【技术实现步骤摘要】
本申请涉及旱情监测领域，特别是涉及一种林木旱情监测方法、设备及介质。
技术介绍
1、林业干旱是农业干旱的一部分，对森林和树木具有综合性的多方面影响，如会对林业生产力、植被生长及地表微生物等造成影响。从水资源的角度出发，林业干旱是供水不能满足正常需水的一种不平衡的缺水情况；干旱指数能准确反映湿度的快速变化，具有时间和空间的可比性，对于干旱指数的监测有助于干旱早期减轻的决策制定。但目前，林业干旱的指标还没有一个统一的标准，且大多仅依据某一与干旱相关的单一指数进行计算，准确度较低。
技术实现思路
1、本申请的目的是提供一种林木旱情监测方法、设备及介质，可快速且准确地实现林木旱情监测。
2、为实现上述目的，本申请提供了如下方案：
3、第一方面，本申请提供了一种林木旱情监测方法，包括：
4、获取目标林木区域内的keetch-byram干旱指数、归一化植被指数及预设时长尺度下的标准化降水指数；所述预设时长尺度包括季尺度和年尺度；
5、对所述keetch-byram干旱指数及所述预设时长尺度下的标准化降水指数进行归一化处理后，与所述归一化植被指数一起输入至林木旱情监测模型中，以得到对应的林木旱情指标值；
6、基于预设旱情等级阈值，对所述林木旱情指标值进行匹配，以得到所述目标林木区域对应的旱情等级；
7、其中，所述林木旱情监测模型是基于多个权重系数确定的，所述权重系数用于表征keetch-byram干旱指数、归一化植被指数或预
8、第二方面，本申请提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现林木旱情监测方法。
9、第三方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现林木旱情监测方法。
10、根据本申请提供的具体实施例，本申请公开了以下技术效果：本申请提供了一种林木旱情监测方法、设备及介质，结合目标林木区域内的keetch-byram干旱指数、归一化植被指数及预设时长尺度下的标准化降水指数进行林木旱情监测，使得最终得到的林木旱情指标值更贴合实际、更加准确。本申请中还构建了林木旱情监测模型，通过预先构建的此模型，能够更加快速得到林木旱情指标值，而模型内设置的权重，能够适应性地对keetch-byram干旱指数、归一化植被指数及预设时长尺度下的标准化降水指数在林木旱情指标值计算过程中的重要性进行调整，使得所得到的林木旱情指标值更加准确可行。综上，本申请中确定了林业旱情指标值的计算标准、结合了旱情等级阈值，能够快速且准确地实现林木旱情监测，在实际应用中具有重要意义。
本文档来自技高网...【技术保护点】
1.一种林木旱情监测方法，其特征在于，所述林木旱情监测方法包括：
2.根据权利要求1所述的林木旱情监测方法，其特征在于，所述林木旱情监测模型内多个权重系数的确定方法包括：专家打分法、统计分析法、机器学习算法及多目标优化法。
3.根据权利要求1所述的林木旱情监测方法，其特征在于，当所述林木旱情监测模型内多个权重系数的确定方法为机器学习算法时，所述林木旱情监测模型的构建过程，包括：
4.根据权利要求3所述的林木旱情监测方法，其特征在于，所述林木旱情监测模型内多个权重系数的确定方法为机器学习算法时，所述林木旱情监测模型的构建过程，还包括：
5.根据权利要求3所述的林木旱情监测方法，其特征在于，所述机器学习算法为线性回归、随机森林、决策树、梯度提升树中的一种。
6.根据权利要求1所述的林木旱情监测方法，其特征在于，所述预设时长尺度下的标准化降水指数包括季尺度下标准化降水子值及年尺度下标准化降水子值；
7.根据权利要求1所述的林木旱情监测方法，其特征在于，所述预设时长尺度下的标准化降水指数包括季尺度下标准化降水子值及年
8.根据权利要求1所述的林木旱情监测方法，其特征在于，所述旱情等级包括无旱、轻旱、中旱、重旱、特旱；
9.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-8中任一项所述的林木旱情监测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-8中任一项所述的林木旱情监测方法。
...【技术特征摘要】
1.一种林木旱情监测方法，其特征在于，所述林木旱情监测方法包括：
2.根据权利要求1所述的林木旱情监测方法，其特征在于，所述林木旱情监测模型内多个权重系数的确定方法包括：专家打分法、统计分析法、机器学习算法及多目标优化法。
3.根据权利要求1所述的林木旱情监测方法，其特征在于，当所述林木旱情监测模型内多个权重系数的确定方法为机器学习算法时，所述林木旱情监测模型的构建过程，包括：
4.根据权利要求3所述的林木旱情监测方法，其特征在于，所述林木旱情监测模型内多个权重系数的确定方法为机器学习算法时，所述林木旱情监测模型的构建过程，还包括：
5.根据权利要求3所述的林木旱情监测方法，其特征在于，所述机器学习算法为线性回归、随机森林、决策树、梯度提升树中的一种。
6.根据权利要求1所述的林木旱情监测...
【专利技术属性】
技术研发人员：吴英杰，周泉成，包松林，杨彬，朱晖，王文君，徐凯然，张菲，陈晓俊，胡伟，尹航，张伟杰，赵谦，王思楠，陈泽勋，
申请(专利权)人：水利部牧区水利科学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。