基于日光诱导叶绿素荧光的植被干旱监测方法技术

本发明专利技术提供了一种基于日光诱导叶绿素荧光的植被干旱监测方法，其步骤为：对叶绿素荧光、降水和地表温度等数据进行预处理和空间化提取；将获取的叶绿素荧光、降水和地表温度数据进行归一化，得到降水条件指数PCI、温度条件指数TCI和荧光监测干旱指数DFMI；利用PCI、TCI和DFMI进行三维空间模型构建，确定最湿点和最干点；利用欧氏距离方法计算得到的三维空间内任意一点到最湿点的距离作为植被干旱监测指数，进行植被干旱监测。本发明专利技术综合降水、地表温度和叶绿素荧光三种因素，能够克服基于植被指数构建干旱指数方法的缺陷，有效减少植被对干旱的响应时间。旱的响应时间。旱的响应时间。

【技术实现步骤摘要】
基于日光诱导叶绿素荧光的植被干旱监测方法


[0001]本专利技术涉及植被干旱监测
，特别是指一种基于日光诱导叶绿素荧光的植被干旱监测方法。

技术介绍

[0002]干旱是世界上最常见的自然灾害之一，也是世界上社会影响和经济损失最大的自然灾害之一，其具有发生频率高、作用时间长、影响范围广、造成损失大等特点。干旱的众多特点导致抗旱计划的规划和实施变得困难重重。为了实现主动抗旱，干旱特征的描述是至关重要的，而采用干旱指数的方法有助于描述干旱特征。
[0003]目前，用于描述干旱特征的指数构建方法可分为两类：基于单一变量的干旱指数构建方法和基于多变量的干旱指数构建方法。基于单一变量的干旱指数构建方法简单，如PCI、TCI、VCI、DFMI等，但是干旱的影响因素复杂、不确定性高，因此基于单一变量的干旱指数无法充分的描述干旱特征。基于多变量的干旱指数，如TVPDI、TVDI、VHI等，虽然能够综合多变量信息，有效解释干旱相关环境的异常，但是多变量的干旱指数构建方法，通常是基于植被指数等方法。基于反射率的植被指数代表了植被的“绿度”，当植被冠层叶绿素含量达到一定阈值时，会造成反射信号饱和现象。此外，一些光合活动短时间内不能引起植被反射率的变化，如气孔导度的变化和热耗散比例调节等。因此，植被指数无法及时、准确的反映植被受干旱胁迫的变化。叶绿素荧光不同于传统的基于反射率的植被指数，它在植物的光合作用过程中，受吸收光合有效辐射(APAR)的调节，该辐射经历三种途径：驱动光化学、以热量形式消散、吸收能量中未使用的部分以荧光形式重新发射。如果干旱引起这些功能的变化，必然会导致SIF的变化，进而降低光合作用和荧光产量。目前基于叶绿素荧光的干旱指数主要考虑植被的生理效应和外界温度对植被的影响。文献[Z.Zhang,W.Xu,Q.Qin,et al.Downscaling solar
‑
induced chlorophyll fluorescence based on convolutional neural network method to monitor agricultural drought[J].IEEE T.Geosci.Remote 2020:1
‑
17.]于2020年通过三角形特征空间构建温度荧光干旱指数TFDI。文献[Y.Liu,C.Y.Dang,H.Yue,et al.Enhanced drought detection and monitoring using sun
‑
induced chlorophyll fluorescence over Hulun Buir Grassland,China[J].Science of The Total Environment,2021,770.]于2021年基于VHI原理构建SIF健康指数SHI，二者都只考虑了叶绿素荧光和地表温度。

