灾害监测及预警方法、装置、设备及介质与流程

[0001]
本发明涉及金融科技领域，尤其涉及一种灾害监测及预警方法、装置、设备及可读存储介质。


背景技术：

[0002]
我国是一个农业大国，农业是我国国民经济的基础，事关国家安全和社会安定。自然灾害尤其是农业灾害发生频繁且灾情。农作物灾害具有突发性，而正常的植株发展是缓慢的。随着卫星遥感技术的迅速发展，在借助遥感手段进行灾害分析。但是，作物生长是一个缓慢的过程，当前现有技术是在灾害发生后，首先由相关信息察觉，然后通过人工解译确定受到影像的范围，需要人力、物力、财力并且滞后；另外利用机器深度学习，通过训练模型的方式预测农作物灾害的情况，由于语义分割受到算法精度的制约，不同的条件影响算法的泛化能力，而且机器深度学习在模型训练及更新过程中，成本极高，并且训练样本的数量和质量，直接影响模型的效果。
[0003]
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

[0004]
本发明的主要目的在于提供一种灾害监测及预警方法、装置、设备及可读存储介质，旨在解决现有农作物灾害的分析存在滞后性，无法及时监控灾害发生情况的技术问题。
[0005]
为实现上述目的，本发明提供一种灾害监测及预警方法，所述的灾害监测及预警方法包括以下步骤：
[0006]
确定农作物对应的待监测区域，定时获取所述待监测区域当前最新的遥感图像；
[0007]
对所述当前最新的遥感图像进行预处理，基于预处理后的遥感图像计算得到归一化植被指数ndvi，作为当前ndvi；
[0008]
在预设存储区获取历史ndvi，将所述当前ndvi与所述历史ndvi进行比较，得到监测结果，并基于所述监测结果执行预警措施。
[0009]
进一步地，所述将所述当前ndvi与所述历史ndvi进行比较，得到监测结果的步骤包括：
[0010]
将所述当前ndvi与所述历史ndvi进行相减，并对差值求绝对值，得到ndvi差值的绝对值；
[0011]
基于所述ndvi差值的绝对值以及第一阈值，统计所述待监测区域对应的受灾面积；
[0012]
基于所述受灾面积确定所述监测结果。
[0013]
进一步地，所述待监测区域包括多个子区域，所述基于所述ndvi差值的绝对值以及第一阈值，统计所述待监测区域对应的受灾面积的步骤包括：
[0014]
将各个子区域对应的ndvi子差值的绝对值分别与第一阈值比较，根据比较结果确
定受灾的子区域；
[0015]
将各个受灾的子区域对应的面积进行求和，得到所述待监测区域对应的受灾面积。
[0016]
进一步地，所述基于所述受灾面积确定所述监测结果的步骤包括：
[0017]
将所述受灾面积与第二阈值比较，根据比价结果确定所述监测结果，其中，当所述受灾面积大于或等于所述第二阈值时，确定所述待监测区域发生灾害，当所述受灾面积小于所述第二阈值时，确定所述待监测区域未发生灾害。
[0018]
进一步地，所述基于所述监测结果执行预警措施的步骤包括：
[0019]
当所述监测结果为发生灾害时，发送灾害发生的提示信息至预设管理终端，以提醒管理人员进行处理。
[0020]
进一步地，所述当所述监测结果为发生灾害时，发送灾害发生的提示信息至预设管理终端的步骤之后，还包括：
[0021]
接收所述预设管理终端反馈的处理结果；
[0022]
当所述处理结果为虚报时，则将所述当前ndvi作为新的历史ndvi保存至所述预设存储区，并删除已保存的历史ndvi。
[0023]
进一步地，所述对所述当前最新的遥感图像进行预处理，基于预处理后的遥感图像计算得到归一化植被指数ndvi，作为当前ndvi的步骤包括：
[0024]
对所述当前最新的遥感图像进行校正处理，得到所述预处理后的遥感图像；
[0025]
获取所述预处理后的遥感图像的近红外波段的第一反射值和红光波段的第二反射值，基于所述第一反射值和所述第二反射值得到所述当前ndvi。
[0026]
进一步地，所述灾害监测及预警装置包括：
[0027]
获取模块，用于确定农作物对应的待监测区域，定时获取所述待监测区域当前最新的遥感图像；
[0028]
计算模块，用于对所述当前最新的遥感图像进行预处理，基于预处理后的遥感图像计算得到归一化植被指数ndvi，作为当前ndvi；
[0029]
监测模块，用于在预设存储区获取历史ndvi，将所述当前ndvi与所述历史ndvi进行比较，得到监测结果，并基于所述监测结果执行预警措施。
