CN115271332A - 一种旱情监测方法 - Google Patents
一种旱情监测方法 Download PDFInfo
- Publication number
- CN115271332A CN115271332A CN202210666707.0A CN202210666707A CN115271332A CN 115271332 A CN115271332 A CN 115271332A CN 202210666707 A CN202210666707 A CN 202210666707A CN 115271332 A CN115271332 A CN 115271332A
- Authority
- CN
- China
- Prior art keywords
- drought
- index value
- vegetation
- index
- remote sensing
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000009826 distribution Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000873 masking effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种旱情监测方法,该方法包括:获取指定区域的第一时序气象遥感卫星影像数据集,对第一时序气象遥感卫星影像数据集进行处理获取每个气象遥感卫星影像数据所对应的归一化植被指数值;根据归一化植被指数值计算每个气象遥感卫星影像数据所对应的植被状态指数值,以及根据采集雨量监测点所监测的监测信息,计算雨量监测点所对应的降雨距平指数值;根据归一化植被指数值、植被状态指数值以及降雨距平指数值对指定区域的进行旱情监测。本申请解决了现有技术中无法满足实际监测需求的技术问题。
Description
技术领域
本申请涉及遥感影像应用技术领域,尤其涉及一种旱情监测方法。
背景技术
在全球变暖的气候背景下,近年来干旱频发且不断加剧,给人类的生产生活造成了严重影响。对干旱的有效监测和预警,不仅可以为气象、水文和农业等相关领域提供该服务,还能为粮食安全、生态保护及防灾减灾应对措施的制定提供依据。
目前,对于旱情的检测主要是通过地面预设的雨量监测点来监测指定区域的降雨情况,根据降雨情况来对该区域的旱情进行监测,但是,地面监测一方面不能满足大范围以及全局的监测需求;另一方面,由于干旱监测涉及大气、土壤、植被等多个过程,同时涉及的植被类型多种多样,干旱致灾的机理不同,干旱敏感期差异较大,通过地面监测这一单一指标对旱情进行监测,影响监测的性能与效果。
发明内容
本申请解决的技术问题是:针对现有技术中无法满足实际监测需求。本申请提供了一种旱情监测方法,本申请实施例所提供的方案中,将遥感监测影像和地面站点实测数据结合,同时考虑了遥感植被因子(归一化植被指数以及植被状态指数)及地面实测气象因子(降雨距平指数),来获取综合干旱监测及其变化监测分级结果,提高了对于旱情监测的性能与效果。
第一方面,本申请实施例提供旱情监测方法,该方法包括:获取指定区域的第一时序气象遥感卫星影像数据集,对所述第一时序气象遥感卫星影像数据集进行处理获取每个气象遥感卫星影像数据所对应的归一化植被指数值;
根据所述归一化植被指数值计算每个气象遥感卫星影像数据所对应的植被状态指数值,以及根据采集雨量监测点所监测的监测信息,计算雨量监测点所对应的降雨距平指数值;
根据所述归一化植被指数值、所述植被状态指数值以及所述降雨距平指数值对所述指定区域的进行旱情监测。
可选地,获取指定区域的第一时序气象遥感卫星影像数据集,包括:
获取一年或多年第一区域的第二时序气象遥感卫星影像数据集,其中,所述第一区域包括一个或多个所述指定区域;
通过投影和掩膜的方法从所述第二时序气象遥感卫星影像数据集获取每个指定区域所对应的第一时序气象遥感卫星影像数据集。
可选地,对所述第一时序气象遥感卫星影像数据集进行处理获取每个气象遥感卫星影像数据所对应的归一化植被指数值,包括:
对所述第一时序气象遥感卫星影像数据集中每个单时相卫星遥感影像数据进行浮点运算,获取每个气象遥感卫星影像数据所对应的归一化植被指数值。
可选地,根据所述归一化植被指数值、所述植被状态指数值以及所述降雨距平指数值对所述指定区域的进行旱情监测,包括:
分别对所述归一化植被指数值、所述植被状态指数值以及所述降雨距平指数值进行栅格重分类得到归一化植被指数分级数据、植被状态指数分级数据以及降雨距平指数分级数据;
对所述归一化植被指数分级数据、植被状态指数分级数据以及降雨距平指数分级数据进行加权融合得到所述指定区域的每个像元所对应的综合干旱指标数据;
根据所述综合干旱指标数据获取旱情分级分布信息以及面积信息,并根据所述旱情分级分布信息以及面积信息进行旱情监测。
可选地,分别对所述归一化植被指数值、所述植被状态指数值以及所述降雨距平指数值进行栅格重分类得到归一化植被指数分级数据、植被状态指数分级数据以及降雨距平指数分级数据,包括:
