一种复合干旱指数计算方法

本发明涉及气候研究，具体地说是一种复合干旱指数计算方法。

背景技术：

1、干旱的形成和发展受水分供给和水分需求两方面共同决定，发生同时受全球尺度气候活动异常和局部尺度环境条件两方面的影响。为应对日益严峻的干旱形势，对干旱的监测和评价迫切需要实现动态化、系统化、多源化和集成化。

2、其中为高效应对传感器资源日益增多的新常态，迫切需要建立一套星地多传感器协同的理论和方法，充分发挥多传感器协同的监测优势，进而发展出新型干旱指数，最终实现高效的干旱监测和精确的灾害评估。

3、与干旱密切相关的自然变量有：降水、积雪、相对湿度、大气温度、地表温度、土壤水分、地表径流和植被状态等。目前对干旱的监测大多以指数的形式，对这些自然变量进行监测、综合和评价，从指数模型特点上来看，有单因素指数、简单多因素综合指数和复杂综合指数。

4、单因素指数包括简单单因子指数和复杂单因子指数，其中复杂单因子指数也只采用单一干旱变量，但计算过程一般更为复杂和科学。

5、简单多因素综合指数一般同时考察多种干旱变量，通过简单计算得到干旱状态的综合表达，这类指数较容易理解，计算过程也不困难，能够快速形成业务化监测产品。但该类干旱指数模型及其阈值通常具有特定的地区适用性，可能也会在计算过程中引入权重变量，因此还无法完全保证各地区的普适性。

6、复杂多因素综合指数和简单多因素综合指数类似，同时考虑多种干旱变量，但不同的是该类指数的计算模型一般采用水热平衡过程、数据挖掘过程或连接函数等，因为融合了多种干早变量的状态，复杂多因素综合指数因而能够比单因素指数和简单多因素综合指数提供更加准确的干旱信息，但由于其计算过程需融合多种参数、计算量比较大，因此需要经过较长时间的检验和校正。为了追求更为精确的干旱监测结果，目前干旱监测的研究一方面继续引入新的和更多的干旱指示变量，另一方面则继续探讨多干旱变量综合的新模型。

7、干旱的发生、发展和影响极为复杂。目前虽然复杂综合指数在干早监测中取得了不错的表现，它们大多通过线性模型、数据挖掘、复杂的水平衡方程或连接函数等方法实现多种观测数据的协同。且当前的多传感器协同的研究，还处在对单一干旱要素的研究阶段，还无法回答多传感器协同如何与干旱监测过程中的多变量监测紧密耦合，最终实现深入集成的问题。

8、因此需要设计一种复合干旱指数计算方法，将系统性地完整分析传感器具有的观测能力，弥补现有研究的不足，丰富多传感器协同的方法，星地协同土壤水分重建方法和面向干旱过程的星地协同监测方法从理论上实现了遥感和地面传感器的能力协同，基于多传感器协同实现干旱发生发展过程的连续监测和精确评价，实现干旱累计影响程度，并获得与现有监测手段相比的效能提升水平，为决策者在干旱灾害应急响应时提供技术支撑。

技术实现思路

1、本发明的目的是克服现有技术的不足，提供了一种复合干旱指数计算方法，将系统性地完整分析传感器具有的观测能力，弥补现有研究的不足，丰富多传感器协同的方法，星地协同土壤水分重建方法和面向干旱过程的星地协同监测方法，从理论上实现了遥感和地面传感器的能力协同，基于多传感器协同实现干旱发生发展过程的连续监测和精确评价，实现干旱累计影响程度，并获得与现有监测手段相比的效能提升水平，为决策者在干旱灾害应急响应时提供技术支撑。

2、为了达到上述目的，本发明提供一种复合干旱指数计算方法，利用降水，土壤湿度，地表温度，植被状态及作物信息数据，计算降水条件指数pci，土壤湿度指数smci，植被指数ndvi，温度条件指数tci及植被状态指数vci，并在此基础上进一步计算温度植被干旱指数tvdi，优化植被干旱指数ovdi和基于过程的累积干旱指数padi三种复合干旱指数，通过与spi-3的线性相关分析、水利部及期刊统计的农业干旱做出对比，做出干旱易发区的监测和评估。

3、降水条件指数pci的公式为：

4、

5、p、pmax和pmin分别代表某像元的当月降雨量，历史最大降雨量和历史最小降雨量；历史最大降雨量和历史最小降雨量由之前30年同像元位置的降雨量数据获得，pci的值域为0～1，代表降雨量水平从极少到极多；在pci计算之前，从每月降雨量组成的时间序列中去除离群值，pci的阈值为0.5时，有效区分降雨量异常与否。

6、土壤湿度指数smci的公式为：

7、

8、sm，smmax和smmin分别是某像元某月的土壤水分值，以及该像元历史上的最大值和最小值，smci的阈值为0.5；若小于0.5则代表土壤水分亏缺异常，若smci值在pci值异常后出现异常，代表气象干旱发展成农业干旱。

9、植被指数ndvi的公式为：

10、

11、nir为近红外波段反射率，r为红光波段反射率，ndvi的范围为-1～1；当ndvi为负值时，表示地面有对可见光高反射的覆盖物，当ndvi为0时表示地面有裸土岩石，nir与r近似相等，当ndvi为正值时，表示地面有植被覆盖，且数值随着覆盖度增长。

12、植被状态指数vci的公式为：

13、

14、ndvi，ndvimax和ndvimin代表某像元的ndvi值，以及该像元在历史时期内最大和最小的ndvi值；vci为每周的值，vci的阈值为0.6；当vci低于0.6时，说明植被收到干旱的影响，农业干旱进入发展阶段。

15、温度条件指数tci的计算公式为：

16、

17、lst为地表温度，lstmax和lstmin为最高和最低地表温度。

18、优化植被干旱指数ovdi的公式为：

19、目标函数：

20、其中

21、

22、其中约束条件：

23、ovdi对降水、土壤湿度、植被状态及地表温度4个变量的最优权重组合，并且随着不同空间差异性的不同得到的权重组合不同；

24、x为标准化降水指数spi-3或标准化降雨蒸发指数spei-3，y为ovdi，α、β和γ为优化参数；

25、f(x,y)表示x和y之间相关性最大的情况，σx和σy为x和y的标准偏差，μx和μy为x和y的均值，e为数学期望；在计算ovdi时，将单一干旱指数计算结果的空间分辨率进行统一。

26、本发明的有益技术效果在于：

27、理论上，将系统性地完整分析传感器具有的观测能力，弥补现有研究的不足。

28、建立多传感器协同的网络基础，同时提出几种典型的卫星遥感传感器之间、地面传感器之间、地面与卫星遥感传感器之间的协同方法，丰富多传感器协同的方法体系。

29、尤其是星地协同土壤水分重建方法和面向干旱过程的星地协同监测方法，从理论上实现了遥感和地面传感器的能力协同。

30、应用上，针对当前干旱监测和评价领域存在的突出问题，能够基于多传感器协同实现干旱发生发展过程的连续监测和精确评价，实现干旱累计影响程度，并获得与现有监测手段相比的效能提升水平，为决策者在干旱灾害应急响应时提供技术支撑。

31、同时，该研究体现的多传感器协同的思想和方法，不仅适用于干旱监测，还将对洪水和灾害链的监测和评价产生新的启发。

32、附图标记说明：

33、图1为本发明主要模型算法指数说明示意图。