[发明专利]一种农业干旱监测与预警预报方法

摘要

本发明属于农业技术领域，公开了一种农业干旱监测与预警预报方法，进行测量地面，获得地面的光学和微波数据；分析温度‑植被指数和被动微波数据反演土壤水分机理机制，利用地面的光学和微波数据，进行光学和微波遥感数据耦合并反演农田土壤水分；分析农作物不同生长期的光谱数据，建立农作物生长期遥感识别模型，结合农田反演的土壤水分数据和作物生长期信息，确定农作物生长期田间干旱程度。本发明能精确土壤水分判定干旱状况，反映真实的农田旱情。

主权项

一种农业干旱监测与预警预报方法，其特征在于，所述农业干旱监测与预警预报方法包括：进行测量地面，获得地面的光学和微波数据；分析温度‑植被指数和被动微波数据反演土壤水分机理机制，利用地面的光学和微波数据，进行光学和微波遥感数据耦合并反演农田土壤水分；分析农作物不同生长期的光谱数据，建立农作物生长期遥感识别模型；结合农田反演的土壤水分数据和作物生长期信息，确定农作物生长期田间干旱程度；进行光学和微波遥感数据耦合并反演农田土壤水分信号处理方法包括：设目标与决策层中有决策指标p1,p2,…,pm，目标与决策层下的网络架构层有C1,C2,…,CN个指标集，其中Ci中有元素以目标与决策层决策指标ps(s＝1,2,…,m)为准则，以Cj中元素ejk(k＝1,2,…,nj)为次准则，将指标集Ci中指标按其对ejk的影响力大小进行间接优势度比较，即在准则ps下构造判断矩阵：并由特征根法得权重向量对于k＝1,2..,ni重复上述步骤，得到式(1)所示矩阵Wij；Wij=wi1(j1)wi1(j2)...wi1(jnj)wi2(j1)wi2(j2)...wi2(jnj)............wini(j1)wini(j2)...wini(jnj)---(1)]]>其中，Wij的列向量为Ci中的元素对Cj中元素的影响程度排序向量；若Cj中元素不受Ci中元素影响，则Wij＝0；对于i＝1,2,...,N；j＝1,2,...,N重复B，可获得决策准则ps下的超矩阵W:在所述超矩阵W中，元素Wij反映元素i对元素j的一步优势度；还可以计算W2，其元素wij2表示元素i对元素j的二步优势度，W2仍然列为归一化矩阵，以此类推，可以计算W3，W4，…，当W∞存在时，W∞的第j列就是准则ps下网络架构层中各元素对于j的极限相对权重向量，则W∞=W11∞W12∞...W1N∞W21∞W22∞...W2N∞............WN1∞WN2∞...WNN∞---(3)]]>其中每一行的数值，即为相应元素的局部权重向量；当某一行全部为0时，则相应的局部权重为1；将局部权重按元素顺序排列即得到局部权重向量；Q=[q11,...,q1n1,q21,...,q2n2,...,qN1,...,qNnN]T---(4);]]>确定农作物生长期田间干旱程度的图像处理方法包括：构建高分辨率图像训练集输出高分辨率图像THR；构建高分辨率训练集具体包括：(a)搜集多幅彩色高分辨率自然图像；(b)将高分辨率自然图像从红、绿、蓝RGB颜色空间转换到亮度、蓝色色度、红色色度YCbCr颜色空间；(c)收集所有亮度图像作为高分辨率训练图像集其中表示第p幅高分辨率亮度图像，n表示图像的数量；所述输出高分辨率图像THR，具体包括：对低分辨率输入图像块集XT中的每个图像块xtq,其对应的高分辨率输出图像块由如下公式求得：ytq=Σysp∈Nqhwqpysp]]>其中表示待求的高分辨率输出图像块；表示与对应的高分辨率训练图像块；表示与对应的高分辨率K近邻；wqp是求得的重建系数；将所有得到的高分辨率输出图像块拼接起来，重叠区域像素取平均值，得到最终的高分辨率输出亮度图像将得到的彩色图像的色变图像和插值放大到与同样的大小，得到和联合高分辨率亮度图像由YCbCr颜色空间转换到RGB颜色空间，将转换结果作为高分辨率输出图像；低分辨率输入图像块集XT中的每个图像块xtq，中，将图像按从上到下、从左到右的顺序分成相互重叠的方形图像块；将所有方形图像块分别用列矢量表示；收集所有列矢量生成低分辨率输入图像块集其中xtq表示低分辨率输入图像块集中的第q个列矢量，Nt表示输入图像块的数量。将高分辨率训练图像集中所有图像按从上到下、从左到右的顺序分成相互重叠的方形图像块；得到的彩色图像包括：将高分辨率训练图像集中所有图像按从上到下、从左到右的顺序分成相互重叠的方形图像块；将所有方形图像块分别用列矢量表示；收集所有列矢量生成高分辨率训练图像块集其中表示中的第p个列矢量，Ns表示训练图像块的数量，它们与是一一对应的。