设置植被指数值分级信息,根据所述植被指数分级信息对所述归一化植被指数值进行栅格重分类获取归一化植被指数分级数据;
设置植被状态指数值分级信息,根据所述植被状态指数值分级信息对所述植被状态指数值进行栅格重分类获取植被状态指数分级数据;
设置降雨距平指数分级信息,根据所述降雨距平指数分级信息对降雨距平指数值进行栅格重分类,获取降雨距平指数分级数据。
可选地,还包括:获取各个指定区域不同时相的综合干旱指标数据,将所述不同时相的综合干旱指标数据进行对比,根据对比结果统计各个指定区域的旱情情况。
可选地,还包括:实时动态展示每个指定区域的旱情情况。
第二方面,本申请提供一种电子设备,该电子设备,包括:
存储器,用于存储至少一个处理器所执行的指令;
处理器,用于执行存储器中存储的指令执行第一方面所述的方法。
第三方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行第一方面所述的方法。
与现有技术相比,本申请实施例所提供的方案至少具有如下技术有益效果:
1、本申请实施例所提供的方案中,将遥感监测影像和地面站点实测数据结合,同时考虑了遥感植被因子(归一化植被指数以及植被状态指数)及地面实测气象因子(降雨距平指数),来获取综合干旱监测及其变化监测分级结果,提高了对于旱情监测的性能与效果;
2、本申请实施例所提供的方案中,采用遥感技术与地面监测相结合可以满足全局监测需求及干旱大范围发生发展的特点,在干旱监测领域具有独特优势。尤其是卫星遥感,可以大范围、快速、动态、客观的获取干旱信息,有效弥补地面站点空间不连续和以点带面的不足。
附图说明
图1为本申请实施例所提供的一种旱情监测方法的流程示意图;
图2为本申请实施例所提供的一种获取归一化植被指数分级数据的流程示意图;
图3为本申请实施例所提供的一种获取植被状态指数分级数据的流程示意图;
图4为本申请实施例所提供的一种获取降雨距平指数分级数据的流程示意图;
图5为本申请实施例所提供的一种旱情监测方法的流程示意图;
图6为本申请实施例所提供的一种通过投影以及掩膜所得到的影像数据图;
图7为本申请实施例所提供的一种研究区市级受旱区域图;
图8为本申请实施例所提供的一种研究区县级受旱区域图;
图9为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
本申请实施例提供的方案中,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
以下结合说明书附图对本申请实施例所提供的一种旱情监测方法做进一步详细的说明,该方法具体实现方式可以包括以下步骤(方法流程如图1所示):
步骤101,获取指定区域的第一时序气象遥感卫星影像数据集,对所述第一时序气象遥感卫星影像数据集进行处理获取每个气象遥感卫星影像数据所对应的归一化植被指数值。
作为举例,指定区域可以是指定的行政区域,如省、自治区、直辖市;或省、自治区下级的市、县、自治州、自治县;又或县、自治州下级的乡、镇、民族乡。另外,考虑到干旱情况需要进行长期监测的特征,采用时间序列的气象遥感卫星影像数据(时序气象遥感卫星影像数据)作为监测的数据,该时序气象遥感卫星影像数据除了涉及的时间长,还能支持数据集新增,能够添加新获取的影像数据。如时序气象遥感卫星影像数据集是指包括所采集的不同时相(或时间)的气象遥感卫星影像数据,而采集气象遥感卫星影像数据的时间间隔可以设定,例如,每旬采集一次气象遥感卫星影像数据或者每月采集一次气象遥感卫星影像数据,时序气象遥感卫星影像数据集可以包括一整年或者多年中每旬的气象遥感卫星影像数据或者每月的气象遥感卫星影像数据。
进一步,对于指定区域的气象遥感卫星影像数据集,可以直接通过气象遥感卫星采集该指定区域的影像数据集,也可以采集比指定区域更大范围的区域的气象遥感卫星影像数据集,然后从该更大范围的区域的气象遥感卫星影像数据集中提取该指定区域的影像数据集。
又作为举例,在一种可能实现的方式中,获取指定区域的第一时序气象遥感卫星影像数据集,包括:获取一年或多年第一区域的第二时序气象遥感卫星影像数据集,其中,所述第一区域包括一个或多个所述指定区域;通过投影和掩膜的方法从所述第二时序气象遥感卫星影像数据集获取每个指定区域所对应的第一时序气象遥感卫星影像数据集。其中,第一区域就是指比指定区域范围更大的区域,如指定区域为市、县、自治州或自治县,则第一区域可以是覆盖该指定区的省或者全国区域。
进一步,在获取指定区域的第一时序气象遥感卫星影像数据集后,还需要对第一时序气象遥感卫星影像数据集进行处理获取每个气象遥感卫星影像数据所对应的归一化植被指数值。作为举例,在一种可能实现的方式中,对所述第一时序气象遥感卫星影像数据集进行处理获取每个气象遥感卫星影像数据所对应的归一化植被指数值,包括:对所述第一时序气象遥感卫星影像数据集中每个单时相卫星遥感影像数据进行浮点运算,每个气象遥感卫星影像数据所对应的归一化植被指数值。