[0030]
此外，为实现上述目的，本发明还提供一种设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的灾害监测及预警程序，所述灾害监测及预警程序被所述处理器执行时实现上述任一项所述的灾害监测及预警方法的步骤。
[0031]
此外，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质上存储有灾害监测及预警程序，所述灾害监测及预警程序被处理器执行时实现上述任一项所述的灾害监测及预警方法的步骤。
[0032]
本发明确定农作物对应的待监测区域，定时获取待监测区域当前最新的遥感图像，而后对当前最新的遥感图像进行预处理，基于预处理后的遥感图像计算得到归一化植被指数ndvi，作为当前ndvi，在预设存储区获取历史ndvi，将当前ndvi与历史ndvi进行比较，得到监测结果，并基于所述监测结果执行预警措施。通过定时获取待监测区域的遥感图像，并通过与历史ndvi进行比较，从而利用比较结果确定灾害是否发生，从而达到对灾害的实时监控，并在灾害发生时及时的反馈给相关部门能够迅速采取措施，避免更大范围的损
失，并有利于之后的灾害评估与重建工作。
附图说明
[0033]
图1是本发明实施例方案涉及的硬件运行环境中设备的结构示意图；
[0034]
图2为本发明灾害监测及预警方法第一实施例的流程示意图；
[0035]
图3为本发明灾害监测及预警装置实施例的功能模块示意图。
[0036]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0037]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0038]
如图1所示，图1是本发明实施例方案涉及的硬件运行环境中设备的结构示意图。
[0039]
如图1所示，该设备可以包括：处理器1001，例如cpu，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
[0040]
本领域技术人员可以理解，图1中示出的目标检测系统结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0041]
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及灾害监测及预警程序。
[0042]
在图1所示的设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接用户端，与用户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的灾害监测及预警程序。
[0043]
在本实施例中，设备包括：存储器1005、处理器1001及存储在所述存储器1005上并可在所述处理器1001上运行的灾害监测及预警程序，其中，处理器1001调用存储器1005中存储的灾害监测及预警程序时，执行本申请各个实施例提供的灾害监测及预警方法的步骤。
[0044]
本发明还提供一种灾害监测及预警方法，参照图2，图2为本发明灾害监测及预警方法第一实施例的流程示意图。
[0045]
本发明实施例提供了灾害监测及预警方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0046]
在本实施例中，该灾害监测及预警方法包括：
[0047]
步骤s100，确定农作物对应的待监测区域，定时获取所述待监测区域当前最新的遥感图像；
[0048]
在本实施例中，归一化植被指数(normal difference vegetation index，ndvi)是目前最为常用的表征植被状况的指标，研究表明归一化植被指数对植被的生产态势和生
长量非常敏感，可以很好地反映地表植被的繁茂程度，是指示植被活动和植被生产力的良好指标。归一化植被指数一般是由原始卫星影像数据生成，它被定义为近红外波段和红光波段反射值之差与这2个波段反射值之和的比值。它的值被限定在[-1,1]之间，其中植被区的值较大，非植被区沙漠、水体等的ndvi值很低或者为负值，一般认为其值小于0.1时植被已经很稀少。归一化植被指数被广泛应用于植被生长状况描述、土地覆盖类型分类、植被生产力估测、旱情监测分析、城市土地分等定级、荒漠化监测和城市生态环境质量评估等。
