[发明专利]一种基于多源数据作物干旱监测方法及应用

权利要求书

1.一种基于多源数据作物干旱监测方法，其特征在于：包括以下步骤：

S1：采集地面数据；

S2：对地面数据进行作物干旱类别标注；

S3：建立气象数据、遥感数据与地面作物干旱类别的反演模型；

S4：将反演模型应用到目标区域进行作物干旱监测。

2.根据权利要求1所述的基于多源数据作物干旱监测方法，其特征在于：所述S1中的地面数据包括农田生理状况和生境信息的相关数据，所述农田生理状况和生境信息的相关数据具体包括0-10cm土壤水分、10-20cm土壤水分、0-10cm土壤温度、10-20cm土壤温度、冠层温度、2m空气温度、作物湿重、烘干后干重及样品相对含水量等，同时记录下样点所处地区的经纬度信息。

3.根据权利要求1所述的基于多源数据作物干旱监测方法，其特征在于：所述S2中对地面数据进行作物干旱类别标注具体为通过数据挖掘方法对采集的地面数据进行标注，标注的结果可作为反演模型建立的因变量数据集。

4.根据权利要求3所述的基于多源数据作物干旱监测方法，其特征在于：所述通过数据挖掘方法对采集的地面数据进行标注具体包括对S1采集的地面数据进行K-means聚类算法处理后分成无旱、轻旱、中旱和重旱四类，且分类的的具体过程为：

通过样点数据斯皮尔曼等级相关性分析出与温度强相关性的数据类型，然后将样点数据中的强相关数据类型的数据与2m处的大气温度计算WDI实测值作为参考，通过K-means聚类算法处理后，将样品被划分为无旱、轻旱、中旱和重旱四类。

5.根据权利要求1所述的基于多源数据作物干旱监测方法，其特征在于：所述S3中反演模型的建立过程包括：

采用反向特征消除的方法对采集到的数据指标进行降维，利用随机森林模型中特征重要性进行排序，在保证模型结果不降低的情况下，逐步消除特征重要性较低的指标，经过筛选后的指标作为反演因子；

基于样点实测数据和遥感数据，构建了作物干旱指数CDI，自变量为样点坐标对应的反演因子，因变量为样点的干旱等级标签，完成反演模型的建立。

6.根据权利要求1所述的基于多源数据作物干旱监测方法，其特征在于：所述S4中将反演模型应用到目标区域进行作物干旱的应用过程包括先对目标区域的农田数据进行预处理，利用建立的反演模型，将多源数据转换为对作物干旱的定量评估，通过计算得出当前作物干旱状况，完成对当前作物干旱状况的定量分析；

所述目标区域的农田数据包括气象数据、遥感数据以及地面数据。

7.权利要求1-6任一项所述基于多源数据作物干旱监测方法建立的反演模型在农业干旱监测的应用。