具体的,通过如下公式获取每个气象遥感卫星影像数据所对应的归一化植被指数(Normalized Difference Vegetation Index,NDVI)值:
其中,BNIR表示近红外波段的反射率;BRed表示红外波段的反射率。
步骤102,根据所述归一化植被指数值计算每个气象遥感卫星影像数据所对应的植被状态指数值,以及采集雨量监测点所监测的监测信息,根据所述监测信息计算雨量监测点所对应的降雨距平指数值。
作为举例,基于时序气象卫星遥感影像数据中所有气象遥感卫星影像数据的计算结果,提取观测时序中该指定区域最大植被指数NDVImax及观测序列中该指定区域最小植被指数NDVImin。结合各时相影像NDVI数据计算植被状态指数(Vegetation Condition Index,VCI)值,公式如下:
其中,NDVIi表示第i时相的植被指数。
另外,降水对旱情监测结果也有直接的影响,因此,在对旱情进行监测时,还要考虑指定区域降雨情况。作为举例,本申请实施例所提供的方案中,采用降雨距平指数(Precipitation Anomaly,PPA)用来评估旱情。此外,由于降水对旱情的影响有持续性,旱情严重程度与前期雨量大小和分布有关,计算时段选用月尺度。通过雨量监测站点数据获取地面站点数据、采集时间、雨量情况并录入数据库,计算月尺度下的不同站点降雨距平指数PPA值,公式如下:
步骤103,根据所述归一化植被指数值、所述植被状态指数值以及所述降雨距平指数值对所述指定区域的进行旱情监测。
在一种可能实现的方式中,根据所述归一化植被指数值、所述植被状态指数值以及所述降雨距平指数值对所述指定区域的进行旱情监测,包括:分别对所述归一化植被指数值、所述植被状态指数值以及所述降雨距平指数值进行栅格重分类得到归一化植被指数分级数据、植被状态指数分级数据以及降雨距平指数分级数据;对所述归一化植被指数分级数据、植被状态指数分级数据以及降雨距平指数分级数据进行加权融合得到所述指定区域的每个像元所对应的综合干旱指标数据;根据所述综合干旱指标数据获取旱情分级分布信息以及面积信息,并根据所述旱情分级分布信息以及面积信息进行旱情监测。
在一种可能实现的方式中,分别对所述归一化植被指数值、所述植被状态指数值以及所述降雨距平指数值进行栅格重分类得到归一化植被指数分级数据、植被状态指数分级数据以及降雨距平指数分级数据,包括:设置植被指数值分级信息,根据所述植被指数分级信息对所述归一化植被指数值进行栅格重分类获取归一化植被指数分级数据;设置植被状态指数值分级信息,根据所述植被状态指数值分级信息对所述植被状态指数值进行栅格重分类获取植被状态指数分级数据;设置降雨距平指数分级信息,根据所述降雨距平指数分级信息对降雨距平指数值进行栅格重分类,获取降雨距平指数分级数据。
作为举例,参见图2,为了将归一化植被指数NDVI值与干旱情况进行关联,设置NDVI分级表,对NDVI这一单指标数据进行栅格重分类,获取归一化植被指数分级数据,其中,归一化植被指数分级数据是根据归一化植被指数值所得到的干旱程度,其分为无干旱、轻度干旱、中度干旱、严重干旱和特大干旱5级,并增加数字标示属性。具体的,NDVI分级表中NDVI分级指标如下:无旱:NDVI>0.6,属性标示为1;轻度干旱:0.6≥NDVI>0.5,属性标示为2;中度干旱:0.5≥NDVI>0.4,属性标示为3;严重干旱:0.4≥NDVI>0.3,属性标示为4;特大干旱:0.3≥NDVI,属性标示为5。
又作为举例,本申请实施例所提供的方案中,对于干旱的监测除了引入NDVI值,还引入了植被状态指数VCI值。参见图3,为了将归一化植被指数NDVI值与干旱情况进行关联,设置VCI分级表,对VCI这一单指标数据进行栅格重分类,获取植被状态指数分级数据,将植被状态指数分级数据分为无干旱、轻度干旱、中度干旱、严重干旱和特大干旱5级,并增加数字标示属性。具体的,VCI分级表中VCI分级指标如下:无旱:VCI>0.6,属性标示为1;轻度干旱:0.6≥VCI>0.45,属性标示为2;中度干旱:0.45≥VCI>0.3,属性标示为3;严重干旱:0.3≥VCI>0.15,属性标示为4;特大干旱:0.15≥VCI,属性标示为5。
图4展示了本申请实施例提供的一种获取降雨距平指数分级数据的流程示意图。
作为举例,参见图4,通过雨量监测数据获取地面站点地理位置,结合降雨距平指数数据,基于时空克里金插值法,将点状降雨距平指数信息插值为覆盖行政区的降雨距平指数值。设置降雨距平指数干旱状态分级表,对降雨距平指数单指标数据进行栅格重分类,获取降雨距平指数分级栅格数据。PPA分级指标如下:无旱:VCI>0.6,属性标示为1;轻度干旱:0.6≥VCI>0.5,属性标示为2;中度干旱:0.5≥VCI>0.4,属性标示为3;严重干旱:0.4≥VCI>0.3,属性标示为4;特大干旱:0.3≥VCI,属性标示为5。