[0049]
目前已经有技术利用归一化植被指数应用在农业灾害分析过程中，但是，如前所述当前现有技术是在灾害发生后，首先由相关信息察觉，然后通过人工解译确定受到影像的范围，需要人力、物力、财力并且滞后；另外利用机器深度学习，通过训练模型的方式预测农作物灾害的情况，由于语义分割受到算法精度的制约，不同的条件影响算法的泛化能力，而且机器深度学习在模型训练及更新过程中，成本极高，并且训练样本的数量和质量，直接影响模型的效果。因此，针对现有技术反馈慢，成本高，集中于灾后分析的特点，本申请提出一种灾害监测及预警方法，通过定时获取待监测区域的遥感图像，并通过与历史ndvi进行比较，从而利用比较结果确定灾害是否发生，从而达到对灾害的实时监控，并在灾害发生时及时的反馈给相关部门能够迅速采取措施，避免更大范围的损失，并有利于之后的灾害评估与重建工作。
[0050]
具体地，首先从第三方机构获取当前最新的遥感图像，根据实际需要确定待监测区域，其中，遥感图像是指记录各种地物电磁波大小的胶片或照片，主要分为航空像片和卫星相片，第三方机构是指可以获取到这些遥感图像的机构。从农作物种下，观察到发育开始，通过现有人工解译等方法确定农作物生长位置，从而确定待监测区域，后续都是针对待监测区域的ndvi进行比较。
[0051]
步骤s200，对所述当前最新的遥感图像进行预处理，基于预处理后的遥感图像计算得到归一化植被指数ndvi，作为当前ndvi；
[0052]
具体地，步骤s200包括：
[0053]
步骤s210，对所述当前最新的遥感图像进行校正处理，得到所述预处理后的遥感图像；
[0054]
步骤s220，获取所述预处理后的遥感图像的近红外波段的第一反射值和红光波段的第二反射值，基于所述第一反射值和所述第二反射值得到所述当前ndvi。
[0055]
在本实施例中，获取到的遥感图像不能直接使用，存在很多干扰因素，需要进行相关的预处理后，才能用于计算归一化植被指数ndvi。对遥感图像进行预处理的措施至少包括：辐射校正、大气校正，为了保障归一化植被指数ndvi更准确，则需要进行更改的预处理工作。其中，辐射校正(radiometric correction)是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正，消除或改正因辐射误差而引起影像畸变的过程；大气校正是指传感器最终测得的地面目标的总辐射亮度并不是地表真实反射率的反映，其中包含了由大气吸收，尤其是散射作用造成的辐射量误差。大气校正就是消除这些由大气影响所造成的辐射误差，反演地物真实的表面反射率的过程。
[0056]
具体地，获取所述预处理后的遥感图像的近红外波段的第一反射值和红光波段的第二反射值，基于所述第一反射值和所述第二反射值得到所述当前ndvi。
[0057]
归一化植被指数ndvi的计算为：
[0058]
ndvi＝(nir-r)/(nir+r)
[0059]
其中，nir为近红外波段的反射值，r为红光波段的反射值。归一化植被指数ndvi被限定在[-1,1]之间，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，nir和r近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大。
[0060]
步骤s300，在预设存储区获取历史ndvi，将所述当前ndvi与所述历史ndvi进行比较，得到监测结果，并基于所述监测结果执行预警措施。
[0061]
具体地，步骤s300包括：
[0062]
步骤s310，将所述当前ndvi与所述历史ndvi进行相减，并对差值求绝对值，得到ndvi差值的绝对值；
[0063]
在本实施例中，首先在预设存储区获取历史ndvi，其中，历史ndvi就是利用上一次获取的遥感图像，经过预处理并利用ndvi公式计算得到的。在获取到历史ndvi后，将当前ndvi与所述历史ndvi进行比较。需要说明的是，遥感图像的覆盖区域非常大，如果整体比较，无法真实反馈出农作物受灾害的情况。因此，将待监测区域分成多个子区域，尽量多的划分，但是还要兼顾计算成本，对待监测区域分成多个子区域，对应的遥感图像也被分为多个子区域。分别计算各个各个子区域对应的ndvi子差值的绝对值，即将所述当前ndvi与所述历史ndvi进行相减，并对差值求绝对值，由于归一化植被指数ndvi被限定在[-1,1]之间，那么ndvi差值的绝对值则为被限定在[0，2]之间。
