【技术实现步骤摘要】
气象和遥感数据协同的作物低温冷冻灾害识别方法
[0001]本申请涉及数据处理
,具体涉及一种气象和遥感数据协同的作物低温冷冻灾害识别方法。
技术介绍
[0002]低温冷冻灾害主要由强冷空气及寒潮侵入造成的连续多日气温急剧下降,使作物因环境温度过低而受到损伤导致减产的农业气象灾害。
[0003]目前,获得时空分布的低温冷冻灾害方法包括人工统计上报、遥感目视解译和遥感自动识别方法。人工统计上报方法主要依靠人工上报,数据的一致性和客观性有待确认,尤其对于大的区域,难以有效的反映实际情况。遥感目视解译方法需要耗费比较大的人力和物力,而且由于受操作者的技能影响,获得的结果往往会具有一定的差异。遥感自动识别方法由于信息获得非常复杂,目前难以获得比较有效的结果,不确定性较大。
[0004]因此,在基于上述各方法进行作物损失评估时,存在灾害信息获取的准确性不足的缺陷,进而导致作物损失评估的精度低下。
技术实现思路
[0005]本申请实施例提供一种气象和遥感数据协同的作物低温冷冻灾害识别方法,用以解决作物损失评估的精度低下的问题。
[0006]第一方面,本申请实施例提供一种气象和遥感数据协同的作物低温冷冻灾害识别方法,包括:
[0007]确定目标区域中作物遭受冷冻灾害的持续时长、空气温度的变化系数、叶绿素指数的变化系数、植被指数的变化系数与后向散射系数的变化系数;
[0008]将所述持续时长、所述空气温度的变化系数、所述叶绿素指数的变化系数、所述植被指数的变化系数与所述后向 ...
【技术保护点】
【技术特征摘要】
1.一种气象和遥感数据协同的作物低温冷冻灾害识别方法,其特征在于,包括:确定目标区域中作物遭受冷冻灾害的持续时长、空气温度的变化系数、叶绿素指数的变化系数、植被指数的变化系数与后向散射系数的变化系数;将所述持续时长、所述空气温度的变化系数、所述叶绿素指数的变化系数、所述植被指数的变化系数与所述后向散射系数的变化系数输入至目标模型中,得到所述目标模型输出的作物产量数据;其中,所述目标模型用于进行作物产量预测;基于所述作物产量数据,确定所述目标区域的作物损失量。2.根据权利要求1所述的气象和遥感数据协同的作物低温冷冻灾害识别方法,其特征在于,所述确定目标区域中作物空气温度的变化系数,包括:确定目标区域的遥感图像中像元所处区域的空气温度;基于所述空气温度与所述像元对应作物的空气温度阈值,确定所述目标区域中作物空气温度的变化系数。3.根据权利要求1所述的气象和遥感数据协同的作物低温冷冻灾害识别方法,其特征在于,所述确定目标区域中作物叶绿素指数的变化系数,包括:确定目标区域的遥感图像中像元对应的作物在当前生长期的叶绿素指数;其中,所述叶绿素指数是基于所述目标区域的绿波段的遥感反射率与红波段的遥感反射率确定的;基于所述叶绿素指数与所述像元对应的作物在当前生长期的叶绿素指数阈值,确定所述目标区域中作物叶绿素指数的变化系数。4.根据权利要求3所述的气象和遥感数据协同的作物低温冷冻灾害识别方法,其特征在于,所述叶绿素指数是基于如下公式确定的:其中,R
g
表示目标区域的遥感图像中像元对应区域绿波段的遥感反射率,R
r
表示所述像元对应区域红波段的遥感反射率。5.根据权利要求1所述的气象和遥感数据协同的作物低温冷冻灾害识别方法,其特征在于,所述确定目标区域中作物植被指数的变化系数,包括:确定目标区域的遥感图像中像元对应的作物在当前生长期的植被指数,基于所述植被指数与所述像元对应的作物在当前生长期的植被指数阈值,确定所述目标区域中作物植被指数的变化系数;其中,所述植被指数基于所述目标区域的近红外波段的遥感反射率与红波段的遥感反射率确定;确定目标区域的遥感图像中像元对应的作物在当前生长期的改进型土壤大气修正指数,基于所述改进型土壤大气修正指数与所述像元对应的作物在当前生长期的改进型土壤大气修正指数阈值,确定所述目标区域中作物植被指数的变化系数;其中,所述改进型土壤大气修正指数基于所述目标区域的蓝波段的遥感反射率、近红外波段的遥感反射率与红波段的遥感反射率确定。6.根据权利要求5所述的气象和遥感数据协同的作物低温冷冻灾害识别方法,其特征在于,所述植被指数是基于如...
【专利技术属性】
技术研发人员:周广胜,王树东,汲玉河,
申请(专利权)人:中国科学院空天信息创新研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。