CN108960575A - 干热风损失确定方法、装置、存储介质及人机交互装置 - Google Patents
干热风损失确定方法、装置、存储介质及人机交互装置 Download PDFInfo
- Publication number
- CN108960575A CN108960575A CN201810583147.6A CN201810583147A CN108960575A CN 108960575 A CN108960575 A CN 108960575A CN 201810583147 A CN201810583147 A CN 201810583147A CN 108960575 A CN108960575 A CN 108960575A
- Authority
- CN
- China
- Prior art keywords
- hot dry
- dry wind
- value
- index
- loses
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003860 storage Methods 0.000 title claims abstract description 8
- 230000003993 interaction Effects 0.000 title claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 77
- 238000004364 calculation method Methods 0.000 claims description 42
- 230000009467 reduction Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 241000209140 Triticum Species 0.000 description 5
- 235000021307 Triticum Nutrition 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000009313 farming Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 235000013339 cereals Nutrition 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Entrepreneurship & Innovation (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Environmental & Geological Engineering (AREA)
- Tourism & Hospitality (AREA)
- Computational Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Biodiversity & Conservation Biology (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Environmental Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Atmospheric Sciences (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Algebra (AREA)
Abstract
本发明提供了一种干热风损失确定方法、装置、可读存储介质及人机交互装置,其中,干热风损失确定装置包括:第一模块、第二模块、第三模块和第四模块。第一模块用于根据多个影响因素计算干热风指数;第二模块用于根据干热风指数计算得到减产率;第三模块用于根据发生干热风灾害前后的遥感影像的NDVI变化确定受灾面积;第四模块用于根据减产率、受灾面积确定经济损失。本发明提供的干热风损失确定装置,根据今年的干热风发生时影响作物的影响因素得到干热风指数,并根据干热风指数和农作物损失率的关系方程计算得到今年的农作物损失率,然后依据农作物损失率、遥感确定的损失面积和价格快速准确地计算出今年的干热风害的减产率和经济损失。
Description
技术领域
本发明涉及农业领域,具体而言,涉及一种干热风损失确定方法、干热风损失确定装置、计算机可读存储介质及人机交互装置。
背景技术
本发明对于背景技术的描述属于与本发明相关的相关技术,仅仅是用于说明和便于理解本发明的发明内容,不应理解为申请人明确认为或推定申请人认为是本发明在首次提出申请的申请日的现有技术。
干热风是一种高温、低湿并伴有一定风力的农业灾害性天气。是出现在温暖季节导致小麦乳熟期受害秕粒的一种干而热的风。干热风一般出现在5月初至6月中旬的少雨、高温天气,此时正值华北、西北及黄淮地区小麦抽穗、扬花、灌浆时期,植物蒸腾急速增大,往往导致小麦灌浆不足甚至枯萎死亡。干热风一般分为高温低湿和雨后热枯两种类型,均以高温危害为主。
