一种植被降水胁迫脆弱性动态评估方法、系统及介质

本发明涉及植被脆弱性评估，具体涉及一种植被降水胁迫脆弱性动态评估方法。

背景技术：

1、在植被脆弱性评估领域，现有技术中与本发明技术最接近的技术方案包括基于遥感数据和气象模型的动态植被评估方法以及综合降水胁迫影响的集成评估框架。

2、动态植被评估方法利用高分辨率遥感数据（如modis、landsat）和气象模型（如ecmwf再分析数据）来模拟植被在不同降水条件下的动态响应。这些方法通过动态植被模型（如lpjml模型、orchidee模型）来预测植被在不同降水强度和频率下的生长和变化情况。集成评估框架结合了多种气象和植被ndvi（normalized difference vegetation index）数据，使用统计模型（如回归分析、机器学习算法）来综合预测降水胁迫脆弱性的预测。

3、现有集成评估框架在处理降水胁迫的综合影响时，往往依赖于简化的统计模型，可能忽视了降水量相关数据及其滞后效应对评估结果准确性的影响。

技术实现思路

1、为解决上述问题，本发明提供一种植被降水胁迫脆弱性动态评估方法，该方法采用了综合评估框架，系统地考虑降水强度、降水频率、滞后效应等多方面因素对植被脆弱性的综合影响，进而获得准确的评估结果。

2、为实现上述目的，本发明提供了如下的技术方案。

3、一种植被降水胁迫脆弱性动态评估方法，包括以下步骤：

4、获取不同滞后时间尺度下降水量数据和植被ndvi数据的spearman相关系数，确定植被长势滞后于降水的最佳响应时间；

5、将最佳响应时间对应的降水量数据和植被ndvi数据分别进行边缘分布拟合；根据边缘分布拟合结果，通过clayton copula函数拟合获得降水与植被之间的联合概率分布；

6、根据降水与植被之间的联合概率分布，获得不同等级降水胁迫下导致植被损失的条件概率，根据不同等级降水胁迫下导致植被损失的条件概率来评估植被的脆弱性。

7、优选地，还包括对植被的脆弱性的非稳定性判断，包括以下步骤：

8、将一周时间为尺度的植被ndvi数据导入beast算法中，输出该时段内多组的突变点和对应的突变概率；

9、选取突变概率最高时的突变点作为突变时间，从而将原始植被ndvi数据划分为突变前后两个序列；

10、划分为两个序列后，分别根据不同等级降水胁迫下导致植被损失的条件概率，计算出突变前后的脆弱性，通过差值反映出植被的脆弱性变化；如果是正值，则表示植被对降水胁迫的脆弱性在增加，如果是负值，则表示植被对降水胁迫的脆弱性在降低。

11、优选地，所述最佳响应时间的获取包括以下步骤：

12、获取每个像元的周降水量和植被ndvi数据，将一周时间为尺度的降水量数据和植被ndvi数据分别作为降水序列和ndvi序列；所述像元为周降水量和植被ndvi数据的空间分辨率单元；

13、将ndvi序列与降水序列进行spearman相关性计算：每次将ndvi序列向后滑动一周，视为滞后时间一周，最大滑动为52周，获得每次滑动窗口下的spearman相关系数，取最大相关性系数时对应的滑动窗口视为最佳响应时间。

14、优选地，所述spearman相关系数的求解如下式所示：

15、

16、式中，为spearman相关系数；和分别为降水量和植被ndvi数据；为植被对降水的最佳滞后时间；corr（∙）为相关系数函数。

17、优选地，所述边缘分布拟合所采用的核函数为：

18、

19、式中，为随机降水量数据或植被ndvi数据，x为最佳响应时间对应的降水量数据或植被ndvi数据；为核平滑函数，为均匀核的核平滑函数；为窗宽。

20、优选地，所述降水与植被之间的联合概率分布的拟合如下式所示：

21、

22、式中，为植被和降水的两变量联合分布函数；和分别为降水量数据和植被ndvi数据的边缘分布函数，通过边缘分布拟合获得；为clayton copula函数的参数。

23、优选地，所述不同等级降水胁迫下导致植被损失的条件概率为：

24、

25、式中，为降水数据的边缘分布函数，植被ndvi数据的边缘分布函数。

26、一种植被降水胁迫脆弱性动态评估系统，所述系统包括：

27、处理器；

28、存储器，其上存储有可在所述处理器上运行的计算机程序；

29、其中，所述计算机程序被所述处理器执行时实现所述的植被降水胁迫脆弱性动态评估方法的步骤。

30、一种计算机可读存储介质，所述计算机可读存储介质上存储有数据处理程序，所述数据处理程序被处理器执行时实现所述的植被降水胁迫脆弱性动态评估方法的步骤。

31、本发明的有益效果：

32、本发明提出植被降水胁迫脆弱性动态评估方法，该方法引入了降水量相关数据，分析例不同滞后时间尺度下降水量数据和植被ndvi数据的spearman相关系数，确定植被长势滞后于降水的最佳响应时间，考虑了降水的滞后效应，实现了全面评估降水胁迫的综合影响，并基于该最佳响应时间构建了降水与植被之间的联合概率分布，能够更准确地反映降水胁迫的真实影响，提高了脆弱性评估的全面性和准确性。

1.一种植被降水胁迫脆弱性动态评估方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的植被降水胁迫脆弱性动态评估方法，其特征在于，还包括对植被的脆弱性的非稳定性判断，包括以下步骤：

3.根据权利要求1所述的植被降水胁迫脆弱性动态评估方法，其特征在于，所述最佳响应时间的获取包括以下步骤：

4.根据权利要求3所述的植被降水胁迫脆弱性动态评估方法，其特征在于，所述spearman相关系数的求解如下式所示：

5.根据权利要求1所述的植被降水胁迫脆弱性动态评估方法，其特征在于，所述边缘分布拟合所采用的核函数为：

6.根据权利要求5所述的植被降水胁迫脆弱性动态评估方法，其特征在于，所述降水与植被之间的联合概率分布的拟合如下式所示：

7.根据权利要求6所述的植被降水胁迫脆弱性动态评估方法，其特征在于，所述不同等级降水胁迫下导致植被损失的条件概率为：

8.一种植被降水胁迫脆弱性动态评估系统，其特征在于，所述系统包括：

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有数据处理程序，所述数据处理程序被处理器执行时实现如权利要求1至7中任一项所述的植被降水胁迫脆弱性动态评估方法的步骤。