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

本发明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，包括：分别获取待测目标区域的高空间、高时间和高光谱分辨率的遥感数据；将高空间与高时间分辨率的遥感数据进行时空融合；将时空融合后数据与高光谱分辨率的遥感数据进行空谱融合；根据空谱融合后的高时间、高空间、高光谱分辨率的遥感数据获取作物种植面积信息；根据作物种植面积信息，利用预设干旱识别模型对作物干旱面积进行识别并对不同历史时期作物干旱面积进行识别；根据识别结果，对作物干旱进行风险评估。该方法应用融合后的高时间、高空间、高光谱分辨率的遥感数据对待测目标区域作物进行干旱识别及风险评估，结果更精确，时效性更强。

【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，时效性更高。第一方面，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，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。可选地，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。可选地，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。可选地，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。可选地，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：部分自然植被和全部农田作物；利用1/3高处的宽度算法，从所提取的植被中提取农田作物；根据数字高程模型及坡度图，从所提取的农田作物中区分坡耕地和平耕地；其中，所构建的EVI时序曲线的斜率计算公式如下：其中，Et2-t1、Et3-t2分别为点(t1，EVIt1)与点(t2，EVIt2)之间的斜率值和点(t2，EVIt2)与点(t3，EVIt3)之间的斜率值，t1、t2和t3均为时间点，其中t2为播种的时间点；EVIt1、EVIt2、EVIt3分别为时间点t1、t2和t3对应的EVI值；t2-t1≤a,a小于第一预设值，且Et2-t1≤ΔE，ΔE为容许的误差；t3-t2＝b，Et3-t2>0，当b大于阈值c时确定是自然植被的一部分和全部农田，c为经验值；其中，利用1/3高处的宽度算法，从所提取的植被中提取农田作物，包括：假设待干旱识别的作物的左侧模拟函数为Fh＝F(t，EVI)公式一待干旱识别的作物的右侧的模拟函数为Gh＝G(t，EVI)公式二二者的分界点是t＝tv，tv为未受旱作物生长期曲线最高点EVImax所对应的时间点值；公式一、公式二、公式三的左右侧的交点分别为：(tm,EVIm)，G(tn,EVIn)；设未受旱作物两侧已知的交点分别为：(tm-n,EVIm-n)，G(tn-n,EVIn-n)，tn-n-tm-n＝d；当tn-tm>d+Δ时为自然植被，相反为作物；其中，Δ为容许的误差值。可选地，所述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，包括：根据所述作物种植面积信息，利用预设干旱识别模型对所提取的坡耕地的作物干旱进行识别；根据所述作物种植面积信息，利用预设干旱识别模型对所提取的平耕地的作物干旱进行识别。可选地，所述根据所述作物种植面积信息，利用预设干旱识别模型对坡耕地的作物干旱进行识别，包括：获取待测目标区域待测时期的降水量距平百分率；在所述降水量距平百分率小于预设第一阈值时，确定所提取的坡耕地发生干旱；在所提取的坡耕地发生干旱时，根据所述降水量距平百分率和国家发布的农业干旱等级标准，判断干旱的等级；其中，所述待测目标区域待测时期的降水量距平百分率Pa是通过第一公式计算得到的，所述第一公式为：其中，M为应用降水卫星数据估算的某时间段的累积降水量，d0为观测的天数，SAd为应用降水卫星数据估算的第d天的降水量，d表示为第d天；为某时间本文档来自技高网...

【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