针对我国干热风危害状况,目前多选用日最高温度、相对湿度和风速组合确定指标。由于我国北方麦区幅员辽阔,各地气候、地理、品种等差异较大,各项指标在不同地区略有差异,目前高温低湿型干热风主要根据日最高温、相对湿度和风速值分为轻度干热风和重度干热风。再根据干热风指标确定干热风日,采用干热风日数确定过程强度,用过程强度确定年型的轻重。
目前对高温低湿型干热风的等级判定的标准主要是依据日最高气温、相对湿度和风速,但的相对湿度和风速不能很好的代表一个干热风日的相对湿度和风速情况。干热风程度划分标准只简单根据日最高温、相对湿度和风速简单分为轻干热风和重干热风,根据干热风日数分为轻干热风和重干热风,并没有定量的对干热风进行分级,以及评估干热风对小麦产量的影响。
发明内容
本发明第一方面的实施例提供了一种干热风损失确定装置,包括:第一模块,用于根据多个影响因素计算干热风指数;第二模块,用于根据干热风指数计算得到减产率;第三模块,用于根据发生干热风灾害前后的遥感影像的NDVI变化确定受灾面积;和第四模块,用于根据减产率、受灾面积确定经济损失。
优选地,所述减产率的计算公式为:
ΔY=aF+b;
其中,a为系数,b为截距,ΔY为减产率,F为干热风指数。
优选地,所述经济损失的计算公式为:
其中,YS为减产量,ΔY为减产率,Yt为受灾作物趋势单产,S为受灾面积,Q为减产值,q为作物当年的价格。
优选地,所述第一模块包括:标准子模块,用于对多个影响因素进行标准化处理得到标准化值;权重子模块,用于根据多个标准化值计算得到权重值;和计算子模块,用于根据权重值和多个标准化值计算干热风指数。
优选地,对多个影响因素进行标准化处理的公式为:
正项指标:
负项指标:
其中,Pij为无量纲化后的第i个影响因素第j年的指标值,pij为第i个影响因素第j年的指标值,pimax、pimin分别为第i个影响因素最大值、最小值,i、j为非零自然数。
优选地,所述权重子模块包括:矩阵单元,用于根据多个标准化值两两比较建立权重判断矩阵;最大单元,用于根据权重判断矩阵计算得到权重判断矩阵的最大特征值;一致单元,用于根据最大特征值计算一致性指标值;比例单元,用于根据一般指标值计算一般性比例值;和判断单元,用于根据一般性比例值,判断权重判断矩阵是否合理,若权重判断矩阵合理,根据权重判断矩阵的矩阵元素计算权重值;若权重判断矩阵不合理重新建立权重判断矩阵。
优选地,所述一致性指标值的计算公式为:
其中,CI为一致性指标,λ为权重判断矩阵的最大特征值,n为影响因素的个数。
优选地,所述一般性比例值的计算公式为:
其中,CR为一致性比例,CI为一致性指标,RI为平均随机一致性指标。
优选地,所述权重值的计算公式为:
其中,i、j为非零自然数,n为影响因素的个数,aij为权重判断矩阵第i行第j列的元素,Wi为权重值。
优选地,所述干热风指数的计算公式为:
其中,n为影响因素个数,Wi为权重值,Pi为第i个影响因素标准化处理后的标准化值,F为干热风指数。
优选地,所述影响因素包括:日最高温度、温度达到干热风标准时间段内最小相对湿度、平均风速、干热风日数。
本发明第二方面的实施例提供了一种干热风损失确定方法,包括:
根据多个影响因素计算干热风指数;
根据干热风指数计算得到减产率;
根据发生干热风灾害前后的遥感影像的NDVI变化确定受灾面积;
根据减产率、受灾面积确定经济损失。
优选地,所述减产率的计算公式为:
ΔY=aF+b;
其中,a为系数,b为截距,ΔY为减产率,F为干热风指数。
优选地,所述经济损失的计算公式为:
其中,YS为减产量,ΔY为减产率,Yt为受灾作物趋势单产,S为受灾面积,Q为减产值,q为作物当年的价格。
优选地,根据多个影响因素计算干热风指数包括:
对多个影响因素进行标准化处理得到标准化值;
根据多个标准化值计算得到权重值;
根据权重值和多个标准化值计算干热风指数。
优选地,对多个影响因素进行标准化处理的公式为:
正项指标:
负项指标:
其中,Pij为无量纲化后的第i个影响因素第j年的指标值,pij为第i个影响因素第j年的指标值,pimax、pimin分别为第i个影响因素最大值、最小值,i、j为非零自然数。
优选地,根据多个标准化值计算得到权重值包括:
根据多个标准化值两两比较建立权重判断矩阵;
根据权重判断矩阵计算得到权重判断矩阵最大特征值;
根据最大特征值计算一致性指标值;
根据一般指标值计算一般性比例值;
根据一般性比例值,判断权重判断矩阵是否合理,若权重判断矩阵合理,根据权重判断矩阵的矩阵元素计算权重值;若权重判断矩阵不合理重新建立权重判断矩阵。
优选地,所述一致性指标值的计算公式为:
其中,CI为一致性指标,λ为权重判断矩阵的最大特征值,n为影响因素的个数。
优选地,所述一般性比例值的计算公式为:
其中,CR为一致性比例,CI为一致性指标,RI为平均随机一致性指标。
优选地,所述权重值的计算公式为:
