[發明專利]一種基于多源數據作物干旱監測方法及應用

在審

• 申請號: 202310365918.5
• 申請日: 2023-04-06
• 公開（公告）號: CN116385899A
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 孫宇;陳曦;馬學喜;王偉勝;楊遼;杜曼·依馬買地
• 申請（專利權）人: 中國科學院新疆生態與地理研究所
• 主分類號: G06V20/13
• 分類號: G06V20/13;G01D21/02;G01W1/02;G06V20/10;G06V10/77;G06V10/762;G06V10/764;G06V10/774;G06V10/82
• 代理公司: 六安立尚專利代理事務所(普通合伙) 34264
• 代理人: 黃煒

本發明屬于數據處理計算技術領域，提供一種基于多源數據作物干旱監測方法及應用，包括采集地面數據；對地面數據進行作物干旱類別標注；建立氣象數據、遙感數據與地面作物干旱類別的反演模型；將反演模型應用到目標區域進行作物干旱，本發明通過結合氣象數據、遙感數據和地面數據，提供了更全面、更準確的作物干旱監測與評估方法，并且本模式基于地面樣本的采集，并重視地面數據使用在模型中的重要性，因為這提供了衛星觀測與實際田間情況的關鍵聯系，這種數據源的整合加強了對作物干旱的更強大、更準確的理解，為當前農作物狀況和潛在未來趨勢提供了寶貴的見解，有助于改進作物管理實踐，減輕干旱對農業生產的影響。

技術領域

本發明涉及遙感、干旱監測技術領域，具體為一種基于多源數據作物干旱監測方法及應用。

背景技術

中亞干旱地區極易受到干旱的影響，水資源管理不善和對灌溉農業的持續性依賴進一步加劇了干旱影響。識別并監測中亞地區干旱發生發展程度，對制定地區政策和防災減災具有重大意義。目前對干旱監測主要通過氣象數據和遙感進行監測，但是現在的監測技術還存在一些不足：

1、氣象數據再分析數據集計算的干旱指數精度較低，無法完成高精度的干旱檢測。地面實測數據精度較高，但是獲取和實驗室處理流程較困難；遙感數據精度較高，但需要地面實測數據進行驗證，現有干旱指數不適用于干旱區干旱監測。

2、現有方法通過遙感數據對氣象指數進行反演，結果精度較差，無法精準監測到具體農田干旱狀況。

3、現有干旱等級評價方法多基于人為主觀評價，缺乏客觀標準。

發明內容

(一)解決的技術問題

針對現有技術的不足，本發明提供了一種基于多源數據作物干旱監測方法及應用，以解決上述背景技術中提出的問題。

(二)技術方案

為實現以上目的，本發明通過以下技術方案予以實現：一種基于多源數據作物干旱監測方法，其特征在于：包括以下步驟：

S1：采集地面數據；

S2：對地面數據進行作物干旱類別標注；

S3：建立氣象數據、遙感數據與地面作物干旱類別的反演模型；

S4：將反演模型應用到目標區域進行作物干旱監測。

作為進一步優選，所述S1中的地面數據包括農田生理狀況和生境信息的相關數據，所述農田生理狀況和生境信息的相關數據具體包括0-10cm土壤水分、10-20cm土壤水分、0-10cm土壤溫度、10-20cm土壤溫度、冠層溫度、2m空氣溫度、作物濕重、烘干后干重及樣品相對含水量等，同時記錄下樣點所處地區的經緯度信息。

作為進一步優選，所述S2中對地面數據進行作物干旱類別標注具體為通過數據挖掘方法對采集的地面數據進行標注，標注的結果可作為反演模型建立的因變量數據集。

作為進一步優選，所述通過數據挖掘方法對采集的地面數據進行標注具體包括對S1采集的地面數據進行K-means聚類算法處理后分成無旱、輕旱、中旱和重旱四類，且分類的的具體過程為：

通過樣點數據斯皮爾曼等級相關性分析出與溫度強相關性的數據類型，然后將樣點數據中的強相關數據類型的數據與2m處的大氣溫度計算WDI實測值作為參考，通過K-means聚類算法處理后，將樣品被劃分為無旱、輕旱、中旱和重旱四類。

作為進一步優選，所述S3中反演模型的建立過程包括：

采用反向特征消除的方法對采集到的數據指標進行降維，利用隨機森林模型中特征重要性進行排序，在保證模型結果不降低的情況下，逐步消除特征重要性較低的指標，經過篩選后的指標作為反演因子；