一种基于信息扩散的农业干旱等级划分方法与流程

1.本技术属于卫星遥感技术应用，具体涉及一种基于信息扩散的农业干旱等级划分方法。


背景技术：

2.目前，在对农田与作物进行干旱监测时，常用干旱指数对干旱现象进行表达。干旱指数本身是客观的，需要针对具体的指数建立指数和干旱等级之间的映射关系，才能表征干旱的严重程度。
3.具体的，在得到对应的干旱指数值后，可以通过两种方法来表征干旱程度：第一种方法是划分干旱指数的阈值，通过设定一定的分级标准来表征干旱程度；第二种方法是通过点上的数据建立干旱指数与土壤水分之间的拟合关系，推算面上的土壤相对湿度，结合土壤相对湿度定量化的分级标准进行干旱的监测与评价。
4.但是，上述两种方法在实际运用过程中都存在不足，具体如下：
5.针对第一种方法，由于在不同区域、不同时间内指数分级标准有很大差异，就算是针对同一研究区，不同研究者得到的分级标准也存在不一致的情况，而用不同的分级标准评价的旱情差别也会比较大，因此难以确定合理的干旱等级。另外，由于干旱指标和干旱等级(严重程度)之间的关系存在不确定性，如果每个监测时段均采用特定的等级划分标准，可能使得利用遥感手段对干旱等级监测结果的描述和实际干旱发生程度存在不小偏差。
6.针对第二种方法，由于需要建立干旱指数与土壤水分之间的拟合关系，因此需要采集站点土壤含水量数据；一方面是土壤含水量需要通过仪器测量得到，耗时耗力，需要诸多投入及不间断的更新设备，维持系统的良好运行；另一方面，在很多情况下，研究区的站点土壤相对湿度数据是难以获取的，进行干旱等级评定时往往带有极大的人为随意性。


技术实现要素：

7.为了解决现有技术中存在的至少一个技术问题，本技术提供了一种基于信息扩散的农业干旱等级划分方法。
8.本技术公开了一种基于信息扩散的农业干旱等级划分方法，包括如下步骤：
9.步骤101、获取监测目标在预定时间段的遥感数据以及干旱形态数据，其中，所述干旱形态数据包含所述监测目标的位置信息以及人为判断的干旱等级信息；
10.步骤102、选取预定类型的遥感指数作为所述监测目标的干旱指数，并根据所述遥感数据计算对应的干旱指数值；
11.步骤103、利用模糊集合论将所述干旱形态数据转换为模糊子集；
12.步骤104、将所述步骤102的干旱指数值和步骤103的模糊子集一起构成样本集；
13.步骤105、以所述样本集作为参量，利用信息扩散方法构建模糊信息矩阵，从而得到所述干旱指数值和所述干旱形态数据表达的干旱等级之间的映射关系；
14.步骤106、基于所述步骤105得到的映射关系，来评定监测目标的干旱等级。
15.根据本技术的至少一个实施方式，所述干旱等级信息中的干旱等级包括无旱、轻旱、中旱、重旱以及特旱。
16.根据本技术的至少一个实施方式，所述步骤103具体包括：
17.步骤1031、设给定论域u，u到闭区间[0，1]的任一映射μb为：
[0018]
μb:u
→
[0,1],
[0019][0020]
其中，u是模糊集b的论域，则称b是u上的一个模糊子集，数值μb(x)为x属于b的隶属度，函数μb是b的隶属函数；
[0021]
步骤1032、设论域u是有限集，用扎德记号表达u的一个模糊子集b：
[0022]
b＝μb(x1)/x1+μb(x2)/x2…
+μb(xn)/xn；
[0023]
其中，x分别对应所述干旱等级信息中对应的干旱等级，μb(x)是各干旱等级所对应的可能性。
[0024]
根据本技术的至少一个实施方式，在所述步骤102中，所述预定类型的遥感指数是温度植被干旱指数。
[0025]
根据本技术的至少一个实施方式，所述温度植被干旱指数tvdi通过如下公式得到：
[0026][0027]
其中，ts表示任意像元的地表温度；表示某一地相同植被指数对应的最低地表温度；表示某一地相同植被指数对应的最高地表温度；
[0028]
另外，具体计算公式为：
[0029][0030]
式中：a1，b1表示湿边方程的拟合系数；a2，b2表示干边方程的拟合系数；vi表示植被指数。
[0031]