其中,i、j为非零自然数,n为影响因素的个数,aij为权重判断矩阵第i行第j列的元素,Wi为权重值。
优选地,所述干热风指数的计算公式为:
其中,n为影响因素个数,Wi为权重值,Pi为第i个影响因素标准化处理后的标准化值,F为干热风指数。
优选地,所述影响因素包括:日最高温度、温度达到干热风标准时间段内最小相对湿度、平均风速、干热风日数。
本发明第三方面的实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一项所述干热风损失确定方法的步骤。
本发明第四方面的实施例提供了一种人机交互装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现上述任一项所述干热风损失确定方法的步骤。
本发明提供的技术方案,根据干热风发生时影响作物的影响因素得到干热风指数,根据多个历年干热风指数和历年的农作物损失率建立关系方程,然后根据今年的干热风发生时影响作物的影响因素得到今年的干热风指数,并根据干热风指数和农作物损失率的关系方程计算得到今年的农作物损失率,并依据农作物损失率、遥感确定的损失面积和价格计算出今年的干热风害的减产率和经济损失,该种确定方式综合考量了影响作物产量的影响因素对于农作物的影响,并通过这些影响因素快速准确地评估损失,从而提高了产品的使用舒适度,进而增加了产品的市场竞争力。
本发明的附加方面和优点将在下面的描述部分中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明所述干热风损失确定装置第一种实施例的结构框图;
图2是本发明所述干热风损失确定装置第二种实施例的结构框图;
图3是本发明所述干热风损失确定装置第三种实施例的结构框图;
图4是本发明所述干热风损失确定方法第一种实施例流程示意图;
图5是本发明所述干热风损失确定方法第二种实施例流程示意图;
图6是本发明所述干热风损失确定方法第三种实施例流程示意图。
其中,图1至图3中附图标记与部件名称之间的对应关系为:
10第一模块,11标准子模块,12权重子模块,121矩阵单元,122最大单元,123一致单元,124比例单元,125判断单元,13计算子模块,20第二模块,30第三模块,40第四模块,100干热风损失确定装置。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
下述讨论提供了本发明的多个实施例。虽然每个实施例代表了发明的单一组合,但是本发明不同实施例可以替换,或者合并组合,因此本发明也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而,如果一个实施例包含A、B、C,另一个实施例包含B和D的组合,那么本发明也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例,尽管该实施例可能并未在以下内容中有明确的文字记载。
如图1所示,本发明第一方面的实施例提供的干热风损失确定装置100包括:第一模块10、第二模块20、第三模块30和第四模块40。
第一模块10用于根据多个影响因素计算干热风指数;第二模块20用于根据干热风指数计算得到减产率;第三模块30用于根据发生干热风灾害前后的遥感影像的NDVI变化确定受灾面积;第四模块40用于根据减产率、受灾面积确定经济损失。
本发明提供的干热风损失确定装置100,根据今年的干热风发生时影响作物的影响因素得到干热风指数,并根据干热风指数和农作物损失率的关系方程计算得到今年的农作物损失率,然后依据农作物损失率、遥感确定的损失面积和价格计算出今年的干热风害的减产率和经济损失,干热风损失的确定方式综合考量了影响作物产量的影响因素对于农作物的影响,并通过这些影响因素快速准确地评估损失,从而提高了产品的使用舒适度,进而增加了产品的市场竞争力。
在本发明的一个实施例中,减产率的计算公式为:
ΔY=aF+b;
其中,a为系数,b为截距,ΔY为减产率,F为干热风指数。
在该实施例中,根据历年的实际作物产量Y、历年的作物趋势产量Yt及公式计算得到历年减产率ΔY,根据多个历年干热风指数和历年的农作物损失率建立关系方程:ΔY=aF+b,如果当年发生干热风,根据干热风发生时影响作物的影响因素得到干热风指数,然后根据干热风指数和农作物损失率的关系方程计算得到今年的农作物损失率,以计算出今年的干热风害的减产率和经济损失。
在本发明的一个实施例中,经济损失的计算公式为:
其中,YS为减产量,ΔY为减产率,Yt为受灾作物趋势单产,S为受灾面积,Q为减产值,q为作物当年的价格。
在该实施例中,通过上述公式快速准确地评估损失,从而提高了产品的使用舒适度,进而增加了产品的市场竞争力。
如图2所示,在本发明的一个实施例中,第一模块10包括:标准子模块11、权重子模块12和计算子模块13。
具体地,标准子模块11用于对多个影响因素进行标准化处理得到标准化值;权重子模块12用于根据多个标准化值计算得到权重值;计算子模块13用于根据权重值和多个标准化值计算干热风指数。
