本发明属于干旱评估领域，具体涉及基于多源数据的综合干旱评估方法。
背景技术：
1、干旱是全球范围内最常见、分布范围最广、作用机理最复杂的自然灾害之一，其发生频率高、影响历时长，对国家经济的发展、社会的稳定等产生了重要影响，已引起气象水文、农业及生态环境等领域专家的普遍关注。干旱事件复杂且界限模糊，其发生也很难辨别，当人们意识到发生干旱时，干旱可能已经发展到严重阶段，因此准确的干旱评估对于减轻干旱对区域粮食生产和水资源配置的不利影响至关重要。
2、然而，目前大多数研究所考虑的干旱致灾因子较少，仅为降水或者温度等要素，干旱致灾因子考虑不全，且干旱评估模型较为简单。干旱是一种复杂的自然灾害，较少的干旱评估指标和结构简单的干旱评估模型对干旱的评估效果较差。因此，有必要提出评估效果更好的干旱评估方法，以解决上述问题。
技术实现思路
1、本发明的目的是基于多源数据的综合干旱评估方法，解决了现有干旱评估中干旱致灾因子考虑不全、评估模型结构简单导致的干旱评估效果不准确的问题。
2、本发明采用的技术方案为，基于多源数据的综合干旱评估方法，具体按照以下步骤实施：
3、步骤1，获取目标区域历史遥感数据和气象站点数据；
4、步骤2，对步骤1中遥感数据进行预处理，统一遥感数据时间及空间尺度，并根据气象站点坐标数据提取对应的遥感数据；
5、步骤3，基于步骤1中气象站点数据计算标准化降水蒸散指数；
6、步骤4，构建dnn模型，将步骤2中处理后的遥感数据和步骤3中的标准化降水蒸散指数划分为训练集和测试集，并以预先设定的干旱等级为目标对dnn模型进行训练，构建综合干旱评估模型；
7、步骤5，利用步骤4中综合干旱评估模型评估目标区域干旱情况，输出考虑多因素的综合干旱指标；
8、步骤6，对步骤5中的评估结果进行分析。
9、本发明的特点还在于，
10、步骤1中遥感数据和气象站点数据包括发生在目标区域待测日期前、且时间连续的若干月份的历史数据。
11、遥感数据包括降水、温度、植被指数、高程及蒸散数据；气象站点数据包括气象站经纬度坐标、海拔、月平均温度、月降水量数据。
12、步骤2中具体按照以下步骤实施：
13、步骤2.1，对步骤1获取的遥感数据文件进行文件格式转换；
14、步骤2.2，根据目标区域矢量边界对遥感数据进行批量拼接及重投影；
15、步骤2.3，采用最邻近分配法将遥感数据空间尺度重采样至1km；
16、步骤2.4，对于有部分数据缺失的遥感影像，采用反距离加权法对缺失数据进行填充；
17、步骤2.5，将时间分辨率为8d的温度和蒸散数据按最大值合成法合成为月数据；
18、步骤2.6，以各气象站点经纬度坐标为中心，采用双线性插值法提取对应气象站点的降水、温度、植被指数、高程及蒸散数据。
19、步骤3中根据目标区域内各气象站点的经纬度坐标、海拔、月平均温度和月降水量数据，使用thornthwaite方法计算各气象站点的1个月尺度的标准化降水蒸散指数。
20、步骤4中具体按照以下步骤实施：
21、步骤4.1，预定义dnn模型的超参数、优化算法和损失函数；
22、步骤4.2，基于步骤4.1中超参数，生成dnn模型；
23、步骤4.3，采用步骤4.1中优化算法和损失函数，对步骤4.2中dnn模型进行训练，构建综合干旱评估模型。
24、步骤4.1中超参数包括网络层数、神经元个数、隐藏层层数、迭代次数、训练批尺寸、学习率、舍弃率；
25、优化算法为adam模型优化算法；
26、损失函数为均方误差损失函数mse；
27、步骤4.2中基于发生在目标区域待测日期前、且时间连续的且时间连续的若干月份的历史数据，将降水、温度、植被指数、高程、蒸散及标准化降水蒸散指数数据按4：1的比例划分为训练集和测试集，并以预先设定的干旱等级作为训练目标；
28、步骤5将步骤1中目标区域的降水、温度、植被指数、高程及蒸散遥感数据输入至步骤4中综合干旱评估模型，输出考虑多因素的综合干旱指标mdi。
29、步骤6依据spei干旱等级划分标准，识别干旱等级，当mdi值小于或等于-0.5时，表示有干旱发生。
30、本发明的有益效果是：基于降水、温度、植被、地形及蒸散多源数据，借助深度神经网络强大的信息提取功能，构建综合干旱指标，能够全面反应目标区域的干旱特征信息，准确评估干旱等级，对干旱进行精准评估对抗旱减灾工作具有重要意义。
1.基于多源数据的综合干旱评估方法，其特征在于，具体按照以下步骤实施：
2.根据权利要求1所述的基于多源数据的综合干旱评估方法，其特征在于，所述步骤1中遥感数据和气象站点数据包括发生在目标区域待测日期前、且时间连续的若干月份的历史数据。
3.根据权利要求2所述的基于多源数据的综合干旱评估方法，其特征在于，所述遥感数据包括降水、温度、植被指数、高程及蒸散数据；气象站点数据包括气象站经纬度坐标、海拔、月平均温度、月降水量数据。
4.根据权利要求3所述的基于多源数据的综合干旱评估方法，其特征在于，所述步骤2中具体按照以下步骤实施：
5.根据权利要求4所述的基于多源数据的综合干旱评估方法，其特征在于，所述步骤3中根据目标区域内各气象站点的经纬度坐标、海拔、月平均温度和月降水量数据，采用thornthwaite方法计算各气象站点的1个月尺度的标准化降水蒸散指数。
6.根据权利要求5所述的基于多源数据的综合干旱评估方法，其特征在于，所述步骤4中具体按照以下步骤实施：
7.根据权利要求6所述的基于多源数据的综合干旱评估方法，其特征在于，所述步骤4.1中超参数包括网络层数、神经元个数、隐藏层层数、迭代次数、训练批尺寸、学习率、舍弃率；
8.根据权利要求7所述的基于多源数据的综合干旱评估方法，其特征在于，所述步骤4.2中基于发生在目标区域待测日期前、且时间连续的若干月份的历史数据，将降水、温度、植被指数、高程、蒸散及标准化降水蒸散指数数据按4：1的比例划分为训练集和测试集，并以预先设定的干旱等级作为训练目标。
9.根据权利要求8所述的基于多源数据的综合干旱评估方法，其特征在于，所述步骤5中将步骤1中目标区域的降水、温度、植被指数、高程及蒸散遥感数据输入至步骤4中综合干旱评估模型，输出考虑多因素的综合干旱指标mdi。
10.根据权利要求9所述的基于多源数据的综合干旱评估方法，其特征在于，所述步骤6中依据spei干旱等级划分标准，识别干旱等级，当mdi值小于或等于-0.5时，表示有干旱发生。
