基于星地多源降水数据融合的冬小麦湿渍害遥感监测方法技术

本发明专利技术公开了一种基于星地多源降水数据融合的冬小麦湿渍害遥感监测方法，包括：收集整理地面雨量计观测降水数据集、卫星反演降水数据集、NDVI数据集、DEM数据、农作物物候信息、冬小麦种植面积统计数据以及冬小麦种植区实地采样数据，并对NDVI数据进行预处理及滤波处理；利用处理之后的NDVI时间序列数据提取冬小麦种植面积空间信息；利用地理加权回归克立金方法构建降水信息融合的定量模型，获取降水数据集；利用降水数据集和提取的冬小麦种植面积，结合湿渍害指标，对冬小麦湿渍害受灾面积进行监测。该发明专利技术利用该数据进行大范围的作物湿渍害空间监测的有效方法，具有稳定的技术可行性。

Remote sensing monitoring method for winter wheat wet waterlogging based on fusion of satellite and multi-source precipitation data

The invention discloses a remote sensing monitoring method for winter wheat wet damage based on satellite-ground multi-source precipitation data fusion, which includes collecting and collating ground rainfall gauge observation precipitation data set, satellite inversion precipitation data set, NDVI data set, DEM data, Crop Phenology information, winter wheat planting area statistics data and winter wheat planting. The data were sampled on the spot, pretreated and filtered by NDVI data; the spatial information of winter wheat planting area was extracted by NDVI time series data after processing; the quantitative model of precipitation information fusion was constructed by using geographically weighted regression Kriging method to obtain precipitation data set; and the precipitation data set and extracted winter were used. The area of wheat planting and the wetness damage index were used to monitor the area of wet soiled damage of winter wheat. The invention has stable technical feasibility and is an effective method for spatial monitoring of crop wet damage on a large scale by using the data.

