[发明专利]一种基于数据挖掘的干旱监测方法

摘要

本发明公开了一种基于数据挖掘的干旱监测方法，方法步骤如下，步骤1，对MODIS植被指数产品、地表温度产品、蒸散产品进行数据重构；步骤2，根据步骤1中得到的植被指数及DEM数据，对TRMM降水产品进行降尺度；步骤3，再提取植被异常指数、温度异常指数、蒸散异常指数、降水异常指数；步骤4，以分类回归树模型构建统计回归规则和线性拟合模型得到干旱监测模型。与现有技术相比较，本发明综合考虑干旱监测中的多源遥感空间信息，包括降水、蒸散、植被生长状态、土地利用类型、海拔高度等因素，采用空间数据挖掘，构建干旱监测模型，提高干旱监测的精度。

主权项

1.一种基于数据挖掘的干旱监测方法，其特征在于：方法步骤如下，步骤1，对MODIS植被指数产品、地表温度产品、蒸散产品进行数据重构；步骤2，根据步骤1中得到的植被指数及DEM数据，对TRMM降水产品进行降尺度；对TRMM降水产品进行降尺度方法如下，1)定义高分辨率(HR)和低分辨率(LR)遥感数据；2)建立地理加权回归模型；将NDVI、DEM数据通过空间平均采样到0.25°，然后以TRMM数据为因变量，NDVI、DEM数据为自变量，建立地理加权回归模型；TRMM＝β₀(u)+β₁(u)×NDVI_LR+β₂(u)×DEM_LR+ε(u)  (1)式中，TRMM为TRMM月降水量，βi(u)为与位置有关的系数，ε(u)为位置有关的残差；对于公式1中系数的确定，采用高斯(Gauss)函数作为空间权函数；ω_ij＝exp‑0.5(d_ij/b)²  (2)采用修正后的Akaike信息量准则(Akaike Information Criterion，AIC)进行带宽的选择；其中，下标AICc表示“修正后的”AIC估计值，n是样点的大小，σ是误差项估计的标准离差，tr(S)是GWR的S矩阵的迹，它是带宽的函数；3)进行参数降尺度，对βi(u)采用最近邻方法采样到1km，ε(u)采用样条插值法采样到1km；4)计算TRMM数据降尺度的降水，将分辨率为1km×1km的NDVI、DEM数据带入公式1中，计算得到高分辨率的1km分辨率的降水数据。步骤3，再提取植被异常指数、温度异常指数、蒸散异常指数、降水异常指数；步骤4，以分类回归树模型构建统计回归规则和线性拟合模型得到干旱监测模型。