在该实施例中,通过标准子模块11对多个影响因素的不同量纲进行极差标准化处理,用于消除各指标不同量纲对评价指标的影响,从而提高了评估作物损失的精准率。
在本发明的一个实施例中,对多个影响因素进行标准化处理的公式为:
正项指标:
负项指标:
其中,Pij为无量纲化后的第i个影响因素第j年的指标值,pij为第i个影响因素第j年的指标值,pimax、pimin分别为第i个影响因素最大值、最小值,i、j为非零自然数。
在该实施例中,通过极差公式能够对多个影响因素简单、快速地无量纲化处理,用于消除各指标不同量纲对评价指标的影响,从而提高了评估作物损失的精准率。
如图3所示,在本发明的一个实施例中,权重子模块12包括:矩阵单元121、最大单元122、比例单元124和判断单元125。
具体地,矩阵单元121用于根据多个标准化值两两比较建立权重判断矩阵;最大单元122用于根据权重判断矩阵计算得到权重判断矩阵的最大特征值;一致单元123用于根据最大特征值计算一致性指标值;比例单元124用于根据一般指标值计算一般性比例值;判断单元125用于根据一般性比例值,判断权重判断矩阵是否合理,若权重判断矩阵合理,根据权重判断矩阵的矩阵元素计算权重值;若权重判断矩阵不合理重新建立权重判断矩阵。
在该实施例中,权重判断矩阵为:
权重判断矩阵中元素值根据两两影响因素比较的重要程度确定,具体为:
若第i个影响因素与因素第j个影响因素的程度确定元素值为aij,第j个影响因素与因素第i个影响因素的程度确定元素值为aji,其中,在权重判断矩阵中,aji的元素值与aij的元素值互为倒数,具体地,a54=1/a45。
在本发明的一个实施例中,一致性指标值的计算公式为:
其中,CI为一致性指标,λmax为权重判断矩阵的最大特征值,n为影响因素的个数。
在本发明的一个实施例中,一般性比例值的计算公式为:
其中,CR为一致性比例,CI为一致性指标,RI为平均随机一致性指标。
RI的查询表为:
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 |
RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.24 | 1.36 | 1.41 | 1.46 | 1.49 | 1.52 | 1.544 | 1.56 |
其中,n为影响因素的个数。
当CR<0.10时,认为权重判断矩阵一致性可接受,CR≥0.10需要修正权重判断矩阵。
在本发明的一个实施例中,权重值的计算公式为:
其中,i、j为非零自然数,n为影响因素的个数,aij为权重判断矩阵第i行第j列的元素,Wi为权重值。
在本发明的一个实施例中,干热风指数的计算公式为:
其中,n为影响因素个数,Wi为权重值,Pi为第i个影响因素标准化处理后的标准化值,F为干热风指数。
在本发明的实施例中,通过上述公式及计算方式,较为可靠、准确地得出干热风指数,并通过干热风指数快速准确地评估损失,从而提高了产品的使用舒适度,进而增加了产品的市场竞争力。
在本发明的一个实施例中,影响因素包括:日最高温度、温度达到干热风标准时间段内最小相对湿度、平均风速、干热风日数。
如图4所示,本发明第二方面的实施例提供的干热风损失确定方法,包括:
步骤10,根据多个影响因素计算干热风指数;
步骤20,根据干热风指数计算得到减产率;
步骤30,根据发生干热风灾害前后的遥感影像的NDVI变化确定受灾面积;
步骤40,根据减产率、受灾面积确定经济损失。
本发明提供的本发明提供的干热风损失确定方法,根据干热风发生时影响作物的影响因素得到干热风指数,然后根据今年的干热风发生时影响作物的影响因素得到今年的干热风指数,并根据干热风指数和农作物损失率的关系方程计算得到今年的农作物损失率,并依据农作物损失率、遥感确定的损失面积和价格计算出今年的干热风害的减产率和经济损失,该种确定方式综合考量了影响作物产量的影响因素对于农作物的影响,并通过这些影响因素快速准确地评估损失。
在本发明的一个实施例中,减产率的计算公式为:
ΔY=aF+b;
其中,a为系数,b为截距,ΔY为减产率,F为干热风指数。
在该实施例中,根据历年的实际作物产量Y、历年的作物趋势产量Yt及公式计算得到历年减产率ΔY,根据多个历年干热风指数和历年的农作物损失率建立关系方程:ΔY=aF+b,如果当年发生干热风,根据干热风发生时影响作物的影响因素得到干热风指数,然后根据干热风指数和农作物损失率的关系方程计算得到今年的农作物损失率,以计算出今年的干热风害的减产率和经济损失。
在本发明的一个实施例中,经济损失的计算公式为:
其中,YS为减产量,ΔY为减产率,Yt为受灾作物趋势单产,S为受灾面积,Q为减产值,q为作物当年的价格。
在该实施例中,通过上述公式快速准确地评估损失,从而提高了产品的使用舒适度,进而增加了产品的市场竞争力。
如图5所示,在本发明的一个实施例中,步骤10包括:
步骤11,对多个影响因素进行标准化处理得到标准化值;
