【技术实现步骤摘要】
基于遥感时空谱融合的作物干旱识别及风险评估方法
本专利技术涉及遥感与生态农业
,尤其涉及一种基于遥感时空谱融合的作物干旱识别及风险评估方法。
技术介绍
遥感数据的时、空、谱尺度问题是限制农业干旱监测与评估精度和保持时效性的重要原因之一。由于作物分布的空间异质性、光谱的敏感性以及不同生育周期的生长的动态性,需要同时具有高的时间、空间和光谱分辨率的遥感数据,然而由于传感器设计的局限性,时间、空间和光谱分辨率具有互斥性,不可能兼得三项指标。目前,用于干旱识别的航空或航天传感器得到的遥感数据,如陆地卫星Landsat数据、中分辨率成像光谱仪(moderate-resolutionimagingspectroradiometer,简称MODIS)数据、美国国家海洋大气局(NationalOceanicandAtmosphericAdministration,简称NOAA)卫星数据等,这些数据在区域或全球作物干旱监测与评估中取得了重要的成果,然而,由于单一传感器获取数据的局限,不能有效的得到高时间、高空间和高光谱的遥感数据,因此监测精度和时效性存在明显不足。鉴于此,如何得到高时间、高空间和高光谱的遥感数据,并对该遥感数据中的作物干旱进行识别及风险评估成为目前需要解决的技术问题。
技术实现思路
为解决上述的技术问题,本专利技术提供一种基于遥感时空谱融合的作物干旱识别及风险评估方法,能对待测目标区域融合后的高时间、高空间、高光谱分辨率的遥感数据中的作物干旱进行识别及风险评估,结果更精确,时效 ...
【技术保护点】
一种基于遥感时空谱融合的作物干旱识别及风险评估方法,其特征在于,包括:分别获取待测目标区域的高空间分辨率的遥感数据、待测目标区域的高时间分辨率的遥感数据和待测目标区域的高光谱分辨率的遥感数据;将所述高空间分辨率的遥感数据与所述高时间分辨率的遥感数据进行时空融合;将时空融合后的数据与所述高光谱分辨率的遥感数据进行空谱融合,得到待测目标区域的高时间、高空间、高光谱分辨率的遥感数据;根据所述高时间、高空间、高光谱分辨率的遥感数据,获取作物种植面积信息;根据所述作物种植面积信息,利用预设干旱识别模型对作物干旱进行识别,并对不同的历史时期干旱进行识别;根据作物干旱的识别结果,对作物干旱进行风险评估。
【技术特征摘要】
1.一种基于遥感时空谱融合的作物干旱识别及风险评估方法,其特征在于,包括:
分别获取待测目标区域的高空间分辨率的遥感数据、待测目标区域的高时间分辨率的遥感数据和待测目标区域的高光谱分辨率的遥感数据;
将所述高空间分辨率的遥感数据与所述高时间分辨率的遥感数据进行时空融合;
将时空融合后的数据与所述高光谱分辨率的遥感数据进行空谱融合,得到待测目标区域的高时间、高空间、高光谱分辨率的遥感数据;
根据所述高时间、高空间、高光谱分辨率的遥感数据,获取作物种植面积信息;
根据所述作物种植面积信息,利用预设干旱识别模型对作物干旱进行识别,并对不同的历史时期干旱进行识别;
根据作物干旱的识别结果,对作物干旱进行风险评估,包括:根据作物干旱的识别结果,获取作物干旱的面积;根据不同历史时期作物干旱的面积,获取作物的受旱风险值,包括:将风险评估的目标区重新划分为网格单元,并根据网格中不同时期受旱的面积的比例,通过第四公式,获取作物的受旱风险值Ri,j;
其中,所述第四公式为:
其中,Si,j为被评估网格单元的面积;ΔSi,j,k为评估单元中网格中受旱的面积,其中i,j,k分别为待评估网格的第i行,第j列和第k年的网格单元,是通过第五公式计算得到的;na为统计的年数;
所述第五公式为:
Pixel为遥感影像每个像素的面积;Jo.p为干旱判别函数,o和p分别代表第o行,第p列的像素,Jo.p取0为非干旱,1干旱。
2.根据权利要求1所述的方法,其特征在于,在所述分别获取待测目标区域的高空间分辨率的遥感数据、待测目标区域的高时间分辨率的遥感数据和待测目标区域的高光谱分辨率的遥感数据之后,在所述将所述高空间分辨率的遥感数据与所述高时间分辨率的遥感数据进行时空融合之前,还包括:
对所述高时间分辨率的遥感数据进行滤波;
相应地,将所述高空间分辨率的遥感数据与所述高时间分辨率的遥感数据进行时空融合,具体为:
将高空间分辨率的遥感数据与滤波后的高时间分辨率的遥感数据进行时空融合;
相应地,所述将时空融合后的数据与所述高光谱分辨率的遥感数据进行空谱融合,得到待测目标区域的高时间、高空间、高光谱分辨率的遥感数据,具体为:
将时空融合后的数据与滤波后的高光谱分辨率的遥感数据进行空谱融合,得到待测目标区域的高时间、高空间、高光谱分辨率的遥感数据。
3.根据权利要求2所述的方法,其特征在于,所述对所述高时间分辨率的遥感数据进行滤波,包括:
利用S-G滤波算法,对所述高时间分辨率的遥感数据进行滤波。
4.根据权利要求1所述的方法,其特征在于,所述将所述高空间分辨率的遥感数据与所述高时间分辨率的遥感数据进行时空融合,包括:
利用改进型自适应遥感图像时空融合模型ESTRAFM算法,将所述高空间分辨率的遥感数据与所述高时间分辨率的遥感数据进行时空融合;
和/或,
所述将时空融合后的数据与所述高光谱分辨率的遥感数据进行空谱融合,包括:
利用多光谱图像光谱分辨率增强方法SREM融合算法,将时空融合后的数据与所述高光谱分辨率的遥感数据进行空谱融合。
5.根据权利要求1所述的方法,其特征在于,所述根据所述高时间、高空间、高光谱分辨率的遥感数据,获取作物种植面积信息,包括:
根据所述高时间、高空间、高光谱分辨率的遥感数据,获取待测目标区域的EVI时序数据;
根据所述EVI时序数据,生成未受干旱胁迫的正常作物的EVI时序曲线和待干旱识别的作物EVI时序曲线,并通过所生成的EVI时序曲线的斜率变化以及对比未受干旱胁迫的作物物候期,提取所述高时间、高空间、高光谱分辨率的遥感数据中的植被,所述植被包括:部分自...
【专利技术属性】
技术研发人员:王树东,张立福,杨邦会,张潇元,田静国,
申请(专利权)人:中国科学院遥感与数字地球研究所,
类型:发明
国别省市:北京;11
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。