[发明专利]一种作物灾害损失快速评估方法

说明书

本发明提供了一种作物灾害损失快速评估方法，所述方法基于DSSAT系统的作物模型以及GLUE参数估算工具，利用受灾区的作物的历史数据，基于作物模型模拟获得各情景下作物的叶面积指数和产量，进而构建回归方程。然后基于Google Earth Engine(GEE)的卫星图像，将卫星图像上的每个像素的叶面积指数带入线性回归方程，获得每个像素的产量。最后将受灾区的灾害年份的产量和上一年的产量对比得到相对产量损失。本发明的方法不需要大量的地面观测数据，只需少量实验数据进行校准标定，提高了评估效率，降低了灾害损失评估的时间成本，为防灾减灾提供了保障。本发明的方法实现了灾害损失的定量评估，可对不同空间尺度损减产率进行可靠的估算，提高了灾害估损的质量。

技术领域

本发明涉及农业遥感技术领域，具体涉及基于遥感数据处理平台Google EarthEngine(GEE)和作物模型的跨尺度、作物灾害损失定量评估方法，特别涉及一种作物灾害损失快速评估方法。

背景技术

农业与气象息息相关。农作物生长全过程均处于自然环境下，其产量的形成极易受到气象灾害等不利因素的胁迫和干扰，灾害严重时可导致粮食产量大幅度下降甚至绝产。目前，针对农业气象灾害的评估主要分为两类：风险评估和影响评估。风险意味着灾害发生和损害的可能性，评估的技术基础是风险分析技术，得到的风险强度区划无法准确定量灾害损失，只能对灾害进行大致描述。以往的影响评估主要有以下三种方法：1)在地面站点多年产量数据的基础上利用直线滑动平均法和正交多项式逼近法求取趋势产量，用当年实际产量减去趋势产量分解得到气象产量，计算相对气象产量来估算灾害损失。该方法是基于作物减产均由冷害造成的假设进行的，对单一灾害损失评估效果较差，不能进行动态评估。2)以历史观测数据为基础，构建灾害指标和产量的回归方程，外推得到灾害损失，但是灾害指标具有很强区域性，难以扩展应用到其他区域且无法满足县级以下的损失评估。3)作物模型以其面向作物生长过程、机理性较强的优势被应用于产量预报、农田管理决策支持、灾害指标构建和损失定量等方面，可以在天甚至小时的尺度上人为再现作物从播种到成熟的连续过程，反映作物生长对不同环境和管理因素的响应方式。然而大多数作物模型是针对特定的田间试验，只能进行单点模拟，通过品种参数区域化和气象要素空间插值技术可以实现模型的区域尺度应用，但无可避免地引入了新误差。区域作物模型虽然可以表征空间差异性，但是构建与运行需要大量的驱动数据，且由于地表参数以及品种和管理方式存在较大的空间异质性，使得其参数厘定非常困难，大区域研究依然不易实现。此外，区域模型的空间分辨率取决于气象或土壤数据，难以进行精细的损失制图。因此，积极探索合理实用的方法进行更准、更快的区域损失评估可为农业灾害预警，农业保险等工作的业务化运行提供思路。

遥感技术可以大范围、动态、实时地监测作物的生长发育状况，被广泛应用于种植面积，病虫害监测，灾害监测以及精细农业等各个领域。Google Earth Engine(GEE)是Google提供的对大量全球尺度地球科学资料(尤其是卫星数据)进行在线可视化计算分析处理的平台，提供全球Sentinel、MODIS、Landsat TM/OLI等多源、多尺度遥感数据，是一个支持并行云端计算的海量遥感数据处理、存档和分析平台，解决了传统遥感图像收集难、存储量大、处理效率低等难题。遥感和作物模型结合可以实现不同空间分辨率上连续的产量模拟，解决站点作物模型区域尺度应用问题，并且已经得到广泛应用，但存在以下两个关键问题：1)利用遥感指数建立的统计模型虽然简单易用，但是基于单一时相植被指数与实测产量建立的统计模型局限于特定的时间，地点和年份。2)基于作物模型同化遥感数据估损虽然取得了一定的成果，但是因其大量的输入数据和复杂的运算过程使得模型不易推广，且数据收集十分繁杂，运行效率低。

发明内容

本发明要解决的技术问题是提供一种作物灾害损失快速评估方法，以减少或避免前面所提到的问题。

为解决上述技术问题，本发明提出了一种作物灾害损失快速评估方法，包括如下步骤：