高分辨率干旱指数预测方法、装置、电子设备和存储介质制造方法及图纸

本申请涉及一种高分辨率干旱指数预测方法、装置、电子设备和存储介质。所述方法对每个时段的SPEIbase数据分别选择多个不同的时间尺度，通过GEE获取多个与干旱相关的遥感反演的指数、反射率及高程数据作为输入特征在对应时间尺度下的空间分辨率为1km的输入特征的数据，经过网格化、样本均衡化等预处理后，得到均衡样本集；采用均衡样本集构建并训练机器学习模型，采用构建的模型进行SPEI的高空间分辨率预测，将SPEIbase的分辨率从0.5度提高至1km。本方法能够在提高SPEIbase空间分辨率的同时，稳定地获得更高的预测精度。

【技术实现步骤摘要】

本申请涉及干旱预测，特别是涉及一种高分辨率干旱指数预测方法、装置、电子设备和存储介质。

技术介绍

1、全球变暖的气候变换背景下，发生的极端干旱事件愈加频繁。干旱是造成农业、经济和环境损害的主要自然原因之一，及时、准确、高分辨率地对干旱进行监测尤为重要。

2、现有研究表明，使用复杂的输入表示应用于水文气象变量干旱预测的基于人工智能的解决方案取得了巨大的成功，特别是在复杂的地理场景中，人工智能模型的进步在水文预报领域取得了显著进展。干旱在本质上是非线性和多变量的，研究干旱的关键方面之一是开发可靠且稳健的预测模型，这可以极大地帮助干旱管理规划者采取适当的措施。机器学习(ml)算法是一组命令，能够使系统自动学习和改进过去的数据，而无需进行大量编程具备轻松有效地捕捉动态关系的能力，如今已经越来越多地得到了应用。同时，干旱指标(例如标准化降水指数)和预测干旱的预测因子之间复杂的非线性相互作用已使用许多机器学习技术进行建模，例如人工神经网络(ann)、支持向量机(svm)、随机森林(rf)和极限学习机(elm)。随机森林(rf)是一种广泛应用于图像分类任务的本文档来自技高网...

【技术保护点】

1.一种高分辨率干旱指数预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述环境因子包括但不限于：归一化差异植被指数、增强植被指数、叶面积指数、光合有效辐射吸收比率、地表温度、总蒸散量、潜在蒸散量、生态系统总初级生产力；

3.根据权利要求1所述的方法，其特征在于，根据该时间尺度的SPEIbase像素点和对应尺度下输入特征的数据进行网格化、均衡化处理，得到0.5度*0.5度分辨率的均衡样本集，包括：

4.根据权利要求3所述的方法，其特征在于，根据所述样本集采用少样本过采样方式进行样本均衡化，得到0.5度*0.5度分辨率的均...

【技术特征摘要】

1.一种高分辨率干旱指数预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述环境因子包括但不限于：归一化差异植被指数、增强植被指数、叶面积指数、光合有效辐射吸收比率、地表温度、总蒸散量、潜在蒸散量、生态系统总初级生产力；

3.根据权利要求1所述的方法，其特征在于，根据该时间尺度的speibase像素点和对应尺度下输入特征的数据进行网格化、均衡化处理，得到0.5度*0.5度分辨率的均衡样本集，包括：

4.根据权利要求3所述的方法，其特征在于，根据所述样本集采用少样本过采样方式进行样本均衡化，得到0.5度*0.5度分辨率的均衡样本集，包括：

5.根据权利要求1所述的方法，其特征在于，机器学习模型为随机森...

【专利技术属性】
技术研发人员：刘军，贺怡乐，王志辉，彭荧荧，李曼，张蕾，
申请(专利权)人：湖南中医药大学，
类型：发明
国别省市：