根据本技术的至少一个实施方式，在所述步骤102中，根据所述遥感数据计算得到对应的干旱指数值之前还包括如下步骤：
[0032]
对所述遥感数据依次进行遥感图像预处理和去云处理、去阴影处理。
[0033]
根据本技术的至少一个实施方式，所述遥感图像预处理包括如下处理中的至少一种：
[0034]
辐射定标处理、大气校正处理、正射校正处理、几何校正处理以及影像镶嵌处理。
[0035]
根据本技术的至少一个实施方式，在所述步骤103中，将所述干旱形态数据转换为模糊子集之前还包括如下步骤：
[0036]
对所述干旱形态数据进行预处理，以去除无效数据和干扰数据。
[0037]
根据本技术的至少一个实施方式，在所述步骤104中，是以地理位置为纽带，将干旱指数值作为输入，模糊子集作为输出，以构造样本集。
[0038]
根据本技术的至少一个实施方式，在所述步骤106中，是基于映射关系，利用所述
监测目标的干旱指数值直接得到监测目标的干旱等级分布图，从而评定监测目标的干旱等级。
[0039]
本技术至少存在以下有益技术效果：
[0040]
针对目前农业干旱遥感指数的干旱等级动态确定过程中存在的不确定性，本技术的基于信息扩散的农业干旱等级划分方法提出一种以定性信息为参考的动态干旱等级确定方法，具体是利用模糊集合论将容易获取的干旱等级判断的定性信息转换为模糊子集，进而采用信息扩散的方法构建遥感干旱指数和农业干旱等级之间的模糊关系矩阵，用以描述干旱指数和干旱等级之间的模糊关系，从而进行区域农业干旱监测。
附图说明
[0041]
图1是本技术基于信息扩散的农业干旱等级划分方法的流程图；
[0042]
图2是本技术一实施例中干旱等级认知判断图；
[0043]
图3是本技术一具体实例中在东北三省的作物分布图；
[0044]
图4是本技术一具体实例中在东北三省在2009年8月上旬tvdi空间分布图；
[0045]
图5是本技术以定性信息为参考模糊推理得到东北三省在2009年8月上旬的农业干旱等级分布图。
具体实施方式
[0046]
为使本技术实施的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行更加详细的描述。所描述的实施例是本技术一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
[0047]
实施例1
[0048]
以监测2009年8月上旬东北三省的农业干旱为例(应用区域参见图3所示)。
[0049]
具体的，参见图1所示，本实施例中的基于信息扩散的农业干旱等级划分方法，包含以下步骤：
[0050]
步骤101、获取监测目标(即东北三省区域内的农作物)在预定时间段(即2009年8月上旬)的modis遥感数据以及干旱形态数据，其中，干旱形态数据包含监测目标的位置信息以及人为判断(例如种植者和农业领域专家进行判断)的干旱等级信息。
[0051]
其中，遥感数据的类型可根据需要进行适合的选择，本实施例中采用的是modis遥感数据；同样，根据具体应用场景(可根据监测目标来确定)，如监测区域、作物生育期、监测的时空尺度、数据的可获取情况等，选择合适的干旱指数，本实施例中选用的是tvdi指数。另外，在本实施例中，干旱等级信息中的干旱等级包括无旱、轻旱、中旱、重旱以及特旱。
[0052]
步骤102、选取预定类型的遥感指数作为监测目标的干旱指数，并根据modis遥感数据计算对应的干旱指数值。
[0053]
需要说明的是，为获取区域的农业干旱状况，可以利用遥感数据计算农业干旱指数；干旱指数可以是例如ati、pdi、mpdi、tvdi、tci、vci等，具体可以根据监测目标进行选择；本实施例中，由于观测时间是在2009年8月上旬，作物处于生长中后期，植被覆盖度较高，在植被指数vi和陆地表面温度lst可获取的情况下，优先选择温度植被干旱指数(tvdi)
作为干旱监测指数。
[0054]
并且，本实施例中，在计算对应的干旱指数值之前，还需要对modis遥感数据进行预处理，具体包括依次进行遥感图像预处理和去云处理、去阴影处理等质量控制处理，其中，遥感图像预处理又包括辐射定标处理、大气校正处理、正射校正处理、几何校正处理以及影像镶嵌处理中的至少一种。
