植被生态需水量监测方法、装置、存储介质及电子设备

本技术涉及生态监测领域，具体而言，涉及一种植被生态需水量监测方法、装置、存储介质及电子设备。

背景技术：

1、植物通过蒸腾作用调节生态系统水平衡和能量平衡过程，影响区域气候和环境变化，因此，植被生态需水的准确估算是区域水资源科学管理、水资源优化配置和生态保护措施制定的重要依据。植被生态需水是指植被维持其正常生长、发育和生理过程及其环境所需的水量。植被生态需水包括植被蒸腾、光合作用等植物生理过程的用水和土壤蒸发、渗漏等植被生长环境用水。其中，光合同化需水和渗漏用水在干旱生态系统占比相对较小，因此，实际研究中多以蒸散发量(即植被蒸腾、土壤蒸发)近似表征植被生态需水量。

2、国内外学者针对不同尺度和研究对象的生态需水量开展了大量研究。常用的植被需水估算方法包括直接计算法、面积定额法、水量平衡法、潜水蒸发法以及遥感模型法等计算方法。传统的直接估算方法对参数要求较高，需要大量地面实验数据支撑，工作量较大。一些方法(如水量平衡法)仅适用于研究闭合流域，不能体现生态系统的实际需求。虽然遥感方法可以进行大尺度估算，模型可移植性好，不需要大量地面调查数据的支持，因而逐渐被一些学者用于植被生态需水量的计算；但传统的遥感模型方法需要大量的模型参数，计算较为复杂，模型不确定性高，导致在大范围区域估算时，较难实现植被生态需水量的大范围准确快速估算。

技术实现思路

1、为了克服现有技术中的至少一个不足，本技术提供一种植被生态需水量监测方法、装置、存储介质及电子设备，具体包括：

2、第一方面，本技术提供一种植被生态需水量监测方法，所述方法包括：

3、获取监测区域中观测到的植被需水量、对应的模型气象驱动数据与模型参数的先验信息；并根据参数敏感性分析，获取模型的敏感性参数；

4、根据所述植被需水量、对应的模型气象驱动数据与模型参数的先验信息，拟合出所述敏感性参数的最佳参数值；

5、根据所述最佳参数值，得到与所述监测区域相适配的目标监测模型；

6、通过所述目标监测模型对所述监测区域中的植被需水量进行预测。

7、结合第一方面的可选实施方式，所述根据所述植被需水量、对应的模型气象驱动数据与模型参数的先验信息，拟合出所述敏感性参数的最佳参数值，包括：

8、根据所述植被需水量、对应的模型气象驱动数据与模型参数的先验信息，通过差分进化马尔可夫链demc算法迭代出所述敏感性参数的最佳参数值。

9、结合第一方面的可选实施方式，所述根据所述植被需水量、对应的模型气象驱动数据与模型参数的先验信息，通过差分进化马尔可夫链demc算法迭代出所述敏感性参数的最佳参数值，包括：

10、初始化所述敏感性参数的参数值以及所述敏感性参数的参数范围；

11、在所述参数范围内，通过对所述敏感性参数的参数值进行差分进化变异优化过程，得到新的参数值；

12、迭代模型利用所述模型参数的先验信息和模型气象驱动数据得到所述监测区域中的植被需水量的预测结果，并计算所述预测结果与所述植被需水量之间差异，其中，所述迭代模型通过所述新的参数值对模型中的敏感性参数进行赋值得到；

13、根据所述差异，判断是否接收所述新的参数值；

14、若否，则返回至所述在所述参数范围内，通过对所述敏感性参数的参数值进行差分进化变异优化过程，得到新的参数值的步骤执行；

15、若是，则根据所述新的参数值，得到所述模型中敏感性参数的最佳参数值。

16、结合第一方面的可选实施方式，所述模型为pt-jpl模型，所述通过所述目标监测模型对所述监测区域中的植被需水量进行预测，包括：

17、获取所述监测区域当前的蒸散发信息；

18、通过所述目标监测模型对所述当前的蒸散发信息进行处理，预测出所述监测区域的植被蒸腾量、土壤蒸发量、冠层截留蒸发量；

19、根据所述植被蒸腾量、土壤蒸发量、冠层截留蒸发量，得到所述监测区域中植被需水量的预测结果。

20、结合第一方面的可选实施方式，所述通过所述目标监测模型对所述环境信息、植被信息以及遥感信息进行处理，预测出所述监测区域的植被蒸腾量、土壤蒸发量、冠层截留蒸发量的过程中，需要计算出绿色冠层限制因子，所述绿色冠层限制因子的表达式为：

