[发明专利]一种适用于西藏地区的基于遥感技术和机器学习的农业干旱监测方法

权利要求书

1.一种适用于西藏地区的基于遥感技术和机器学习的农业干旱监测方法，其特征在于，步骤如下：

S1、通过影响干旱发生的致灾因子，以及西藏自治区特殊的地形条件，选取植被、地表温度、降水、土壤水分、高程这五种与干旱有关的影响因素建立西藏干旱监测模型的指标体系；植被、地表温度、降水、土壤水分和高程五个变量作为自变量；使用3个月时间尺度的标准化降水蒸散指数作为因变量；

S2、研究区域遥感数据收集和预处理；

S3、干旱遥感综合监测模型构建变量的计算；

S4、基于偏差校正的随机森林干旱监测模型的构建；步骤如下：

(1)用训练数据集Y_train＝RF(X_train)构建RF模型，其中X_train和Y_train分别代表自变量和因变量；

(2)计算预测值和残差，其中R_train表示残差，表示预测值，由训练集预测得到；

(3)构建以残差为因变量，训练数据集作为自变量的RF模型，R_train＝RF_res(X_train,Y_train)，此模型可以用来估计测试集的残差；

(4)利用RF模型和测试集数据得出预测值

(5)利用步骤(3)中的RF_res模型得出测试集的残差预测值R_pred；

(6)将预测得到的残差值加上测试集的预测值，得到最终的预测值，利用最终的预测值和测试集比较得出模型的精度；

S5、干旱模型计算结果验证。

2.如权利要求1所述的适用于西藏地区的基于遥感技术和机器学习的农业干旱监测方法，其特征在于，步骤S2包括两个步骤：

(1)下载建立的指标体系选取所需的遥感数据，包括MOD13A3月值3级植被指数产品、青藏高原科学数据中心的月值温度数据产品、月值降水数据产品以及土壤水分数据产品和SRTM-DEM数据；

(2)对上述数据产品进行预处理，提取MODIS数据植被指数产品的增强型植被指数EVI，统一坐标系，空间分辨率统一为一公里，时间分辨率为月。

3.如权利要求1所述的适用于西藏地区的基于遥感技术和机器学习的农业干旱监测方法，其特征在于，步骤S3具体包括以下子步骤：

(1)计算植被状态指数VCI，计算公式如下：

式中：VCI_i为某年i月的植被状态指数；EVI_i为i月的EVI值；EVI_max为多年相应月份EVI的最大值；EVI_min为多年相应月份EVI的最小值；

(2)计算基于地表温度时间序列的温度条件指数TCI，计算公式：

式中：TCI_i为某年i月的温度条件指数；LST_i为i月的LST值；LST_max为多年相应月份LST的最大值；LST_min为多年相应月份LST的最小值；

(3)计算降水状态指数，公式如下：

式中：PCI_i为某年i月的降水状态指数；TRMM_i为i月的降水值；TRMM_max为多年相应月份降水的最大值；TRMM_min为多年相应月份降水最小值；

(4)计算土壤水分状态指数，公式如下：

式中：SMCI_i为某年i月的土壤水分状态指数；SM_i为i月的土壤水分值；SM_max为多年相应月份土壤水分的最大值；SM_min为多年相应月份土壤水分最小值；

(5)计算标准化降水蒸散指数。