进一步,在获取归一化植被指数分级数据、植被状态指数分级数据以及降雨距平指数分级数据之后,基于植被指数分级数据、植被状态指数分级数据、降雨距平指数分级数据,结合权重数据,通过对上述各因子的加权融合得到每个像元的综合旱情指数,并根据综合旱情分级标准获得旱情监测分级数据。此外基于行政区划属性信息,能够统计各行政区划的干旱程度及面积。
作为举例,输入权重数据、NDVI分级数据、VCI分级数据、PPA分级数据进行像元加权计算得到每个像元综合指标数据,将综合指标从小到大等间距重分类为无旱、轻度干旱、中度干旱、严重干旱、特大干旱五级,得到综合旱情分级图。与行政区划数据进行叠加分析,统计各行政区划的干旱级别及面积。具体的,参见图5为本申请实施例所提供的一整套旱情监测的方案流程示意图。
又作为举例,为了便于对不同区域进行旱情监测以及对某一区域的旱情进行预测,在步骤103之后,还包括:获取各个指定区域不同时相的综合干旱指标数据,将所述不同时相的综合干旱指标数据进行对比,根据对比结果统计各个指定区域的旱情情况。
在获得到各个指定区域不同时相的综合干旱指标数据之后,为了确定每个指定区域的旱情发展趋势以及变化情况等,需要将两个不同时相的综合干旱监测对比。如可以将当前综合旱情数据与历史同期综合旱情数据进行差值分析得到当前综合旱情的分析结果,具体参见表1所示的当前综合旱情分析结果。
表1
根据上述表1进行旱情等级划分,得到当前综合旱情分析结果。与行政区划数据进行叠加分析,统计各行政区划的旱情变化分级及面积。
进一步,为了验证本申请实施例所提供的方案对于旱情监测的效果以及性能,下面以湖南省作为研究区,对其下属的各个行政区的旱情监测为例进行说明。
作为举例,在旱情监测过程中统计上报的内容包括以全省受灾面积、涉及受灾市个数、涉及受灾县个数、受灾面积1千亩以上的区县个数四个指标。根据上述步骤101获取一年或多年湖南省的气象卫星遥感影像数据集,如通过中分辨率成像光谱仪(MODerate-resolution Imaging Spectroradiometer,MODIS)获取影像数据集,读取气象卫星遥感影像数据集中的数据并投影以及掩膜得到图6所示的影像数据。
然后,基于气象卫星遥感影像数据集生成归一化植被指数、植被状态指数分级数据。读取该区域地面站点实测数据生成降雨距平指数分级数据,并最终生成得到综合旱情监测分级结果图。由于实测数据仅统计上报了受旱区,将旱情监测分类结果中的不旱、轻度干旱、中度干旱定义为不旱,将重度干旱、特大干旱定义为受旱,得到研究区受灾区域图。分别使用市界、县界和受灾区域图进行叠加分析。图7展示了研究区市级受旱区域图、图8表示为研究区县级受旱区域图。
进一步,根据图7以及图8的旱情区域图统计全省受灾面积、涉及受灾市个数、涉及受灾县个数、受灾面积1千亩以上的区县个数,具体参见表2。
表2
通过上述验证结果可以发现,本申请实施例所提供的方案对于大范围的干旱信息能够有效监测,使用本申请实施例所提供的方案可以实现自动/半自动的干旱区域监测与信息提取。
本申请实施例所提供的方案中,将遥感监测影像和地面站点实测数据结合,同时考虑了遥感植被因子(归一化植被指数以及植被状态指数)及地面实测气象因子(降雨距平指数),来获取综合干旱监测及其变化监测分级结果,提高了对于旱情监测的性能与效果。
参见图9,本申请提供一种计算机设备,该计算机设备,包括:
存储器901,用于存储至少一个处理器所执行的指令;
处理器902,用于执行存储器中存储的指令执行图1所述的方法。
本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行图1所述的方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (9)
1.一种旱情监测方法,其特征在于,包括:
获取指定区域的第一时序气象遥感卫星影像数据集,对所述第一时序气象遥感卫星影像数据集进行处理获取每个气象遥感卫星影像数据所对应的归一化植被指数值;
根据所述归一化植被指数值计算每个气象遥感卫星影像数据所对应的植被状态指数值,以及根据采集雨量监测点所监测的监测信息,计算雨量监测点所对应的降雨距平指数值;
根据所述归一化植被指数值、所述植被状态指数值以及所述降雨距平指数值对所述指定区域的进行旱情监测。
2.如权利要求1所述的方法,其特征在于,获取指定区域的第一时序气象遥感卫星影像数据集,包括:
获取一年或多年第一区域的第二时序气象遥感卫星影像数据集,其中,所述第一区域包括一个或多个所述指定区域;
通过投影和掩膜的方法从所述第二时序气象遥感卫星影像数据集获取每个指定区域所对应的第一时序气象遥感卫星影像数据集。
3.如权利要求1所述的方法,其特征在于,对所述第一时序气象遥感卫星影像数据集进行处理获取每个气象遥感卫星影像数据所对应的归一化植被指数值,包括:
对所述第一时序气象遥感卫星影像数据集中每个单时相卫星遥感影像数据进行浮点运算,获取每个气象遥感卫星影像数据所对应的归一化植被指数值。
4.如权利要求1~3任一项所述的方法,其特征在于,根据所述归一化植被指数值、所述植被状态指数值以及所述降雨距平指数值对所述指定区域的进行旱情监测,包括:
分别对所述归一化植被指数值、所述植被状态指数值以及所述降雨距平指数值进行栅格重分类得到归一化植被指数分级数据、植被状态指数分级数据以及降雨距平指数分级数据;
对所述归一化植被指数分级数据、植被状态指数分级数据以及降雨距平指数分级数据进行加权融合得到所述指定区域的每个像元所对应的综合干旱指标数据;
根据所述综合干旱指标数据获取旱情分级分布信息以及面积信息,并根据所述旱情分级分布信息以及面积信息进行旱情监测。
5.如权利要求4所述的方法,其特征在于,分别对所述归一化植被指数值、所述植被状态指数值以及所述降雨距平指数值进行栅格重分类得到归一化植被指数分级数据、植被状态指数分级数据以及降雨距平指数分级数据,包括:
设置植被指数值分级信息,根据所述植被指数分级信息对所述归一化植被指数值进行栅格重分类获取归一化植被指数分级数据;
设置植被状态指数值分级信息,根据所述植被状态指数值分级信息对所述植被状态指数值进行栅格重分类获取植被状态指数分级数据;
设置降雨距平指数分级信息,根据所述降雨距平指数分级信息对降雨距平指数值进行栅格重分类,获取降雨距平指数分级数据。
6.如权利要求5所述的方法,其特征在于,还包括:
获取各个指定区域不同时相的综合干旱指标数据,将所述不同时相的综合干旱指标数据进行对比,根据对比结果统计各个指定区域的旱情情况。
7.如权利要求6所述的方法,其特征在于,还包括:
实时动态展示每个指定区域的旱情情况。
8.一种电子设备,其特征在于,包括:
存储器,用于存储至少一个处理器所执行的指令;
处理器,用于执行存储器中存储的指令执行如权利要求1~7任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行如权利要求1~7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210666707.0A CN115271332A (zh) | 2022-06-13 | 2022-06-13 | 一种旱情监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210666707.0A CN115271332A (zh) | 2022-06-13 | 2022-06-13 | 一种旱情监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115271332A true CN115271332A (zh) | 2022-11-01 |
Family
ID=83759938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210666707.0A Pending CN115271332A (zh) | 2022-06-13 | 2022-06-13 | 一种旱情监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115271332A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116052017A (zh) * | 2023-01-17 | 2023-05-02 | 二十一世纪空间技术应用股份有限公司 | 基于双重指数法和自适应策略绿网苫盖信息遥感监测方法 |
-
2022
- 2022-06-13 CN CN202210666707.0A patent/CN115271332A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116052017A (zh) * | 2023-01-17 | 2023-05-02 | 二十一世纪空间技术应用股份有限公司 | 基于双重指数法和自适应策略绿网苫盖信息遥感监测方法 |
CN116052017B (zh) * | 2023-01-17 | 2023-11-10 | 二十一世纪空间技术应用股份有限公司 | 基于双重指数法和自适应策略绿网苫盖信息遥感监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nampak et al. | Assessment of land cover and land use change impact on soil loss in a tropical catchment by using multitemporal SPOT‐5 satellite images and R evised U niversal Soil L oss E quation model | |
Zewdie et al. | Monitoring ecosystem dynamics in northwestern Ethiopia using NDVI and climate variables to assess long term trends in dryland vegetation variability | |
