System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于FY3E/MERSI数据的干旱监测方法及系统技术方案_技高网

基于FY3E/MERSI数据的干旱监测方法及系统技术方案

技术编号:40127638 阅读:7 留言:0更新日期:2024-01-23 21:38
本发明专利技术公开了基于FY3E/MERSI数据的干旱监测方法及系统,属于干旱监测技术领域,包括:基于FY‑3E/MERSI数据和FY‑3D/MERSI数据等多源遥感数据,按照不同研究时段和不同深度对多源遥感数据进行分类整理,采用随机森林特征重要性方法筛选建模因子;基于筛选得到的建模因子,构建随机森林干旱监测模型,其中,随机森林干旱监测模型包括导入模块、阈值参数调整模块、训练模块和测试集验证模块;基于随机森林干旱监测模型,通过采集目标地区的多源遥感数据,对目标地区的干旱情况进行监测;本发明专利技术实现了大范围地区的干旱监测,开展FY3E卫星数据业务化应用,为风云三系列卫星数据的业务服务提供理论依据和技术支持。

【技术实现步骤摘要】

本专利技术涉及干旱预测,具体而言,涉及基于fy3e/mersi数据的干旱监测方法及系统。


技术介绍

1、风云卫星是气象灾害监测预警的最主要手段,气象灾害监测和生态遥感服务也是国省两级气象业务的重点工作。随着气候与环境的变化以及城市化进程加快,导致极端高温、干旱、火灾等灾害愈发频繁,干旱是危害最严重的自然灾害之一,如何科学有效的进行灾害动态监测对防灾减灾和粮食安全具有非常重要的意义。因此,急需设计一种基于fy3e/mersi数据的干旱监测技术,服务于风云卫星,为风云卫星的卫星数据业务化应用提供了理论依据和技术支持。


技术实现思路

1、为了解决上述问题,本专利技术提供了基于fy3e/mersi数据的干旱监测方法,包括以下步骤:

2、基于多源遥感数据,按照不同研究时段和不同深度对多源遥感数据进行分类整理,采用随机森林特征重要性方法筛选建模因子;

3、基于筛选得到的建模因子,构建随机森林干旱监测模型,其中,随机森林干旱监测模型包括导入模块、阈值参数调整模块、训练模块和测试集验证模块;

4、基于随机森林干旱监测模型,通过采集目标地区的多源遥感数据,对目标地区的干旱情况进行监测。

5、优选地,在获取多源遥感数据的过程中,通过风云卫星遥感数据服务网,获取多源遥感数据;

6、多源遥感数据包括fy-3d/mersi数据和fy-3e/mersi数据,其中,

7、fy-3d中分辨率光谱成像仪mersi共有25个观测通道,其中可见光-近红外通道16个、短波红外通道3个、中长波红外通道6个;25个通道中有6个250米地面分辨率通道,19个1000米地面分辨率通道,li数据格式为hdf,包括1km分辨率观测数据文件、1km分辨率定位文件以及250m分辨率观测数据、250m分辨率定位文件;

8、fy3e中分辨率光谱成像仪微光型共设置7个观测通道,其中包括1个微光通道,6个热红外通道,2个红外分裂窗通道空间分辨率为250米,其余通道为1000米。

9、优选地,在对多源遥感数据进行分类整理的过程中,采用平均不纯度减少方法,进行建模因子的特征重要性筛选;

10、通过各监测时期指数进行对比,获取不同时期的重要性特征指数,表征整个发育期的干旱情况,其中,重要性特征指数用于表示该指数为表征该时期的干旱情况的按照重要性排名在前端的指标。

11、优选地,在获取重要性特征指数的过程中,在冻土期和裸土期的指数为ati指数和tci指数;

12、在播种-拔节期、拔节-抽雄期和成熟期的指数为wi指数和tci指数:

13、在拔节-抽雄期三个土壤深度的指数为wi指数、tci指数和bvi指数;

14、在成熟期的指数为wi指数、ndiib9指数和ati指数。

15、优选地,在筛选建模因子的过程中,通过重要性特征指数对模型的敏感性进行分析,获取参与建模的指数数量与重要性占比,其中,重要性占比的阈值为0.1,参与建模的指数数量低于5个。

