基于日光诱导叶绿素荧光的植被干旱监测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115963096A(43)申请公布日2023.04.14(21)申请号202310084888.0(22)申请日2023.02.03(71)申请人郑州大学地址450001河南省郑州市高新区科学大道100号(72)发明人耿庆玲赵世祥高亚军刘大炜赫晓慧田智慧(74)专利代理机构郑州优盾知识产权代理有限公司41125专利代理师张彬(51)Int.Cl.G01N21/64(2006.01)G01D21/02(2006.01)G06T17/05(2011.01)权利要求书2页说明书4页附图2页(54)发明名称基于日光诱导叶绿素荧光的植被干旱监测方法(57)摘要本发明提供了一种基于日光诱导叶绿素荧光的植被干旱监测方法，其步骤为：对叶绿素荧光、降水和地表温度等数据进行预处理和空间化提取；将获取的叶绿素荧光、降水和地表温度数据进行归一化，得到降水条件指数PCI、温度条件指数TCI和荧光监测干旱指数DFMI；利用PCI、TCI和DFMI进行三维空间模型构建，确定最湿点和最干点；利用欧氏距离方法计算得到的三维空间内任意一点到最湿点的距离作为植被干旱监测指数，进行植被干旱监测。本发明综合降水、地表温度和叶绿素荧光三种因素，能够克服基于植被指数构建干旱指数方法的缺陷，有效减少植被对干旱的响应时间。CN115963096ACN115963096A权利要求书1/2页1.一种基于日光诱导叶绿素荧光的植被干旱监测方法，其特征在于，其步骤如下：步骤一：分别对叶绿素荧光数据、降水数据和地表温度数据进行预处理；步骤二：分别对预处理后的叶绿素荧光数据、降水数据和地表温度数据进行掩膜提取整合到研究区范围；步骤三：分别对叶绿素荧光数据、降水数据和地表温度数据进行归一化，得到降水条件指数PCI、温度条件指数TCI和荧光监测干旱指数DFMI；步骤四：将PCI、TCI和DFMI分别作为坐标轴构建三维空间模型，并确定最湿点和最干点；步骤五：利用欧氏距离方法计算三维空间内任意一点到最湿点的距离，得到温度荧光降水指数TFPDI。2.根据权利要求1所述的基于日光诱导叶绿素荧光的植被干旱监测方法，其特征在于，所述叶绿素荧光数据采用肖博士全球生态组月尺度Gosif数据，空间分辨率为0.05°；降水数据来源于戈达德地球科学数据和信息服务中心，空间分辨率为0.1°；地表温度数据集来源于NASA提供的MOD11B3，空间分辨率为1km。3.根据权利要求1所述的基于日光诱导叶绿素荧光的植被干旱监测方法，其特征在于，数据预处理方法为：将叶绿素荧光数据进行重投影、重采样、去除异常值、乘以因子0.0001；将netcdf格式的降水数据转为tif格式后进行重投影、重采样、计算月均值；使用Modis提供的MRT工具对地表温度数据进行拼接处理后，进行重投影、重采样、乘以因子0.02，，然后减去273.15，将单位转换为摄氏度。4.根据权利要求1所述的基于日光诱导叶绿素荧光的植被干旱监测方法，其特征在于，所述分别对叶绿素荧光数据、降水数据和地表温度数据进行归一化的方法为：式中，GPMi为数据年限内第i年某月GPM中每个像元的值，LSTi为数据年限内第i年某月LST中每个像元的值，SIFi为数据年限内第i年某月SIF中每个像元的值；GPMmax为数据年限内当月GPM每个像元的最大值，GPMmin为数据年限内当月GPM每个像元的最小值；LSTmax为数据年限内当月LST每个像元的最大值，LSTmin为数据年限内当月LST每个像元的最小值；SIFmax为数据年限内当月SIF每个像元的最大值，SIFmin为数据年限内当月SIF每个像元的最小值。5.根据权利要求1所述的基于日光诱导叶绿素荧光的植被干旱监测方法，其特征在于，所述最湿点为(PCImax，TCImax，DFMImax)，在三维空间模型对应为(1，1，1)；最干点为(PCImin，TCImin，DFMImin)，在三维空间模型对应为(0，0，0)。6.根据权利要求5所述的基于日光诱导叶绿素荧光的植被干旱监测方法，其特征在于，所述干旱监测指数为：2CN115963096A权利要求书2/2页其中，(PCI，TCI，DFMI)为三维空间中任意一点，TFPDI为干旱监测指数；当TFPDI的值越大，点(PCI，TCI，DFMI)在三维空间中与最湿点的距离越大，干旱程度越高。3CN115963096A说明书1/4页基于日光诱导叶绿素荧光的植被干旱监测方法技术领域[0001]本发明涉及植被干旱监测技术领域，特别是指一种基于日光诱导叶绿素荧光的植被干旱监测方法。背景技术[0002]干旱是世界上最常见的自然灾害之一，也是世界上社会影响和经济损失最大的自然灾害之一，其具有发生频率高、作用时间长、影响范围广、造成损失