[0055]
进一步，本实施例中，温度植被干旱指数tvdi通过如下公式得到：
[0056][0057]
其中，ts表示任意像元的地表温度；表示某一地相同植被指数对应的最低地表温度；表示某一地相同植被指数对应的最高地表温度；
[0058]
另外，具体计算公式为：
[0059][0060]
式中：a1，b1表示湿边方程的拟合系数；a2，b2表示干边方程的拟合系数；vi表示植被指数；植被指数vi可以利用反射率数据计算，这里也可以选择evi作为植被指数。tvdi越大，越干旱。
[0061]
还需要说明的是，由于tvdi的分级标准很多，比较混乱，并且在不同区域、不同时间内tvdi的分级标准有很大差异，对同一研究区用不同的tvdi分级标准评价的旱情差别较大，因此难以确定合理的tvdi干旱等级。为此，更应该以地面数据为参考，具体情况具体分析，动态地进行干旱等级的确定。考虑到利用仪器测量土壤相对湿度耗时耗力，数据相对缺乏，在后续的步骤中，本技术是将观察得到的农田与作物干旱形态数据作为地面参考数据，通过一定方式转换成定量信息，作为模型的输出参数建立干旱指数和干旱等级之间的映射关系，从而完成从干旱指数到干旱等级的确立。
[0062]
步骤103、利用模糊集合论将干旱形态数据转换为模糊子集。
[0063]
需要说明的是，干旱形态数据是种植者和农业领域专家可以通过经验判断的作物受旱程度，同时记录作物的位置信息，gb_t 32136-2015《农业干旱等级》将干旱情况分为4个等级：轻旱、中旱、重旱和特旱，对各干旱等级的农田与作物干旱形态指标做了详细的描述。但是，种植者和专家提供的地面农田与作物干旱形态信息中不可避免的存在一些干扰因素，在利用这些信息之前需要进行数据预处理，主要指通过筛选去除无效值以及结合对应的遥感指数值排除干扰数据，以最大可能地保证样本可靠。
[0064]
进一步，将经过筛选的农田与作物干旱形态信息转换为模糊子集。
[0065]
按照人类的认知规律，大脑对某个事物的认知和判断是模糊的，如“因旱叶片白天凋萎”被定义为中旱，“因旱有死苗、叶片枯萎、果实脱落现象”对应重旱，实际判别过程中针对某一现象到底是“凋萎”还是“枯萎”，二者是难以绝对判别的。而更多时候大脑是对某一作物群体而非单个植株的干旱状况进行综合的评判，这使得情况更为复杂。往往人类会使用“更倾向于
……”
这样或者类似的词汇来表达观点，更具体地，对某一空间范围的农田与作物干旱形态的认知可以用图2表示。此时，可以认为属于无旱、轻旱、中旱、重旱和特旱的
可能性分别为0、0.5、0.8、0.7、0.2，其中中旱的可能性最高。这样表达能够尽可能多地获取对农田与作物干旱形态的认知判断信息。
[0066]
具体的，利用模糊集合论将干旱形态信息转换为模糊子集步骤如下：
[0067]
设定如果x∈b，则χb(x)＝1，如果则χb(x)＝0，即：
[0068][0069]
将经典集合论中绝对隶属关系灵活化，即元素对集合的隶属度不再是非此即彼，只能取0或1，而是可以取[0，1]之间的任何一个数值。
[0070]
设给定论域u，u到闭区间[0,1]的任一映射μb：
[0071][0072]
可确定u的一个模糊子集b。
[0073]
模糊子集一般简称模糊集，如果u是模糊集b的论域，则称b是u上的一个模糊子集，简称b是u的模糊集，数值μb(x)为x属于b的隶属度，函数μb是b的隶属函数。
[0074]
如果论域u是有限集，可采用扎德记号表达为：
[0075]
b＝μb(x1)/x1+μb(x2)/x2…
+μb(xn)/xnꢀꢀꢀ
(5)；
[0076]
上式的扎德记号不是分式求和，只是一种记法。其“分母”是论域u的元素(即干旱等级信息中对应的干旱等级)，“分子”是元素对应的隶属度(各干旱等级所对应的可能性)。当某一元素隶属度为0时，对应的那一项可以不写入。
[0077]
例如，根据干旱灾害观测记录数据，将农业干旱状况分为五个等级：无旱、轻旱、中旱、重旱和特旱，分别记为υ1，υ2，υ3，υ4，υ5(即对应上述公式(5)中的x)。