技术实现思路

[0004]针对上述
技术介绍
中存在的不足，本专利技术提出了一种基于日光诱导叶绿素荧光的植被干旱监测方法，综合降水、地表温度和叶绿素荧光三种因素，能够克服基于植被指数构建干旱指数方法的缺陷，有效地减少了对干旱的响应时间。
[0005]本专利技术的技术方案是这样实现的：
[0006]一种基于日光诱导叶绿素荧光的植被干旱监测方法，其步骤如下：
[0007]步骤一：分别对叶绿素荧光数据、降水数据和地表温度数据进行预处理；
[0008]步骤二：分别对预处理后的叶绿素荧光数据、降水数据和地表温度数据进行掩膜提取整合到研究区范围；
[0009]步骤三：分别对叶绿素荧光数据、降水数据和地表温度数据进行归一化，得到降水条件指数PCI、温度条件指数TCI和荧光监测干旱指数DFMI；
[0010]步骤四：将PCI、TCI和DFMI分别作为坐标轴构建三维空间模型，并确定最湿点和最干点；
[0011]步骤五：利用欧氏距离方法计算三维空间内任意一点到最湿点的距离，得到温度荧光降水指数TFPDI。
[0012]所述叶绿素荧光数据采用肖博士全球生态组月尺度Gosif数据，空间分辨率为0.05
°
；降水数据来源于戈达德地球科学数据和信息服务中心，空间分辨率为0.1
°
；地表温度数据集来源于NASA提供的MOD11B3，空间分辨率为1km。
[0013]数据预处理方法为：将叶绿素荧光数据进行重投影、重采样、去除异常值、乘以因子0.0001；将netcdf格式的降水数据转为tif格式后进行重投影、重采样、计算月均值；使用Modis提供的MRT工具对地表温度数据进行拼接处理后，进行重投影、重采样、乘以因子0.02，，然后减去273.15，将单位转换为摄氏度。
[0014]所述分别对叶绿素荧光数据、降水数据和地表温度数据进行归一化的方法为：
[0015][0016][0017][0018]式中，GPM
i
为数据年限内第i年某月GPM中每个像元的值，LST
i
为数据年限内第i年某月LST中每个像元的值，SIF
i
为数据年限内第i年某月SIF中每个像元的值；GPM
max
为数据年限内当月GPM每个像元的最大值，GPM
min
为数据年限内当月GPM每个像元的最小值；LST
max
为数据年限内当月LST每个像元的最大值，LST
min
为数据年限内当月LST每个像元的最小值；SIF
max
为数据年限内当月SIF每个像元的最大值，SIF
min
为数据年限内当月SIF每个像元的最小值。
[0019]所述最湿点为(PCI
max
，TCI
max
，DFMI
max
)，在三维空间模型对应为(1，1，1)；
[0020]最干点为(PCI
min
，TCI
min
，DFMI
min
)，在三维空间模型对应为(0，0，0)；
[0021]所述干旱监测指数为：
[0022][0023]其中，(PCI，TCI，DFMI)为三维空间中任意一点，TFPDI为干旱监测指数；当TFPDI的值越大，点(PCI，TCI，DFMI)在三维空间中与最湿点的距离越大，干旱程度越高。
[0024]与现有技术相比，本专利技术产生的有益效果为：
[0025]1)本专利技术建立的TFPDI指数综合了地表温度、降水和叶绿素荧光等数据，相较于基
于单一变量的干旱指数能够更加充分的描述干旱特征，克服了基于反射率的植被指数在植被冠层叶绿素含量较高时反射信号饱和现象和改变气孔导度等光合活动短时间内不能引起植被反射率发生变化的缺陷。
[0026]2)本专利技术引入欧氏空间距离原理构建TFPDI指数，可以综合反映区域的植被干旱状况，对植被干旱监测有着重要意义。
附图说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于日光诱导叶绿素荧光的植被干旱监测方法，其特征在于，其步骤如下：步骤一：分别对叶绿素荧光数据、降水数据和地表温度数据进行预处理；步骤二：分别对预处理后的叶绿素荧光数据、降水数据和地表温度数据进行掩膜提取整合到研究区范围；步骤三：分别对叶绿素荧光数据、降水数据和地表温度数据进行归一化，得到降水条件指数PCI、温度条件指数TCI和荧光监测干旱指数DFMI；步骤四：将PCI、TCI和DFMI分别作为坐标轴构建三维空间模型，并确定最湿点和最干点；步骤五：利用欧氏距离方法计算三维空间内任意一点到最湿点的距离，得到温度荧光降水指数TFPDI。2.根据权利要求1所述的基于日光诱导叶绿素荧光的植被干旱监测方法，其特征在于，所述叶绿素荧光数据采用肖博士全球生态组月尺度Gosif数据，空间分辨率为0.05
°
；降水数据来源于戈达德地球科学数据和信息服务中心，空间分辨率为0.1
°
；地表温度数据集来源于NASA提供的MOD11B3，空间分辨率为1km。3.根据权利要求1所述的基于日光诱导叶绿素荧光的植被干旱监测方法，其特征在于，数据预处理方法为：将叶绿素荧光数据进行重投影、重采样、去除异常值、乘以因子0.0001；将netcdf格式的降水数据转为tif格式后进行重投影、重采样、计算月均值；使用Modis提供的MRT工具对地表温度数据进行拼接处理后，进行重投影、重采样、乘以因子0.02，，然后减去273.15，将单位转换为摄氏度。4.根据权利要求1所述的基于日光诱导叶绿素荧光的植被干旱监测方法，其特征在于，所述分别对叶绿素荧光数据、降水数据和地表温度数据进行归一化的方法为：所述分别对叶绿素荧光数据、降水数据和地表温度数据进行归一化的方法为：所述分别对叶绿素...

【专利技术属性】
技术研发人员：耿庆玲，赵世祥，高亚军，刘大炜，赫晓慧，田智慧，
申请(专利权)人：郑州大学，
类型：发明
国别省市：