【技术实现步骤摘要】
基于星地多源降水数据融合的冬小麦湿渍害遥感监测方法
本专利技术属于农业气象灾害监测领域，具体涉及一种基于星地多源降水数据融合的冬小麦湿渍害遥感监测方法。
技术介绍
气候变化背景下，极端天气气候事件增加，使得农业气象灾害呈现出频率高、强度大、危险日益严重的态势，对农业生产的影响日益加剧。湿渍害是世界范围常见的农业气象灾害之一，在美国、澳大利亚、俄罗斯、非洲中东部、中国、巴基斯坦、印度、尼泊尔、孟加拉国等国家均有发生，且不同发育期均会对农作物造成不同程度危害。据估计全球约有10％的土地严重受土壤渍水的影响，然而对于特定区域如东欧和俄罗斯联邦达到20％(FAO，2002)，每年15-20％的小麦种植区受涝渍灾害的影响。在中国，受气候、地形、土壤属性、种植制度等因素的影响，小麦种植区很容易遭受旱涝袭击，水旱轮作的南方区域受湿渍害影响严重。加强作物湿渍害监测研究，对于防灾减灾，保障国家粮食安全具有十分重要的现实意义。降水量是作物湿渍害监测、预报和损失评估最关键的气象指标之一，传统的利用降水数据进行作物湿渍害监测主要通过国家级地面气象观测站的资料，但站点密度稀疏；区域自动气象站建设及投入使用，气象站点的密度加大，但其数据质量、稳定性及其在湿渍害监测及损失评估的应用有待进一步研究。随着科学技术的发展，许多国家陆续发射了一系列对地观测卫星，尤其是美国的热带降雨观测卫星任务(TropicalRainfallMeasurementMission,TRMM)，开启了利用主动遥感反演降水的时代，该任务采用多传感器联合反演降水技术生产3h、逐日和月降水产品。与地面观测和雷达估测降水方法相比，卫星反演降水资料具有全天候、全覆盖的优势，能够比较准确地反映降水的时空分布特征。但卫星反演降水和雷达估测降水本质上都属于间接观测手段，其产品精度的提高必须经过地面资料的订正，订正效果直接决定融合降水资料的质量。鉴于各类观测资料各自所具备的优缺点，综合各个数据源的优势以得到高质量的降水产品，目前主流的做法是将空间覆盖的卫星反演的降水资料与地面站点观测降水资料进行融合。考虑到降雨时空变化剧烈的特征以及卫星反演降水与“真实降水”之间非平稳的空间关系，雨量计和卫星反演降水数据的融合主要采用局部校准的方法进行融合，依靠地面观测资料来校准卫星降水估测结果，包括概率密度匹配法(PDF)(宇婧婧等,2013)、客观分析(Objectiveanalysis，OA)(Barnes,1964；Boushakietal.,2009；Rozanteetal.,2010)、概率密度匹配+最优插值法(Optimuminterpolation,OI)(XieandXiong,2011；潘旸等,2012)、条件融合(Baik等,2016)、自适应核密度估计(LiandShao,2010)、以及地统计学方法(Krajewski,1987；LiandShao,2010；Seo,1998；Tengetal.,2014)等。这些局部融合方法结合了地面雨量计观测和卫星反演各自的优势，能有效提高降水空间估计的准确性。考虑卫星反演降水与“真实降水”之间空间非平稳性关系，以及地理因子如海拔高度、经纬度信息对降水的影响，本专利技术采用地理加权回归克里金方法对地面雨量计观测降水和卫星反演降水数据进行融合。由于目前卫星反演降水数据的空间分辨率较低(如TRMM3B42/3B43V7的空间分辨率为0.25°×0.25°)，卫星反演降水产品的一个像元值是该像元内的平均降水量，而雨量计获取的是点观测值，两者之间存在明显的尺度不匹配问题。若将其作为背景场直接与地面雨量计观测降水进行融合，获取的高分辨率降水数据具有较大的不确定性，同时将在原始卫星降水数据栅格单元的边界处产生明显的不连续现象(AtkinsonandTate,2010；LiandShao,2010；Parketal.,2017；Verdinetal.,2016)。因此，本专利技术在进行星地多源降水数据融合前，首先采用面点克里金方法对原始空间分辨率降水数据进行降尺度，使其与地面雨量计观测降水数据具有更好的可比性。
技术实现思路
本专利技术的目的是针对目前单独使用地面雨量计观测降水对冬小麦湿渍害空间监测的困难，以及单独使用卫星反演降水产品对冬小麦湿渍害空间监测具有较大的误差这一突出问题，采用地理加权回归克立金方法对地面雨量计观测降水数据和卫星反演降水产品进行融合，获取高质量、高空间分辨率的空间降水数据集，并利用该数据对冬小麦湿渍害进行空间监测。本专利技术首先利用不同地物NDVI的季节变化特征，研究提取的冬小麦种植面积的方法，确定区域湿渍害监测中承载体的范围；然后利用面点克立金方法对原始粗分辨率的卫星反演降水数据进行降尺度，解决卫星反演降水与地面雨量计观测降水之间的尺度不匹配问题；之后以降尺度的卫星降水、经纬度和海拔高度作为辅助变量，地面雨量计观测降水作为因变量，利用地理加权回归克立金方法进行多源降水数据的融合，获取高质量、高分辨率的降水数据集；最后利用星地降水融合数据集和NDVI数据提取的冬小麦种植面积，结合湿渍害指标，对冬小麦湿渍害进行动态监测。按照本专利技术提供的技术方案，一种基于星地多源降水数据融合的冬小麦湿渍害遥感监测方法，所述技术方案包括如下步骤：步骤1、获取并整理地面雨量计观测降水数据集、卫星反演降水数据集、NDVI数据集、DEM数据、冬小麦生育期数据、农作物物候信息、冬小麦种植面积统计数据以及冬小麦种植区实地采样数据；步骤2、将步骤1获取的DEM数据重采样到1km空间分辨率，利用重采样的1km栅格数据获取相同分辨率下的经纬度信息，得到1km空间分辨率下的DEM数据及经纬度信息；并对NDVI数据集进行预处理及时间序列重构，得到NDVI时间序列数据；步骤3、通过分析冬小麦生育期数据、农作物物候信息中的冬小麦的物候历、冬小麦种植面积统计数据、冬小麦种植区实地采样数据与植被指数的对应关系，利用步骤2获得的NDVI时间序列数据，采用构建决策树的方法提取冬小麦种植面积空间信息，得到冬小麦种植面积；步骤4、对原始粗分辨率的卫星反演降水数据集进行降尺度，得到降尺度的卫星降水数据，并利用地理加权回归克立金方法构建地面雨量计观测降水数据与降尺度的卫星降水数据和地理因子之间的空间关系模型，获取高质量、高分辨率的降水数据集；步骤5、基于步骤4融合生成的降水数据集，利用冬小麦湿渍害降水指标对冬小麦湿渍害可能发生区域进行空间监测；步骤6、基于步骤5获取的基于融合降水的冬小麦湿渍害监测结果，结合步骤3获得的冬小麦种植面积对冬小麦受灾面积进行监测。本专利技术方法，在融合生成高质量、高分辨率的降水数据集的基础上，结合提取的冬小麦种植面积，利用冬小麦湿渍害指标对冬小麦受灾面积进行监测。步骤1中，NDVI是指植被覆盖指数，DEM是指数字高程模型(DigitalElevationModel)；步骤2中，所述的预处理包括：影像拼接、投影转换、重采样和裁剪；时间序列重构是采用Savizky-Golay滤波对原始NDVI数据进行滤波、去噪，重新构建高质量的NDVI时间序列曲线，得到NDVI时间序列数据。步骤4中，所述的对原始粗分辨率的卫星反演降水数据进行降尺度，其降尺度的目标分辨率是1km；所述的本文档来自技高网...