[0078]
步骤104、将步骤102的干旱指数值和步骤103的模糊子集一起构成样本集。
[0079]
具体的，本步骤是以地理位置为纽带，将干旱指数值作为输入，模糊子集作为输出，以构造样本集，得到样本集合如表1所示：
[0080]
表1以定性信息为参考构建二维信息扩散模型的参量
[0081][0082][0083]
以表中样本编号36为例，其对应的tvdi值为0.90，由农田与作物干旱形态的认知判断生成的模糊子集可表示为：
[0084]
j＝0.0/υ1+0.0/υ2+0.1/υ3+0.6/υ4+0.4/υ5。
[0085]
步骤105、以样本集作为参量，利用信息扩散方法构建模糊信息矩阵，从而得到干旱指数值和所述干旱形态数据表达的干旱等级之间的映射关系。
[0086]
在应用信息扩散技术进行实际计算时，监控区间(又叫监控点序列)z的构造通常依据原始样本数据x本身(即tvdi值)，其构造过程如式(6)所示：
[0087][0088]
式中，vi表示序列z中的第i个监控点，k表示z中需要构造的监控点个数，δz表示监控点序列的步长。
[0089]
正态信息扩散的估计函数如下所示：
[0090][0091]
其中，n表示样本容量，h表示扩散系数。扩散系数h的式(8)计算，
[0092][0093]
其中，
[0094]
需要说明的是，利用信息扩散技术估计样本数据时，遵循以下步骤：
[0095]
1)根据关系式(6)，利用样本数据x构造监控点序列z；
[0096]
2)根据关系式(8)计算扩散系数h；
[0097]
3)根据关系式(7)将z中监控点序列zi作为变量x的值，代入信息扩散函数进行计算，得到样本数据扩散给每个监控点的信息量p(zi)；
[0098]
4)将所有监控点的信息量序列按照如下公式(9)进行归一化处理后，得到模糊关系矩阵；
[0099][0100]
5)代入如下重心公式(10)，计算监控点的重心值，作为样本数据的估计值z
′
：
[0101][0102]
其中，z
′
表示计算的监控点重心值，zi代表第i个监控点，p(zi)
′
表示归一化后的第i个监控点的信息量。
[0103]
本实施例中，利用信息扩散方法构建遥感干旱指数tvdi和干旱等级之间的输入输出关系，构造监控空间如下(其中的u对应上述公式(6)中的监控点序列z，u1–u73
即对应上述z中的监控点z
1-zk)：
[0104]
u＝{u1,u2,u3,u4,
…
,u
71
,u
72
,u
73
}＝{0.23,0.24,0.25,0.26,
…
,0.93,0.94,0.95}
[0105]
其中，干旱等级集合表示为：
[0106]
v＝{v1,v2,v3,v4,v5}＝{无旱,轻旱,中旱,重旱,特旱}
[0107]
再利用样本中农田与作物干旱形态的认知判断生成的模糊子集，基于信息扩散方法生成模糊关系矩阵：
[0108][0109]
步骤106、基于步骤105得到的映射关系，利用监测目标的干旱指数值直接得到监测目标的干旱等级分布图，从而评定监测目标的干旱等级。
[0110]
具体的，根据上述模糊关系矩阵能够得到tvdi和干旱等级之间的一个模糊关系。利用模糊关系矩阵进行近似推理，由农业干旱遥感监测指数就可以反演得到相应的农业干旱等级，二者之间的测度空间可以据此建立起来。利用tvdi和干旱等级之间的模糊关系将图4的tvdi进行近似推理，结果如图5所示。
[0111]
从图4上可以看出，干旱主要分布在辽宁、吉林和黑龙江省的西部地区，尤其是辽宁和吉林省的西部，与资料中得到的干旱等级分布较为相似，表明在基于站点的土壤相对湿度数据缺乏的情况下，如果能采集到对农田与作物干旱形态的认知判断，也能基于信息扩散技术得到的相对较符合实际的干旱等级分布。值得注意的是，基于定性信息对某一时空尺度的干旱程度进行干旱等级监测时，对农田与作物干旱形态的认知判断信息要尽量涉及到该时段出现的所有等级。
