[发明专利]一种协同多源遥感参量的综合遥感干旱监测方法

说明书

本发明提供了一种协同多源遥感参量的综合遥感干旱监测方法，考虑干旱发生发展过程中“驱动‑响应”机制，基于监督自组织映射网络，通过融合降水、植被指数和地表温度驱动的单因子干旱指数以及气象和生态的历史气候态指标来构建综合遥感干旱监测指数模型。并通过拆分历史数据驱动参数和实时数据驱动参数以提升该模型的实时运行效率，使用者只需将待监测区域的实时降水、实时植被指数、实时地表温度输入至所述模型中，即可预测出综合遥感干旱监测指数。该方法主要开展了包括：多源遥感产品和地面观测数据集的搜集与处理、综合遥感干旱监测指数模型的构建和实时旱情监测处理。利用上述发明能够大范围全面地识别旱情，提高旱情监测的及时性和准确性。

技术领域

本发明涉及遥感监测技术领域，尤其涉及一种协同多源遥感参量的综合遥感干旱监测方法。

背景技术

具备准确干旱监测和预报功能的干旱预警系统能够有效地降低社会对干旱的脆弱性。干旱监测系统需要通过综合多个气候、水文、土壤和社会经济指标刻画干旱的强度、空间范围以及潜在影响。在干旱监测方法方面，目前，国内外已开展多种类型的干旱监测研究，国内中国气象局国家气候中心建立了气象干旱综合监测系统。国际上基于卫星遥感对地观测的干旱监测系统最为成熟的是美国干旱监测系统(U.S.Drought Monitor)。欧盟联合研究中心建立了“欧洲干旱观察 (European Union Drought Observatory,EDO)”通过将气象和水文数据和复杂的模型结合用于监测欧洲的干旱。中国国家气候中心也开发了业务化的全国干旱监测系统，定期发布实时旱情信息。此外随着全球对地观测技术的快速发展，积累的海量卫星遥感数据为干旱监测注入了强劲的活力。

为了更精准的刻画干旱事件的动态变化过程，需要使用综合干旱过程涉及的多因子构建干旱监测模型。近年来学界陆续提出了一系列多因子干旱监测指数，并且上述已经业务化运行的监测系统也都依赖于多因子协同的旱情监测模型。

本申请发明人在实施本发明的过程中，发现现有技术至少存在如下技术问题：

当前基于遥感的多因子遥感模型尽管能够提供像元级覆盖的旱情监测信息，但这些综合指数在业务化运行中仍面临诸多挑战，其中包括：1)单纯综合各个因子异常指标构建的综合指数不能体现生态系统对气象干旱响应的时空异质性； 2)基于简单的数学组合或统计模型(机器学习)构建的综合干旱监测指数难以合理体现干旱发生发展的物理过程。

发明内容

本发明提出了一种协同多源遥感参量的综合遥感干旱监测方法，用于解决或者至少部分解决现有技术中的方法存在的干旱监测准确性不高的技术问题。

为了改进遥感干旱监测的准确性，本发明提供了一种协同多源遥感参量的综合遥感干旱监测方法，包括：

S1：获取历史多源遥感产品和国家站点旱情观测数据；

S2：对获取的历史多源遥感产品进行预处理，获得多源陆表单因子遥感干旱指数、气象和生态的历史气候态指标，对国家站点旱情观测数据进行预处理，获得站点综合气象干旱指标；

S3：以监督自组织映射网络作为机器学习模型，以站点综合气象干旱指标作为地面真值，以多源陆表单因子遥感干旱指数、气象和生态的历史气候态指标作为机器学习模型输入驱动，构建综合遥感干旱监测指数模型；

S4：将步骤S3所构建的综合遥感干旱监测指数模型用于实时旱情监测。

在一种实施方式中，历史多源遥感产品包括历史降水产品、历史植被指数产品和历史地表温度产品，多源陆表单因子遥感干旱指数包括标准化降水指数、标准化植被指数和标准化温度指数，气象和生态的历史气候态指标包括多年年降水均值、多年逐月降水均值、多年NDVI均值以及多年逐月NDVI均值，步骤S2 中，对获取的历史多源遥感产品进行预处理，获得多源陆表单因子遥感干旱指数、气象和生态的历史气候态指标，包括：