Weng | Land use change analysis in the Zhujiang Delta of China using satellite remote sensing, GIS and stochastic modelling | |
Ismail et al. | Satellite data classification accuracy assessment based from reference dataset | |
Vibrans et al. | Using satellite image-based maps and ground inventory data to estimate the area of the remaining Atlantic forest in the Brazilian state of Santa Catarina | |
EP3848509A1 (en) | Crack analysis device, crack analysis method, and crack analysis program | |
Nathan et al. | Estimating low flow characteristics in ungauged catchments | |
CN108629494B (zh) | 干旱等级评估方法及系统 | |
Khare et al. | Morphometric analysis for prioritization using remote sensing and GIS techniques in a hilly catchment in the state of Uttarakhand, India | |
CN109933637B (zh) | 一种洪水风险动态展示及分析系统 | |
DeWitt et al. | Creating high-resolution bare-earth digital elevation models (DEMs) from stereo imagery in an area of densely vegetated deciduous forest using combinations of procedures designed for lidar point cloud filtering | |
CN109145072B (zh) | 一种草原生物量遥感监测分区方法及装置 | |
CN113269240A (zh) | 一种雨量站选址信息输出方法、装置、电子设备和介质 | |
CN109410329B (zh) | 一种雪崩信息提取方法、装置、电子设备及存储介质 | |
CN115271332A (zh) | 一种旱情监测方法 | |
Tsakiris et al. | Regional drought identification and assessment. Case study in Crete | |
CN117171533B (zh) | 一种地理测绘作业数据实时采集处理方法及系统 | |
CN107437262B (zh) | 作物种植面积预警方法和系统 | |
CN117037076A (zh) | 一种基于遥感技术的土壤墒情智能监测方法 | |
CN111861838A (zh) | 一种山区森林退化成因的判别方法及系统 | |
CN114842356B (zh) | 一种高分辨率地表类型样本自动生成方法、系统及设备 | |
Murthy et al. | Analysing agricultural drought vulnerability at sub-district level through exposure, sensitivity and adaptive capacity based composite index | |
Lemma et al. | Forest cover change detection in relation to climate variability and LULC changes using GIS and RS techniques. A case of the Kafa zone, southwest Ethiopia | |
CN114626750A (zh) | 基于多要素分析的生态保护重要性评估方法及其集成系统 | |
Van de Voorde et al. | Mapping update and analysis of the evolution of non-built (green) spaces in the Brussels Capital Region |
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 |