[0064]
步骤s320，基于所述ndvi差值的绝对值以及第一阈值，统计所述待监测区域对应的受灾面积；
[0065]
具体地，步骤s320包括：
[0066]
步骤s321，将各个子区域对应的ndvi子差值的绝对值分别与第一阈值比较，根据比较结果确定受灾的子区域；
[0067]
步骤s322，将各个受灾的子区域对应的面积进行求和，得到所述待监测区域对应的受灾面积。
[0068]
在本实施例中，通过观察ndvi差值的绝对值的情况，从而确定待监测区域对应的受灾面积。
[0069]
具体地，将各个子区域对应的ndvi子差值的绝对值分别与第一阈值比较，根据比较结果确定受灾的子区域，然后将各个受灾的子区域对应的面积进行求和，得到所述待监测区域对应的受灾面积。其中，第一阈值是确定子区域是否受灾的门限值，根据实际的专家经验值确定，在本发明中不做限定。当子区域对应的ndvi子差值的绝对值大于或等于第一阈值时，则表示该子区域的农作物可能受到了自然灾害，需要进行人工检视；同理，当子区域对应的ndvi子差值的绝对值小于第一阈值时，则表示该子区域的农作物可没后受到自然灾害。
[0070]
进一步地，将各个受灾的子区域对应的面积进行求和，从而得到所述待监测区域对应的受灾面积，接下来根据待监测区域对应的受灾面积确定对待监测区域的监测结果。
[0071]
步骤s330，基于所述受灾面积确定所述监测结果。
[0072]
具体地，步骤s330包括：将所述受灾面积与第二阈值比较，根据比价结果确定所述监测结果，其中，当所述受灾面积大于或等于所述第二阈值时，确定所述待监测区域发生灾害，当所述受灾面积小于所述第二阈值时，确定所述待监测区域未发生灾害。
[0073]
在本实施例中，通过将各个受灾的子区域对应的面积进行求和，从而得到所述待监测区域对应的受灾面积，接下来根据待监测区域对应的受灾面积确定对待监测区域的监测结果。将所述受灾面积与第二阈值比较，根据比价结果确定所述监测结果，其中，第二阈值是确定待监测区域是否受灾的门限值，根据实际的专家经验值确定，在本发明中不做限定。当所述受灾面积大于或等于所述第二阈值时，确定所述待监测区域发生灾害，当所述受灾面积小于所述第二阈值时，确定所述待监测区域未发生灾害。
[0074]
步骤s340，当所述监测结果为发生灾害时，发送灾害发生的提示信息至预设管理终端，以提醒管理人员进行处理；
[0075]
在本实施例中，当受灾面积大于或等于所述第二阈值时，确定所述待监测区域发生灾害，此时需要及时通知工作人员进行人工干预，具体地，发送灾害发生的提示信息至预设管理终端，以提醒管理人员进行处理，从而达到了实施监测待监测区域发生灾害情况，并在灾害发生时及时的反馈给相关部门能够迅速采取措施，避免更大范围的损失，并有利于之后的灾害评估与重建工作。
[0076]
步骤s350，接收所述预设管理终端反馈的处理结果；
[0077]
步骤s360，当所述处理结果为虚报时，则将所述当前ndvi作为新的历史ndvi保存至所述预设存储区，并删除已保存的历史ndvi。
[0078]
在本实施例中，管理人员对待监测区域进行评估后，如果发现此时待监测区域并未发生受灾，此次上报为虚报，则将所述当前ndvi作为新的历史ndvi保存至所述预设存储区，并删除已保存的历史ndvi。也就是说，用当前的ndvi替换之前历史ndvi，然后再去获取新的遥感图像，计算出新的当前ndvi，从而继续对待监测区域进行监控。
[0079]
需要说明的是，当所述受灾面积小于所述第二阈值时，确定所述待监测区域未发生灾害，此时需要继续对待监测区域进行循环监控，即将所述当前ndvi作为新的历史ndvi保存至所述预设存储区，并删除已保存的历史ndvi。也就是说，用当前的ndvi替换之前历史ndvi，然后再去获取新的遥感图像，计算出新的当前ndvi，从而继续对待监测区域进行监控。
[0080]
本发明确定农作物对应的待监测区域，定时获取所述待监测区域当前最新的遥感图像，而后对所述当前最新的遥感图像进行预处理，基于预处理后的遥感图像计算得到归一化植被指数ndvi，作为当前ndvi，接下来在预设存储区获取历史ndvi，将所述当前ndvi与所述历史ndvi进行比较，得到监测结果，并基于所述监测结果执行预警措施。通过定时获取待监测区域的遥感图像，并通过与历史ndvi进行比较，从而利用比较结果确定灾害是否发生，从而达到对灾害的实时监控，并在灾害发生时及时的反馈给相关部门能够迅速采取措施，避免更大范围的损失，并有利于之后的灾害评估与重建工作。