16、优选地,在构建随机森林干旱监测模型的过程中,将11种遥感干旱指数或筛选出的遥感干旱指数作为自变量、土壤相对湿度作为目标变量生成样本数据集,计算样本数据集中点与当前点之间的距离,并按照距离递增进行样本排序,对每个少数类样本求出其在所有少数样本中的k近邻,对每个少数类样本选择k近邻中的n个并合成样本集,统计该样本集中所在类别出现的概率,最终将出现频率最高的类别作为当前点的预测分类;在模型训练的过程中,计算求得多数类别下采样的数据相对于少数类别样本数量的比例,随机给定上采样取出样本的序号增取土壤相对湿度各类别的样本量,在建模过程中,通过调整参数找到最佳模型完成干旱监测模型的构建,最后将剩余测试集数据放到随机森林模型中检验模型建立的优劣程度。

17、优选地,在构建随机森林干旱监测模型的模型训练的过程中,将土壤相对湿度为50%和100%作为采样分类临界点。

18、优选地,在对目标地区的干旱情况进行监测的过程中,基于随机森林干旱监测模型,通过fy-3e/mersi卫星数据进行土壤湿度反演,利用地表温度数据替换干旱遥感监测指数集涉及到lst参数的指数,通过采集目标地区的fy-3e/mersi卫星数据,对目标地区的干旱情况进行监测。

19、本专利技术公开了基于fy3e/mersi数据的干旱监测系统,包括:

20、数据采集模块,用于采集多源遥感数据;

21、数据处理模块,用于基于多源遥感数据,按照不同研究时段和不同深度对多源遥感数据进行分类整理,采用随机森林特征重要性方法筛选建模因子;

22、监测模型构建模块,用于基于筛选得到的建模因子,构建随机森林干旱监测模型,其中,随机森林干旱监测模型包括导入模块、阈值参数调整模块、训练模块和测试集验证模块;

23、监测模块,用于基于随机森林干旱监测模型,通过采集目标地区的多源遥感数据,对目标地区的干旱情况进行监测。

24、优选地,监测模块用于基于随机森林干旱监测模型,通过fy-3e/mersi卫星数据进行土壤湿度反演,利用地表温度数据替换干旱遥感监测指数集涉及到lst参数的指数,通过采集目标地区的fy-3e/mersi卫星数据,对目标地区的干旱情况进行监测。

25、本专利技术公开了以下技术效果:

26、本专利技术实现了大范围地区的干旱监测,开展fy3e卫星数据业务化应用,为风云三系列卫星数据的业务服务提供理论依据和技术支持。

本文档来自技高网...

【技术保护点】

1.基于FY3E/MERSI数据的干旱监测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述基于FY3E/MERSI数据的干旱监测方法,其特征在于:

3.根据权利要求2所述基于FY3E/MERSI数据的干旱监测方法,其特征在于:

4.根据权利要求3所述基于FY3E/MERSI数据的干旱监测方法,其特征在于:

5.根据权利要求4所述基于FY3E/MERSI数据的干旱监测方法,其特征在于:

6.根据权利要求5所述基于FY3E/MERSI数据的干旱监测方法,其特征在于:

7.根据权利要求6所述基于FY3E/MERSI数据的干旱监测方法,其特征在于:

8.根据权利要求7所述基于FY3E/MERSI数据的干旱监测方法,其特征在于:

9.基于FY3E/MERSI数据的干旱监测系统,其特征在于,包括:

10.根据权利要求9所述基于FY3E/MERSI数据的干旱监测系统,其特征在于:

【技术特征摘要】

1.基于fy3e/mersi数据的干旱监测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述基于fy3e/mersi数据的干旱监测方法,其特征在于:

3.根据权利要求2所述基于fy3e/mersi数据的干旱监测方法,其特征在于:

4.根据权利要求3所述基于fy3e/mersi数据的干旱监测方法,其特征在于:

5.根据权利要求4所述基于fy3e/mersi数据的干旱监测方法,其特征在于:

【专利技术属性】
技术研发人员:冯锐武晋雯纪瑞鹏张霞林毅于文颖郭婷婷王莹李嘉宁胡伟王敬宜尹艳华华乐乐吴迪宋昀地史宇迪
申请(专利权)人:中国气象局沈阳大气环境研究所
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1