散產品進行數據重構；

步驟2，根據步驟1中得到的植被指數及DEM數據，對TRMM降水產品進行降尺度；

對TRMM降水產品進行降尺度方法如下，

1)定義高分辨率(HR)和低分辨率(LR)遙感數據；

2)建立地理加權回歸模型；

將NDVI、DEM數據通過空間平均采樣到0.25°，然后以TRMM數據為因變量，NDVI、DEM數據為自變量，建立地理加權回歸模型；

TRMM＝β₀(u)+β₁(u)×NDVI_LR+β₂(u)×DEM_LR+ε(u) (1)

式中，TRMM為TRMM月降水量，βi(u)為與位置有關的系數，ε(u)為位置有關的殘差；

對于公式1中系數的確定，采用高斯(Gauss)函數作為空間權函數；

ω_ij＝exp-0.5(d_ij/b)² (2)

采用修正后的Akaike信息量準則(Akaike Information Criterion，AIC)進行帶寬的選擇；

其中，下標AICc表示“修正后的”AIC估計值，n是樣點的大小，σ是誤差項估計的標準離差，tr(S)是GWR的S矩陣的跡，它是帶寬的函數；

3)進行參數降尺度，對βi(u)采用最近鄰方法采樣到1km，ε(u)采用樣條插值法采樣到1km；

4)計算TRMM數據降尺度的降水，將分辨率為1km×1km的NDVI、DEM數據帶入公式1中，計算得到高分辨率的1km分辨率的降水數據。

步驟3，再提取植被異常指數、溫度異常指數、蒸散異常指數、降水異常指數；

步驟4，以分類回歸樹模型構建統計回歸規則和線性擬合模型得到干旱監測模型。

2.根據權利要求1所述的一種基于數據挖掘的干旱監測方法，其特征在于：步驟1中，對MODIS MOD13產品的低質量數據使用同月其他年份的植被指數平均值進行充填；使用Hants濾波技術對時間序列植被指數進行去噪平滑處理；對于MOD11A2地表溫度產品，合成算法以每景8d地表溫度產品在某月內所占的天數建立比例為權重，然后按權重將天該月所有地表溫度產品進行線性相加；對合成數據中存在的一些無效值區域采用平均值算法對月地表溫度數據的無效值進行修補；MOD16蒸散的低質量數據使用同月其他年份的蒸散發平均值進行充填。

3.根據權利要求1所述的一種基于數據挖掘的干旱監測方法，其特征在于：步驟1)中，分辨率為1km×1km的數據(NDVI、DEM)稱為高分辨率影像，0.25°分辨率TRMM數據為低分辨率影像。

4.根據權利要求1所述的一種基于數據挖掘的干旱監測方法，其特征在于：步驟3中，

定義標準化植被異常指數為：

StVI＝(NDVI-NDVImean)/NDVIstd (4)

其中NDVImean為時間序列NDVI的均值，NDVIstd為時間序列NDVI的標準差；

定義標準化溫度異常指數為：

StLST＝(LST-LSTmean)/LSTstd (5)

其中LSTmean為時間序列LST的均值，LSTstd為時間序列LST的標準差；

定義標準化降水異常指數為：

StTRMM＝(TRMM-TRMMmean)/TRMMstd (6)

其中TRMMmean為時間序列TRMM降水的均值，LSTstd為時間序列TRMM降水的標準差；

Ratio＝ET/PET (7)

ET為實際蒸散，PET為潛在蒸散；

定義標準化蒸散異常指數為：

StET＝(Ratio-Ratiomean)/Ratiostd (8)

其中Ratiomean為時間序列Ratio的均值，Ratiostd為時間序列Ratio的標準差。

5.根據權利要求1所述的一種基于數據挖掘的干旱監測方法，其特征在于：步驟4中，以分類回歸樹模型構建干旱監測模型方法如下，從氣象數據共享網獲取氣象臺站月平均降水量、氣溫氣象數據，在模型構建和驗證過程中，利用氣象觀測數據計算自適應帕默爾干旱指數，以SC-PDSI為因變量，以提取的植被異常指數、溫度異常指數、蒸散異常指數、降水異常指數以及土地利用、數字海拔高程(DEM)為自變量，按月份建立基于分類回歸統計規則的線性模型，輸出干旱指數，然后利用各月的干旱模型，在ENVI/IDL軟件的支持下，重建干旱指數時序數據集，構建的干旱指數為月尺度、1000m空間分辨率的干旱指數，其完全可滿足當前的干旱時空分辨率監測需求。