[0081]
本发明进一步提供一种灾害监测及预警装置，参照图3，图3为本发明灾害监测及预警装置实施例的功能模块示意图。
[0082]
获取模块10，用于确定农作物对应的待监测区域，定时获取所述待监测区域当前最新的遥感图像；
[0083]
计算模块20，用于对所述当前最新的遥感图像进行预处理，基于预处理后的遥感图像计算得到归一化植被指数ndvi，作为当前ndvi；
[0084]
监测模块30，用于在预设存储区获取历史ndvi，将所述当前ndvi与所述历史ndvi
进行比较，得到监测结果，并基于所述监测结果执行预警措施。
[0085]
进一步地，所述监测模块30还用于：
[0086]
将所述当前ndvi与所述历史ndvi进行相减，并对差值求绝对值，得到ndvi差值的绝对值；
[0087]
基于所述ndvi差值的绝对值以及第一阈值，统计所述待监测区域对应的受灾面积；
[0088]
基于所述受灾面积确定所述监测结果。
[0089]
进一步地，所述监测模块30还用于：
[0090]
将各个子区域对应的ndvi子差值的绝对值分别与第一阈值比较，根据比较结果确定受灾的子区域；
[0091]
将各个受灾的子区域对应的面积进行求和，得到所述待监测区域对应的受灾面积。
[0092]
进一步地，所述监测模块30还用于：
[0093]
将所述受灾面积与第二阈值比较，根据比价结果确定所述监测结果，其中，当所述受灾面积大于或等于所述第二阈值时，确定所述待监测区域发生灾害，当所述受灾面积小于所述第二阈值时，确定所述待监测区域未发生灾害。
[0094]
进一步地，所述监测模块30还用于：
[0095]
当所述监测结果为发生灾害时，发送灾害发生的提示信息至预设管理终端，以提醒管理人员进行处理。
[0096]
进一步地，所述灾害监测及预警装置还包括：
[0097]
接收模块，用于接收所述预设管理终端反馈的处理结果；
[0098]
更新模块，用于当所述处理结果为虚报时，则将所述当前ndvi作为新的历史ndvi保存至所述预设存储区，并删除已保存的历史ndvi。
[0099]
进一步地，所述计算模块20还用于：
[0100]
对所述当前最新的遥感图像进行校正处理，得到所述预处理后的遥感图像；
[0101]
获取所述预处理后的遥感图像的近红外波段的第一反射值和红光波段的第二反射值，基于所述第一反射值和所述第二反射值得到所述当前ndvi。
[0102]
在本实施例中，确定农作物对应的待监测区域，定时获取所述待监测区域当前最新的遥感图像，而后对所述当前最新的遥感图像进行预处理，基于预处理后的遥感图像计算得到归一化植被指数ndvi，作为当前ndvi，接下来在预设存储区获取历史ndvi，将所述当前ndvi与所述历史ndvi进行比较，得到监测结果，并基于所述监测结果执行预警措施。通过定时获取待监测区域的遥感图像，并通过与历史ndvi进行比较，从而利用比较结果确定灾害是否发生，从而达到对灾害的实时监控，并在灾害发生时及时的反馈给相关部门能够迅速采取措施，避免更大范围的损失，并有利于之后的灾害评估与重建工作。
[0103]
此外，本发明实施例还提出一种可读存储介质，所述可读存储介质上存储有灾害监测及预警程序，所述灾害监测及预警程序被处理器执行时实现上述各个实施例中灾害监测及预警方法的步骤。
[0104]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而
且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0105]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0106]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个可读存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台系统设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
[0107]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。