[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

说明书

本发明公开了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，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；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；S5、干旱模型计算结果验证。本发明的方法针对西藏自治区考虑了多种干旱致灾因素，建立干旱遥感综合监测模型进去区域干旱监测，克服了现有方法以经验赋权或者权重与重要性不匹配的缺陷。

技术领域

本发明涉及干旱遥感监测技术领域，尤其是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。

背景技术

干旱遥感监测是以干旱过程中的各致旱因子信息为基础，建立干旱遥感综合监测模型并进行干旱监测。干旱作为一种常见的，并且发生频率较高的灾害。对于农业来说，旱灾比水患更为严重，每年遭受各类自然灾害的农田面积和粮食作物减产损失中，旱灾要占一半以上。因此，提高对干旱灾害的监测和评估，从而增强干旱灾害的防御和预警能力已经成为国民经济中亟待解决的重大科学问题。

已有多源遥感数据的干旱监测模型采用的方法主要使用的数学统计的方法，如线性回归、联合分布和主成分分析等，但是由于干旱的致灾因子较为复杂，尤其在不同的地区各种因子的重要性也不尽相同。线性回归难以刻画各种干旱因子之间的非线性关系。联合分布对于多个变量时难以建立模型。而主成分分析线性假设的主成分可能解释性与其贡献率并不完全匹配，这些都使其难以很精确地表征高海拔地区的干旱特征。

目前大多数针对西藏自治区的遥感干旱监测模型只考虑了植被、温度或降水中某单一因素或某两类因子结合，且大多使用MODIS、Landsat、气象卫星数据或微波遥感数据等某单一遥感数据进行干旱监测或土壤含水量的反演，一些干旱指数很难全面反映干旱的发展过程，从而使干旱监测结果具有较大的不确定性。

发明内容

本发明的目的是针对现有干旱遥感监测方法无法精确地表征高海拔的西藏自治区干旱特征的问题，提供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。

本发明的干旱监测方法采用基于偏差校正的随机森林方法对于研究区进行干旱综合监测模型的构建，以3个月的SPEI作为因变量，以降水、温度、土壤水分、植被和海拔作为自变量，构建干旱监测模型。该方法可以客观的以标准化降水蒸散指数(SPEI)作为参考依据，确定每个自变量的相对重要性，输出的干旱状况指数能够客观、合理地反映干旱状况。

本发明提供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，具体步步骤如下：

S1、通过对干旱致灾因子和生成机理的研究，建立研究区干旱遥感监测模型指标体系，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模型指标体系。

S2、研究区域遥感数据收集和预处理。

首先，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。

然后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。

S3、干旱遥感综合监测模型构建变量的计算。

自变量包括植被、温度、降水、土壤水分和高程五个变量。计算方法如下：