21、

22、式中，fg表示所述绿色冠层限制因子，fapar表示植被冠层吸收的光合有效辐射的比例，fipar表示植被冠层截取的光合有效辐射的比例；fapar的表达式为：

23、fapar＝m1*evi+b1；

24、式中，evi表示增强型植被指数，m1、b1表示预设参数。

25、结合第一方面的可选实施方式，预置有所述敏感性参数的多组最佳参数值，多组所述最佳参数值对应的多种目标监测模型用于监测不同植被类型的监测区域，所述方法还包括：

26、每间隔预设时长，获取所述监测区域的图像；

27、根据所述监测区域的图像，确定所述监测区域当前的植被类型；

28、根据所述监测区域当前的植被类型，从多组所述最佳参数值中选取目标最佳参数；

29、根据所述目标最佳参数，生成所述监测区域新的目标监测模型。

30、第二方面，本技术还提供一种植被生态需水量监测装置，所述装置包括：

31、数据获取模块，用于获取监测区域中观测到的植被需水量、对应的模型气象驱动数据与模型参数的先验信息；并根据参数敏感性分析，获取模型的敏感性参数；

32、模型优化模块，用于根据所述植被需水量、对应的模型气象驱动数据与模型参数的先验信息，拟合出所述敏感性参数的最佳参数值；

33、所述模型优化模块，还用于根据所述最佳参数值，得到与所述监测区域相适配的目标监测模型；

34、蒸发预测模块，用于通过所述目标监测模型对所述监测区域中的植被需水量进行预测。

35、结合第二方面的可选实施方式，所述模型优化模块还具体用于：

36、根据所述植被需水量、对应的模型气象驱动数据与模型参数的先验信息，通过差分进化马尔可夫链demc算法迭代出所述敏感性参数的最佳参数值。

37、结合第二方面的可选实施方式，所述模型优化模块还具体用于：

38、初始化所述敏感性参数的参数值以及所述敏感性参数的参数范围；

39、在所述参数范围内，通过对所述敏感性参数的参数值进行差分进化变异优化过程，得到新的参数值；

40、迭代模型利用所述模型参数的先验信息和模型气象驱动数据得到所述监测区域中的植被需水量的预测结果，并计算所述预测结果与所述植被需水量之间差异，其中，所述迭代模型通过所述新的参数值对模型中的敏感性参数进行赋值得到；

41、根据所述差异，判断是否接收所述新的参数值；

42、若否，则返回至所述在所述参数范围内，通过对所述敏感性参数的参数值进行差分进化变异优化过程，得到新的参数值的步骤执行；

43、若是，则根据所述新的参数值，得到所述模型中敏感性参数的最佳参数值。

44、结合第二方面的可选实施方式，所述模型为pt-jpl模型，所述蒸发预测模块还具体用于：

45、获取所述监测区域当前的蒸散发信息；

46、通过所述目标监测模型对所述当前的蒸散发信息进行处理，预测出所述监测区域的植被蒸腾量、土壤蒸发量、冠层截留蒸发量；

47、根据所述植被蒸腾量、土壤蒸发量、冠层截留蒸发量，得到所述监测区域中植被需水量的预测结果。

48、结合第二方面的可选实施方式，所述通过所述目标监测模型对当前的蒸散发信息进行处理，预测出所述监测区域的植被蒸腾量、土壤蒸发量、冠层截留蒸发量的过程中，需要计算出绿色冠层限制因子，所述绿色冠层限制因子的表达式为：

49、

50、式中，fg表示所述绿色冠层限制因子，fapar表示植被冠层吸收的光合有效辐射的比例，fipar表示植被冠层截取的光合有效辐射的比例；fapar的表达式为：

51、fapar＝m1*evi+b1；

52、式中，evi表示增强型植被指数，m1、b1表示预设参数。

53、结合第二方面的可选实施方式，预置有所述敏感性参数的多组最佳参数值，多组所述最佳参数值对应的多种目标监测模型用于监测不同种类的监测区域，所述蒸发预测模块还用于：

54、每间隔预设时长，获取所述监测区域的图像；

55、根据所述监测区域的图像，确定所述监测区域当前的目标种类；

56、根据所述监测区域当前的目标种类，从多组所述最佳参数值中选取目标最佳参数；

57、根据所述目标最佳参数，生成所述监测区域新的目标监测模型。

58、第三方面，本技术还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现所述的植被生态需水量监测方法。

59、第四方面，本技术还提供一种电子设备，所述电子设备包括处理器以及存储器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述的植被生态需水量监测方法。

60、第五方面，本技术还提供一种程序指令，所述程序指令被处理器执行时实现所述的植被生态需水量监测方法。

61、相对于现有技术而言，本技术具有以下有益效果：

62、本技术提供一种应用于电子设备的植被生态需水量监测方法、装置、存储介质及电子设备。其中，电子设备获取监测区域中观测到的植被需水量、对应的模型气象驱动及模型参数的先验信息，并根据参数敏感性分析，获取模型的敏感性参数，其中，模型气象驱动与模型参数的先验信息决定了植被对水分需求量模拟的精度；根据植被需水量、对应的模型气象驱动与模型参数的先验信息，拟合出模型中所述敏感性参数的最佳参数值；根据最佳参数值，得到与监测区域相适配的目标监测模型；通过目标监测模型对监测区域中的植被需水量进行预测。如此，针对模型中的敏感性参数，通过植被需水量观测、对应的模型气象驱动数据与模型参数的先验信息拟合出最为匹配的最佳参数值，使得基于最佳参数值得到的目标监测模型能够实现对监测区域植被需水量的精准预测。