(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111561902.9 (22)申请日 2021.12.20 (71)申请人 西安理工大 学 地址 710048 陕西省西安市碑林区金花 南 路5号 (72)发明人 贾路　徐国策　任宗萍　李占斌　 李鹏　鲁克新　程圣东　于坤霞　 成玉婷　王飞超　朱田甜　 (74)专利代理 机构 西安弘理专利事务所 61214 代理人 许志蛟 (51)Int.Cl. G06F 30/20(2020.01) G06F 119/02(2020.01) (54)发明名称 区域植被覆盖度与降水关系非一致性识别 方法 (57)摘要 本发明公开了区域植被覆盖度与降水关系 非一致性识别方法， 具体包括如下步骤： 首先步 骤确定研究区域， 收集研究区域NDVI和降水数 据； 进行降水插值， 计算获得植被覆盖度数据； 基 于GAMLSS 模型， 构建区域植被覆盖度与降水关系 一致性和非一致性的若干可能情景， 选择备用概 率分布函数， 分别计算AIC值； 采用AIC最小 准则， 优选的最优概率 分布函数； 采用AIC最小 准则， 优 选出植被覆盖度与降水之间的关系模 型； 识别植 被覆盖度与降水之间关系是否存在非一致性； 识 别区域植被覆盖度与降水之间非一致性关系类 型的空间分布， 本发明可以准确有效的识别区域 植被覆盖度与降水之间的非一 致性空间分布。 权利要求书3页 说明书8页 附图2页 CN 114398760 A 2022.04.26 CN 114398760 A 1.区域植被覆盖度与降水关系非一 致性识别方法， 其特 征在于： 具体包括如下步骤： 步骤1， 确定研究区域， 收集研究区域逐年 年NDVI栅格数据、 气象站逐年 年降水数据； 步骤2， 根据收集到的研究区域及该区域周边区域的气象站年降水数据进行插值获得 与NDVI数据空间分辨率相同的逐年降水栅格数据， 同时根据NDV I栅格数据计算 获得植被覆 盖度栅格数据； 步骤3， 根据步骤2得到的逐年植被覆盖度栅格数据和逐年降水栅格数据， 基于GAMLSS 模型构建区域植被覆盖度与降水关系一致性和非一致性的若干可能情景， 选择若干种备用 概率分布函数作为每种情景下模型中被解释 变量的分布函数， 分别计算每种情景下每种备 用概率分布函数 下植被覆盖度与降水关系模型的AIC值； 步骤4， 根据步骤3的计算结果， 采用AIC最小准则， 对每种植被覆盖度与降水关系一致 性和非一 致性情景下从几种备用概 率分布函数选择 出最优的概 率分布函数； 步骤5， 在步骤4计算的基础上， 采用AIC最小准则， 从植被覆盖度与降水关系一致性和 非一致性若干情景最优的概率分布函数下选出最优概率分布函数中作为植被覆盖度与降 水之间的关系模型； 步骤6， 将步骤5选取的植被覆盖度与降水之间的关系模型的AIC值与植被覆盖度与降 水关系一致性情景下的最优概率分布函数模型的AIC值比较， 识别植被覆盖度与降水之间 关系是否存在非一 致性； 步骤7， 根据步骤6的计算结果判断区域植被覆盖度与降水之间非一致性关系类型的空 间分布。 2.根据权利要求1所述的区域植被覆盖度与降水关系非一致性识别方法， 其特征在于： 所述步骤2的具体过程 为： 利用ArcGIS软件进行Kri ging插值获得与NDVI数据空间分辨率相同的逐年降水栅格数 据， 同时根据NDVI栅格 数据通过ArcGIS软件Spatial  Analyst Tools模块Map  Algebra工 具 Raster Calculator计算获得植被覆盖度栅格数据,植被覆盖度数据均采用最大最小值法 由NDVI数据计算得到， 公式如下： f＝(NDVI ‑NDVImin)/(NDVImax‑NDVImin)     (1)； 其中， f为植被覆盖度， NDVI是像素的植被指数， NDVImax和NDVImin分别是研究区NDVI的 最大值和最小值。 3.根据权利要求1所述的区域植被覆盖度与降水关系非一致性识别方法， 其特征在于： 所述步骤3的具体过程 为： GAMLSS模型中将被解释变量的分布函数设置成正态分布、 指数分布、 韦伯分布， 上述分 布函数的均值和方差被设置成四种情景： (a)均值和方差都不变； (b)均值随解释变量变化 而变化， 方差不变； (c)均值不变， 方差随解释变量变化而变化； (d)均值和方差均随解释变 量变化而变化， 参数和解释变量的表达公式如下： θi＝f(x)      (2)； 式中， θi为分布函数 的参数， 即均值或方差； x是解释变量； f是参数θi与解释变量x之间 的函数关系； 步骤3.2， AIC信息准则计算公式如下： AIC＝2n‑2ln(L)     (3)；权　利　要　求　书 1/3 页 2 CN 114398760 A 2其中， t是参数的数量， L是似然函数， 假设条件是模型的误差服从独立 正态分布。 4.根据权利要求1所述的区域植被覆盖度与降水关系非一致性识别方法， 其特征在于： 所述步骤4的具体过程为： 根据步骤3的计算结果， 采用AIC最小准则， 对每种植被覆盖度与 降水关系一致性和非一致性情景下从几种备用概率分布函数选择出最优的概率分布函数， 具体公式如下： 式中， f(x)为最优分布函数； n是备用分布函数的个数； 是第i个备用分布函数在 GAMLSS模型中根据样本值计算的AIC值。 5.根据权利要求4所述的区域植被覆盖度与降水关系非一致性识别方法， 其特征在于： 所述步骤5的具体过程为： 在步骤4计算的基础上， 采用AIC最小准则， 从植被覆盖度与降水 关系一致性和非一致性若干情景最优的概率分布函数下选出最优概率分布函数中作为植 被覆盖度与降水之间的关系模型； 式中， GAMLSS(x)为最优GAMLSS模型； m是植被覆盖度与降水关系一致性和非一致性情 景个数， 是第j个植被覆盖度与降水关系一致性和非一致性情景在GAMLSS模型 中根据样本值计算的AIC值。 6.根据权利要求5所述的区域植被覆盖度与降水关系非一致性识别方法， 其特征在于： 所述步骤6的具体过程为： 将步骤5选取的植被覆盖度与降水之间的关系模型的AIC值与植 被覆盖度与降水关系一致性情景下的最优概率分布函数模型 的AIC值进行比较， 识别植被 覆盖度与降水之间关系是否存在非一致性， 并计算最优模型与一致性最优分布函数情况下 AIC值降低百分比空间分布； 式中， AICGAMLSS(x)植被覆盖度与降水关系为最优GAMLSS模型下根据样本值计算的AIC 值； 是植被覆盖度与降水关系一 致性情景下根据样本值计算的AIC值； 式中， RateAIC植被覆盖度与降水关系为最优GAMLSS模型下样本值计算的AIC值与一致 性模型根据样本值计算的AIC值降低百分比； 是植被覆盖度与降水关系一致 性 情景下根据样本值计算的AIC值； 植被覆盖度与降水关系 为最优GAMLSS模型下根据样本值 计算的AIC值。 7.根据权利要求6所述的区域植被覆盖度与降水关系非一致性识别方法， 其特征在于： 所述步骤 7的具体过程为： 根据步骤6的计算结果判断区域植被覆盖度与降水之 间非一致性 关系类型的空间分布：权　利　要　求　书 2/3 页 3 CN 114398760 A 3