本发明涉及遥感应用中的农业干旱监测领域,具体涉及基于土壤水分数据的农业干旱预测技术。
背景技术:
1、在我国,干旱灾害是发生程度较频繁的一种自然灾害;不同程度的干旱灾害每年都会在不同的地区出现。干旱形成是一个日积月累的过程,前期不易被察觉,一旦形成就具有影响区域广,严重程度高等特点。
2、干旱监测历史悠久,传统方法依赖于人工,气象站点和农业部门合作,通过观测站点进行实测,对获得的数据进行干旱指标定义和定级。然而,这种方法具有效率低、耗时长特点,不符合实时应用需求。随着干旱监测技术和手段发展,基于遥感技术的干旱监测,能够更宏观地基于遥感数据建立干旱监测模型,基于更长时间广度对干旱情况进行总结,实现实时干旱监测。
3、土壤水分是评估农业干旱的关键变量。近年来,随着土壤水分数据的时空覆盖度和产品精度显著提升,基于土壤水分的农业干旱监测逐渐吸引更多的关注。然而,目前用于干旱研究的土壤水分数据绝大部分采用月以上的时间尺度,适用于干旱监测和预报的日土壤水分方法相对稀缺,不利于对干旱监测和预报准确率的改进以及对现有日干旱情况进行评估。
4、本发明就是着力于通过预测土壤水分,对墒情变化进行有效的监测和评估。本发明结合了现有的深度学习时空序列数据预测模型和趋势计算方法,设计了一种通过预测逐日土壤水分监测农业干旱的方法。
技术实现思路
1、为了通过土壤水分对干旱灾害变化进行有效监测,本发明提出了一种基于神经网络土壤水分预测的农业干旱遥感监测技术。该技术基于深度学习方法,针对时空序列数据进行趋势分析,提出了逐日监测干旱监测的方法。
2、本发明所采用的技术方案是:
3、步骤1:编码器堆叠4个basicconv块来提取数据特征;
4、步骤2:将步骤1中提取的特征图输入翻译器,通过translator模块学习时间演化。translator模块由8个inception模块组成;
5、步骤3:解码器利用4个groupconv2d块重构土壤含水量数据;
6、步骤4:将步骤3预测的土壤含水量数据与相对时间前一周的土壤含水量数据进行sen斜率估计;
7、步骤5:将步骤4的结果通过mann—kendall方法判断变化趋势显著性,从而进行干旱预警。
8、与现有技术相比,本发明的有益效果是:
9、(1)相比传统的遥感干旱指数,与土壤含水量的分布具有更好的空间一致性;
10、(2)相对于直接反演土壤水分的墒情监测方法,具有更高的时空分辨率;
11、(3)预警的实时性提高,复杂度降低。
1.一种基于土壤水分的逐日农业干旱预警方法,其特征在于,包括以下步骤:
2.如权利要求1所述方法,其特征在于,步骤4中以预测的土壤含水量数据进行sen斜率估计。
3.如权利要求1所述方法,其特征在于,将步骤4的结果通过mann—kendall方法判断变化趋势显著性,从而进行干旱预警。