步骤12,根据多个标准化值计算得到权重值;
步骤13,根据权重值和多个标准化值计算干热风指数。
在该实施例中,通过对多个影响因素的不同量纲进行极差标准化处理,用于消除各指标不同量纲对评价指标的影响,从而提高了评估作物损失的精准率。
在本发明的一个实施例中,对多个影响因素进行标准化处理的公式为:
正项指标:
负项指标:
其中,Pij为无量纲化后的第i个影响因素第j年的指标值,pij为第i个影响因素第j年的指标值,pimax、pimin分别为第i个影响因素最大值、最小值,i、j为非零自然数。
在该实施例中,通过极差公式能够对多个影响因素简单、快速地无量纲化处理,用于消除各指标不同量纲对评价指标的影响,从而提高了评估作物损失的精准率。
如图6所示,在本发明的一个实施例中,步骤12包括:
步骤121,根据多个标准化值两两比较建立权重判断矩阵;
步骤122,根据权重判断矩阵计算得到权重判断矩阵最大特征值;
步骤123,根据最大特征值计算一致性指标值;
步骤124,根据一般指标值计算一般性比例值;
步骤125,根据一般性比例值,判断权重判断矩阵是否合理,若权重判断矩阵合理,根据权重判断矩阵的矩阵元素计算权重值;若权重判断矩阵不合理重新建立权重判断矩阵。
在该实施例中,权重判断矩阵为:
权重判断矩阵中元素值根据两两影响因素比较的重要程度确定,具体为:
若第i个影响因素与因素第j个影响因素的程度确定元素值为aij,第j个影响因素与因素第i个影响因素的程度确定元素值为aji,其中,在权重判断矩阵,aji的元素值与aij的元素值互为倒数,具体地,a54=1/a45。
在本发明的一个实施例中,一致性指标值的计算公式为:
其中,CI为一致性指标,λ为权重判断矩阵的最大特征值,n为影响因素的个数。
在本发明的一个实施例中,一般性比例值的计算公式为:
其中,CR为一致性比例,CI为一致性指标,RI为平均随机一致性指标。
RI的查询表为:
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 |
RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.24 | 1.36 | 1.41 | 1.46 | 1.49 | 1.52 | 1.544 | 1.56 |
其中,n为影响因素的个数。
当CR<0.10时,认为权重判断矩阵一致性可接受,CR≥0.10需要修正权重判断矩阵。
在本发明的一个实施例中,权重值的计算公式为:
其中,i、j为非零自然数,n为影响因素的个数,aij为权重判断矩阵第i行第j列的元素,Wi为权重值。
在本发明的一个实施例中,干热风指数的计算公式为:
其中,n为影响因素个数,Wi为权重值,Pi为第i个影响因素标准化处理后的标准化值,F为干热风指数。
在本发明的实施例中,通过上述公式及计算方式,较为可靠、准确地得出干热风指数,并通过干热风指数快速准确地评估损失,从而提高了产品的使用舒适度,进而增加了产品的市场竞争力。
在本发明的一个实施例中,影响因素包括:日最高温度、温度达到干热风标准时间段内最小相对湿度、平均风速、干热风日数。
本发明第三方面的实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一项所述干热风损失确定方法的步骤。
本发明第四方面的实施例提供的人机交互装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现上述任一项所述干热风损失确定方法的步骤。
在上述实施例中,日最高温是指一段时间内温度的最高值;最小相对湿度是指在同一温度下空气中实际水汽压与饱和水汽压的比值,以百分率(%)表示;平均风速是指空气水平运动的速度,由空气水平运动所经过的距离与其所需时间的比值来表示,单位为米每秒(m/s);NDVI(Normalized Difference Vegetation Index)指植被覆盖指数,应用于监测植被生长状态、植被覆盖度和消除部分辐射误差等,i、j为非零自然数。
综上所述,本发明提供的技术方案,根据干热风发生时影响作物的影响因素得到干热风指数,根据多个历年干热风指数和历年的农作物损失率建立关系方程,然后根据今年的干热风发生时影响作物的影响因素得到今年的干热风指数,并根据干热风指数和农作物损失率的关系方程计算得到今年的农作物损失率,并依据农作物损失率、遥感确定的损失面积和价格计算出今年的干热风害的减产率和经济损失,综合考量了影响作物产量的影响因素对于农作物的影响,并通过这些影响因素快速准确地评估损失。
在本发明中,术语“第一”、“第二”、“第三”、“第四”仅用于描述的目的,而不能理解为指示或暗示相对重要性;术语“多个”则指两个或两个以上,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (24)
1.一种干热风损失确定装置,其特征在于,包括:
第一模块,用于根据多个影响因素计算干热风指数;
第二模块,用于根据干热风指数计算得到减产率;
