本技术涉及数据处理,具体涉及一种气象和遥感数据协同的作物低温冷冻灾害识别方法。
背景技术:
1、低温冷冻灾害主要由强冷空气及寒潮侵入造成的连续多日气温急剧下降,使作物因环境温度过低而受到损伤导致减产的农业气象灾害。
2、目前,获得时空分布的低温冷冻灾害方法包括人工统计上报、遥感目视解译和遥感自动识别方法。人工统计上报方法主要依靠人工上报,数据的一致性和客观性有待确认,尤其对于大的区域,难以有效的反映实际情况。遥感目视解译方法需要耗费比较大的人力和物力,而且由于受操作者的技能影响,获得的结果往往会具有一定的差异。遥感自动识别方法由于信息获得非常复杂,目前难以获得比较有效的结果,不确定性较大。
3、因此,在基于上述各方法进行作物损失评估时,存在灾害信息获取的准确性不足的缺陷,进而导致作物损失评估的精度低下。
技术实现思路
1、本技术实施例提供一种气象和遥感数据协同的作物低温冷冻灾害识别方法,用以解决作物损失评估的精度低下的问题。
2、第一方面,本技术实施例提供一种气象和遥感数据协同的作物低温冷冻灾害识别方法,包括:
3、确定目标区域中作物遭受冷冻灾害的持续时长、空气温度的变化系数、叶绿素指数的变化系数、植被指数的变化系数与后向散射系数的变化系数;
4、将所述持续时长、所述空气温度的变化系数、所述叶绿素指数的变化系数、所述植被指数的变化系数与所述后向散射系数的变化系数输入至目标模型中,得到所述目标模型输出的作物产量数据;其中,所述目标模型用于进行作物产量预测;
5、基于所述作物产量数据,确定所述目标区域的作物损失量。
6、在一个实施例中,所述确定目标区域中作物空气温度的变化系数,包括:
7、确定目标区域的遥感图像中像元所处区域的空气温度;
8、基于所述空气温度与所述像元对应作物的空气温度阈值,确定所述目标区域中作物空气温度的变化系数。
9、在一个实施例中,所述确定目标区域中作物叶绿素指数的变化系数,包括:
10、确定目标区域的遥感图像中像元对应的作物在当前生长期的叶绿素指数;其中,所述叶绿素指数是基于所述目标区域的绿波段的遥感反射率与红波段的遥感反射率确定的;
11、基于所述叶绿素指数与所述像元对应的作物在当前生长期的叶绿素指数阈值,确定所述目标区域中作物叶绿素指数的变化系数。
12、在一个实施例中,所述叶绿素指数是基于如下公式确定的:
13、
14、其中,rg表示目标区域的遥感图像中像元对应区域绿波段的遥感反射率,rr表示所述像元对应区域红波段的遥感反射率。
15、在一个实施例中,所述确定目标区域中作物植被指数的变化系数,包括:
16、确定目标区域的遥感图像中像元对应的作物在当前生长期的植被指数,基于所述植被指数与所述像元对应的作物在当前生长期的植被指数阈值,确定所述目标区域中作物植被指数的变化系数;其中,所述植被指数基于所述目标区域的近红外波段的遥感反射率与红波段的遥感反射率确定;确定目标区域的遥感图像中像元对应的作物在当前生长期的改进型土壤大气修正指数,基于所述改进型土壤大气修正指数与所述像元对应的作物在当前生长期的改进型土壤大气修正指数阈值,确定所述目标区域中作物植被指数的变化系数;其中,所述改进型土壤大气修正指数基于所述目标区域的蓝波段的遥感反射率、近红外波段的遥感反射率与红波段的遥感反射率确定。
17、在一个实施例中,所述植被指数是基于如下公式确定的:
18、
19、其中,rnir表示目标区域的遥感图像中像元对应区域近红外波段的遥感反射率,rr表示所述像元对应区域红波段的遥感反射率;
20、所述改进型土壤大气修正指数是基于如下公式确定的:
21、
22、其中,rb表示所述像元对应区域蓝波段的遥感反射率,rnir表示所述像元对应区域近红外波段的遥感反射率,rr表示所述像元对应区域红波段的遥感反射率;l=1;c1=6;c2=7.5;g=2.5。
23、在一个实施例中,所述确定目标区域中作物后向散射系数的变化系数,包括:
24、确定目标区域的遥感图像中像元对应的作物在当前生长期的后向散射系数值;
25、基于所述后向散射系数值与所述像元对应的作物在当前生长期的后向散射系数阈值,确定所述目标区域中作物后向散射系数的变化系数。
26、在一个实施例中,所述基于所述作物产量数据,确定所述目标区域的作物损失量,包括:
27、确定所述目标区域的遥感图像的像元面积与所述遥感图像中受损作物的像元数量;
28、基于所述作物产量数据、所述像元面积与所述像元数量,确定所述目标区域的作物损失量。
29、在一个实施例中,所述基于所述作物产量数据、所述像元面积与所述像元数量,确定所述目标区域的作物损失量,是基于如下表达式实现的:
30、
31、其中,ta表示作物损失量,p表示遥感图像的像元面积,qr表示种类为r的作物受损的像元数量,cyk表示受损度为k的单位面积的损失量,所述损失量是基于所述作物产量数据与作物产量阈值确定的;m表示受损程度的等级数量;v表示作物的种类数量。
32、在一个实施例中,所述目标模型的表达式如下所示:
33、
34、其中,f(cy|c)表示集成决策树,n表示子决策树的数量,fi(cy|c)表示给定输入变量c的原始产量cy的子决策树;
35、cy=frf(c)+ε;
36、其中,cy表示作物产量;c表示输入变量,所述输入变量至少包括作物遭受冷冻灾害的持续时长、空气温度的变化系数、叶绿素指数的变化系数、植被指数的变化系数与后向散射系数的变化系数;frf(c)表示建立输入变量与作物产量之间关系的非线性函数;ε表示误差值。
37、第二方面,本技术实施例提供一种气象和遥感数据协同的作物低温冷冻灾害识别装置,包括:
38、第一确定模块,用于确定目标区域中作物遭受冷冻灾害的持续时长、空气温度的变化系数、叶绿素指数的变化系数、植被指数的变化系数与后向散射系数的变化系数;
39、传输模块,用于将所述持续时长、所述空气温度的变化系数、所述叶绿素指数的变化系数、所述植被指数的变化系数与所述后向散射系数的变化系数输入至目标模型中,得到所述目标模型输出的作物产量数据;其中,所述目标模型用于进行作物产量预测;
40、第二确定模块,用于基于所述作物产量数据,确定所述目标区域的作物损失量。
41、第三方面,本技术实施例提供一种电子设备,包括处理器和存储有计算机程序的存储器,所述处理器执行所述程序时实现第一方面所述的气象和遥感数据协同的作物低温冷冻灾害识别方法。
42、第四方面,本技术实施例提供一种存储介质,所述存储介质为计算机可读存储介质,包括计算机程序,所述计算机程序被处理器执行时实现第一方面所述的气象和遥感数据协同的作物低温冷冻灾害识别方法。
43、本技术实施例提供的气象和遥感数据协同的作物低温冷冻灾害识别方法,通过确定目标区域中作物遭受冷冻灾害的持续时长、空气温度的变化系数、叶绿素指数的变化系数、植被指数的变化系数与后向散射系数的变化系数,可以根据目标模型准确地确定作物产量数据,并根据作物产量数据,准确地确定目标区域的作物损失量,由此可以避免灾害信息获取的准确性不足的缺陷,进而提高作物损失评估的精度。