【技术保护点】
1.一种基于星地多源降水数据融合的冬小麦湿渍害遥感监测方法，其特征在于，包括如下步骤：步骤1、获取并整理地面雨量计观测降水数据集、卫星反演降水数据集、NDVI数据集、DEM数据、冬小麦生育期数据、农作物物候信息、冬小麦种植面积统计数据以及冬小麦种植区实地采样数据；步骤2、将步骤1获取的DEM数据重采样到1km空间分辨率，利用重采样的1km栅格数据获取相同分辨率下的经纬度信息，得到1km空间分辨率下的DEM数据及经纬度信息；并对NDVI数据集进行预处理及时间序列重构，得到NDVI时间序列数据；步骤3、通过分析冬小麦生育期数据、农作物物候信息中的冬小麦的物候历、冬小麦种植面积统计数据、冬小麦种植区实地采样数据与植被指数的对应关系，利用步骤2获得的NDVI时间序列数据，采用构建决策树的方法提取冬小麦种植面积空间信息，得到冬小麦种植面积；步骤4、对原始粗分辨率的卫星反演降水数据集进行降尺度，得到降尺度的卫星降水数据，并利用地理加权回归克立金方法构建地面雨量计观测降水数据与降尺度的卫星降水数据和地理因子之间的空间关系模型，获取高质量、高分辨率的降水数据集；步骤5、基于步骤4融合生成的降水数据集，利用冬小麦湿渍害降水指标对冬小麦湿渍害可能发生区域进行空间监测；步骤6、基于步骤5获取的基于融合降水的冬小麦湿渍害监测结果，结合步骤3获得的冬小麦种植面积对冬小麦受灾面积进行监测。...

【技术特征摘要】
1.一种基于星地多源降水数据融合的冬小麦湿渍害遥感监测方法，其特征在于，包括如下步骤：步骤1、获取并整理地面雨量计观测降水数据集、卫星反演降水数据集、NDVI数据集、DEM数据、冬小麦生育期数据、农作物物候信息、冬小麦种植面积统计数据以及冬小麦种植区实地采样数据；步骤2、将步骤1获取的DEM数据重采样到1km空间分辨率，利用重采样的1km栅格数据获取相同分辨率下的经纬度信息，得到1km空间分辨率下的DEM数据及经纬度信息；并对NDVI数据集进行预处理及时间序列重构，得到NDVI时间序列数据；步骤3、通过分析冬小麦生育期数据、农作物物候信息中的冬小麦的物候历、冬小麦种植面积统计数据、冬小麦种植区实地采样数据与植被指数的对应关系，利用步骤2获得的NDVI时间序列数据，采用构建决策树的方法提取冬小麦种植面积空间信息，得到冬小麦种植面积；步骤4、对原始粗分辨率的卫星反演降水数据集进行降尺度，得到降尺度的卫星降水数据，并利用地理加权回归克立金方法构建地面雨量计观测降水数据与降尺度的卫星降水数据和地理因子之间的空间关系模型，获取高质量、高分辨率的降水数据集；步骤5、基于步骤4融合生成的降水数据集，利用冬小麦湿渍害降水指标对冬小麦湿渍害可能发生区域进行空间监测；步骤6、基于步骤5获取的基于融合降水的冬小麦湿渍害监测结果，结合步骤3获得的冬小麦种植面积对冬小麦受灾面积进行监测。2.根据权利要求1所述的基于星地多源降水数据融合的冬小麦湿渍害遥...

【专利技术属性】
技术研发人员：陈圆圆，黄敬峰，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33