第三模块,用于根据发生干热风灾害前后的遥感影像的NDVI变化确定受灾面积;和
第四模块,用于根据减产率、受灾面积确定经济损失。
2.根据权利要求1所述的干热风损失确定方法,其特征在于,
所述减产率的计算公式为:
ΔY=aF+b;
其中,a为系数,b为截距,ΔY为减产率,F为干热风指数。
3.根据权利要求1所述的干热风损失确定方法,其特征在于,
所述经济损失的计算公式为:
其中,YS为减产量,ΔY为减产率,Yt为受灾作物趋势单产,S为受灾面积,Q为减产值,q为作物当年的价格。
4.根据权利要求1所述的干热风损失确定方法,其特征在于,
所述第一模块包括:
标准子模块,用于对多个影响因素进行标准化处理得到标准化值;
权重子模块,用于根据多个标准化值计算得到权重值;和
计算子模块,用于根据权重值和多个标准化值计算干热风指数。
5.根据权利要求4所述的干热风损失确定装置,其特征在于,
对多个影响因素进行标准化处理的公式为:
正项指标:
负项指标:
其中,Pij为无量纲化后的第i个影响因素第j年的指标值,pij为第i个影响因素第j年的指标值,pimax、pimin分别为第i个影响因素最大值、最小值,i、j为非零自然数。
6.根据权利要求4所述的干热风损失确定装置,其特征在于,
所述权重子模块包括:
矩阵单元,用于根据多个标准化值两两比较建立权重判断矩阵;
最大单元,用于根据权重判断矩阵计算得到权重判断矩阵的最大特征值;
一致单元,用于根据最大特征值计算一致性指标值;
比例单元,用于根据一般指标值计算一般性比例值;和
判断单元,用于根据一般性比例值,判断权重判断矩阵是否合理,若权重判断矩阵合理,根据权重判断矩阵的矩阵元素计算权重值;若权重判断矩阵不合理重新建立权重判断矩阵。
7.根据权利要求6所述的干热风损失确定装置,其特征在于,
所述一致性指标值的计算公式为:
其中,CI为一致性指标,λ为权重判断矩阵的最大特征值,n为影响因素的个数。
8.根据权利要求6所述的干热风损失确定装置,其特征在于,
所述一般性比例值的计算公式为:
其中,CR为一致性比例,CI为一致性指标,RI为平均随机一致性指标。
9.根据权利要求6所述的干热风损失确定装置,其特征在于,
所述权重值的计算公式为:
其中,i、j为非零自然数,n为影响因素的个数,aij为权重判断矩阵第i行第j列的元素,Wi为权重值。
10.根据权利要求4所述的干热风损失确定装置,其特征在于,
所述干热风指数的计算公式为:
其中,n为影响因素个数,Wi为权重值,Pi为第i个影响因素标准化处理后的标准化值,F为干热风指数。
11.根据权利要求1所述的干热风损失确定装置,其特征在于,
所述影响因素包括:日最高温度、温度达到干热风标准时间段内最小相对湿度、平均风速、干热风日数。
12.一种干热风损失确定方法,其特征在于,包括:
根据多个影响因素计算干热风指数;
根据干热风指数计算得到减产率;
根据发生干热风灾害前后的遥感影像的NDVI变化确定受灾面积;
根据减产率、受灾面积确定经济损失。
13.根据权利要求12所述的干热风损失确定方法,其特征在于,
所述减产率的计算公式为:
ΔY=aF+b;
其中,a为系数,b为截距,ΔY为减产率,F为干热风指数。
14.根据权利要求12所述的干热风损失确定方法,其特征在于,
所述经济损失的计算公式为:
其中,YS为减产量,ΔY为减产率,Yt为受灾作物趋势单产,S为受灾面积,Q为减产值,q为作物当年的价格。
15.根据权利要求12所述的干热风损失确定方法,其特征在于,
根据多个影响因素计算干热风指数包括:
对多个影响因素进行标准化处理得到标准化值;
根据多个标准化值计算得到权重值;
根据权重值和多个标准化值计算干热风指数。
16.根据权利要求15所述的干热风损失确定方法,其特征在于,
对多个影响因素进行标准化处理的公式为:
正项指标:
负项指标:
其中,Pij为无量纲化后的第i个影响因素第j年的指标值,pij为第i个影响因素第j年的指标值,pimax、pimin分别为第i个影响因素最大值、最小值,i、j为非零自然数。
17.根据权利要求15所述的干热风损失确定方法,其特征在于,根据多个标准化值计算得到权重值包括:
根据多个标准化值两两比较建立权重判断矩阵;
根据权重判断矩阵计算得到权重判断矩阵最大特征值;
根据最大特征值计算一致性指标值;
根据一般指标值计算一般性比例值;
根据一般性比例值,判断权重判断矩阵是否合理,若权重判断矩阵合理,根据权重判断矩阵的矩阵元素计算权重值;若权重判断矩阵不合理重新建立权重判断矩阵。
18.根据权利要求17所述的干热风损失确定方法,其特征在于,
所述一致性指标值的计算公式为:
其中,CI为一致性指标,λ为权重判断矩阵的最大特征值,n为影响因素的个数。
19.根据权利要求17所述的干热风损失确定方法,其特征在于,
所述一般性比例值的计算公式为:
其中,CR为一致性比例,CI为一致性指标,RI为平均随机一致性指标。
20.根据权利要求17所述的干热风损失确定方法,其特征在于,
所述权重值的计算公式为:
其中,i、j为非零自然数,n为影响因素的个数,aij为权重判断矩阵第i行第j列的元素,Wi为权重值。
21.根据权利要求15所述的干热风损失确定方法,其特征在于,
所述干热风指数的计算公式为:
其中,n为影响因素个数,Wi为权重值,Pi为第i个影响因素标准化处理后的标准化值,F为干热风指数。
22.根据权利要求12所述的干热风损失确定方法,其特征在于,
所述影响因素包括:日最高温度、温度达到干热风标准时间段内最小相对湿度、平均风速、干热风日数。
23.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现所述权利要求12-22中任一项所述干热风损失确定方法的步骤。
24.一种人机交互装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现所述权利要求12-22中任一项所述干热风损失确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810583147.6A CN108960575A (zh) | 2018-06-05 | 2018-06-05 | 干热风损失确定方法、装置、存储介质及人机交互装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810583147.6A CN108960575A (zh) | 2018-06-05 | 2018-06-05 | 干热风损失确定方法、装置、存储介质及人机交互装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108960575A true CN108960575A (zh) | 2018-12-07 |
Family
ID=64493652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810583147.6A Withdrawn CN108960575A (zh) | 2018-06-05 | 2018-06-05 | 干热风损失确定方法、装置、存储介质及人机交互装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108960575A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881727A (zh) * | 2015-01-13 | 2015-09-02 | 北京师范大学 | 一种基于遥感抽样的农作物灾情损失评估方法 |
CN105893774A (zh) * | 2016-04-25 | 2016-08-24 | 环境保护部南京环境科学研究所 | 生物多样性保护优先区域绿色发展生态安全评价指数的计算机建模方法 |
-
2018
- 2018-06-05 CN CN201810583147.6A patent/CN108960575A/zh not_active Withdrawn
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881727A (zh) * | 2015-01-13 | 2015-09-02 | 北京师范大学 | 一种基于遥感抽样的农作物灾情损失评估方法 |
CN105893774A (zh) * | 2016-04-25 | 2016-08-24 | 环境保护部南京环境科学研究所 | 生物多样性保护优先区域绿色发展生态安全评价指数的计算机建模方法 |
Non-Patent Citations (3)
Title |
---|
张晓艳等: "山东小麦气象灾害预警指标规范", 《山东农业科学》 * |
李森等: ""小麦干热风灾害综合强度指数研究"", 《自然灾害学报》 * |
邓雪等: "层次分析法权重计算方法分析及其应用研究", 《数学的实践与认识》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Response of vegetation to different time-scales drought across China: Spatiotemporal patterns, causes and implications | |
Gong et al. | Remote estimation of leaf area index (LAI) with unmanned aerial vehicle (UAV) imaging for different rice cultivars throughout the entire growing season | |
CN110309985A (zh) | 一种农作物产量预测方法及系统 | |
Łabędzki et al. | Estimating reference evapotranspiration using the FAO Penman-Monteith method for climatic conditions of Poland | |