[0112]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种基于信息扩散的农业干旱等级划分方法，其特征在于，包括如下步骤：步骤101、获取监测目标在预定时间段的遥感数据以及干旱形态数据，其中，所述干旱形态数据包含所述监测目标的位置信息以及人为判断的干旱等级信息；步骤102、选取预定类型的遥感指数作为所述监测目标的干旱指数，并根据所述遥感数据计算对应的干旱指数值；步骤103、利用模糊集合论将所述干旱形态数据转换为模糊子集；步骤104、将所述步骤102的干旱指数值和步骤103的模糊子集一起构成样本集；步骤105、以所述样本集作为参量，利用信息扩散方法构建模糊信息矩阵，从而得到所述干旱指数值和所述干旱形态数据表达的干旱等级之间的映射关系；步骤106、基于所述步骤105得到的映射关系，来评定监测目标的干旱等级。2.根据权利要求1所述的农业干旱等级划分方法，其特征在于，所述干旱等级信息中的干旱等级包括无旱、轻旱、中旱、重旱以及特旱。3.根据权利要求2所述的农业干旱等级划分方法，其特征在于，所述步骤103具体包括：步骤1031、设给定论域u，u到闭区间[0，1]的任一映射μ
b
为：μ
b
:u
→
[0,1],其中，u是模糊集b的论域，则称b是u上的一个模糊子集，数值μ
b
(x)为x属于b的隶属度，函数μ
b
是b的隶属函数；步骤1032、设论域u是有限集，用扎德记号表达u的一个模糊子集b：b＝μ
b
(x1)/x1+μ
b
(x2)/x2…
+μ
b
(x
n
)/x
n
；其中，x分别对应所述干旱等级信息中对应的干旱等级，μ
b
(x)是各干旱等级所对应的可能性。4.根据权利要求2所述的农业干旱等级划分方法，其特征在于，在所述步骤102中，所述预定类型的遥感指数是温度植被干旱指数。5.根据权利要求4所述的农业干旱等级划分方法，其特征在于，所述温度植被干旱指数tvdi通过如下公式得到：其中，t
s
表示任意像元的地表温度；表示某一地相同植被指数对应的最低地表温度；表示某一地相同植被指数对应的最高地表温度；另外，具体计算公式为：式中：a1，b1表示湿边方程的拟合系数；a2，b2表示干边方程的拟合系数；vi表示植被指数。6.根据权利要求1所述的农业干旱等级划分方法，其特征在于，在所述步骤102中，根据所述遥感数据计算得到对应的干旱指数值之前还包括如下步骤：
对所述遥感数据依次进行遥感图像预处理和去云处理、去阴影处理。7.根据权利要求6所述的农业干旱等级划分方法，其特征在于，所述遥感图像预处理包括如下处理中的至少一种：辐射定标处理、大气校正处理、正射校正处理、几何校正处理以及影像镶嵌处理。8.根据权利要求1所述的农业干旱等级划分方法，其特征在于，在所述步骤103中，将所述干旱形态数据转换为模糊子集之前还包括如下步骤：对所述干旱形态数据进行预处理，以去除无效数据和干扰数据。9.根据权利要求1所述的农业干旱等级划分方法，其特征在于，在所述步骤104中，是以地理位置为纽带，将干旱指数值作为输入，模糊子集作为输出，以构造样本集。10.根据权利要求1所述的农业干旱等级划分方法，其特征在于，在所述步骤106中，是基于映射关系，利用所述监测目标的干旱指数值直接得到监测目标的干旱等级分布图，从而评定监测目标的干旱等级。

技术总结
本申请属于卫星遥感技术应用，具体涉及一种基于信息扩散的农业干旱等级划分方法，包括如下步骤：获取监测目标在预定时间段的遥感数据以及干旱形态数据；计算干旱指数值；将干旱形态数据转换为模糊子集；构建样本集；利用信息扩散方法构建模糊信息矩阵，从而得到干旱指数值与干旱等级之间的映射关系；评定监测目标的干旱等级。本申请的基于信息扩散的农业干旱等级划分方法，针对目前农业干旱遥感指数的干旱等级动态确定过程中存在的不确定性，利用模糊集合论将容易获取的干旱等级判断的定性信息转换为模糊子集，进而采用信息扩散的方法构建干旱指数和干旱等级之间的模糊关系矩阵，从而进行区域农业干旱监测。而进行区域农业干旱监测。而进行区域农业干旱监测。


技术研发人员：王蔚丹 孙丽 裴志远 石智峰 吴全 孙娟英 董沫 陶双华
受保护的技术使用者：农业农村部规划设计研究院
技术研发日：2021.12.08
技术公布日：2022/3/8