CN103513290B (zh) | 基于遥感的区域陆地生态系统呼吸监测方法 | |
Mukherjee et al. | Effect of canal on land use/land cover using remote sensing and GIS | |
CN101187630A (zh) | 一种农田干旱监测方法 | |
CN104881727A (zh) | 一种基于遥感抽样的农作物灾情损失评估方法 | |
DeFries et al. | Scaling land cover heterogeneity for global atmosphere–biosphere models | |
Lian et al. | Evapotranspiration estimation for an oasis area in the Heihe River Basin using Landsat-8 images and the METRIC model | |
Constantinidou et al. | Effects of climate change on the yield of winter wheat in the eastern Mediterranean and Middle East | |
Yin et al. | Obtaining spatial and temporal vegetation data from Landsat MSS and AVHRR/NOAA satellite images for a hydrologic model | |
Guo et al. | Dynamic risk assessment of waterlogging disaster for maize based on CERES-Maize model in Midwest of Jilin Province, China | |
CN108805440A (zh) | 连阴雨灾害损失确定方法、装置、存储介质及交互装置 | |
Guermazi et al. | Water irrigation management using remote sensing techniques: a case study in Central Tunisia | |
Prasad | Conservation planning for the Western Ghats of Kerala: II. Assessment of habitat loss and degradation | |
Oliver et al. | Quantifying the benefits of accounting for yield potential in spatially and seasonally responsive nutrient management in a Mediterranean climate | |
CN117688290B (zh) | 基于等级划分的干旱灾害综合风险预警方法及系统 | |
Hassan et al. | Modeling and monitoring wheat crop yield using geospatial techniques: a case study of Potohar region, Pakistan | |
CN108960575A (zh) | 干热风损失确定方法、装置、存储介质及人机交互装置 | |
CN108960571A (zh) | 干热风预警方法、装置、可读存储介质及人机交互装置 | |
CN108876127A (zh) | 霜冻损失确定方法、装置、可读存储介质及人机交互装置 | |
Paul | Evaluation of surface energy balance models for mapping evapotranspiration using very high resolution airborne remote sensing data | |
CN109117977B (zh) | 基于相对遥感变量及相对产量信息的水稻遥感估产方法 | |
Parreiras et al. | Exploring the Harmonized Landsat Sentinel (hls) Datacube to Map AN Agricultural Landscape in the Brazilian Savanna |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181207 |
|
WW01 | Invention patent application withdrawn after publication |