技術(shù)特征：
1.區(qū)域植被覆蓋度與降水關(guān)系非一致性識別方法，其特征在于：具體包括如下步驟：步驟1，確定研究區(qū)域，收集研究區(qū)域逐年年ndvi柵格數(shù)據(jù)、氣象站逐年年降水?dāng)?shù)據(jù)；步驟2，根據(jù)收集到的研究區(qū)域及該區(qū)域周邊區(qū)域的氣象站年降水?dāng)?shù)據(jù)進(jìn)行插值獲得與ndvi數(shù)據(jù)空間分辨率相同的逐年降水柵格數(shù)據(jù)，同時根據(jù)ndvi柵格數(shù)據(jù)計算獲得植被覆蓋度柵格數(shù)據(jù)；步驟3，根據(jù)步驟2得到的逐年植被覆蓋度柵格數(shù)據(jù)和逐年降水柵格數(shù)據(jù)，基于gamlss模型構(gòu)建區(qū)域植被覆蓋度與降水關(guān)系一致性和非一致性的若干可能情景，選擇若干種備用概率分布函數(shù)作為每種情景下模型中被解釋變量的分布函數(shù)，分別計算每種情景下每種備用概率分布函數(shù)下植被覆蓋度與降水關(guān)系模型的aic值；步驟4，根據(jù)步驟3的計算結(jié)果，采用aic最小準(zhǔn)則，對每種植被覆蓋度與降水關(guān)系一致性和非一致性情景下從幾種備用概率分布函數(shù)選擇出最優(yōu)的概率分布函數(shù)；步驟5，在步驟4計算的基礎(chǔ)上，采用aic最小準(zhǔn)則，從植被覆蓋度與降水關(guān)系一致性和非一致性若干情景最優(yōu)的概率分布函數(shù)下選出最優(yōu)概率分布函數(shù)中作為植被覆蓋度與降水之間的關(guān)系模型；步驟6，將步驟5選取的植被覆蓋度與降水之間的關(guān)系模型的aic值與植被覆蓋度與降水關(guān)系一致性情景下的最優(yōu)概率分布函數(shù)模型的aic值比較，識別植被覆蓋度與降水之間關(guān)系是否存在非一致性；步驟7，根據(jù)步驟6的計算結(jié)果判斷區(qū)域植被覆蓋度與降水之間非一致性關(guān)系類型的空間分布。2.根據(jù)權(quán)利要求1所述的區(qū)域植被覆蓋度與降水關(guān)系非一致性識別方法，其特征在于：所述步驟2的具體過程為：利用arcgis軟件進(jìn)行kriging插值獲得與ndvi數(shù)據(jù)空間分辨率相同的逐年降水柵格數(shù)據(jù)，同時根據(jù)ndvi柵格數(shù)據(jù)通過arcgis軟件spatial analyst tools模塊map algebra工具raster calculator計算獲得植被覆蓋度柵格數(shù)據(jù),植被覆蓋度數(shù)據(jù)均采用最大最小值法由ndvi數(shù)據(jù)計算得到，公式如下：f＝(ndvi-ndvi
min
)/(ndvi
max-ndvi
min
)
?????
(1)；其中，f為植被覆蓋度，ndvi是像素的植被指數(shù)，ndvi
max
和ndvi
min
分別是研究區(qū)ndvi的最大值和最小值。3.根據(jù)權(quán)利要求1所述的區(qū)域植被覆蓋度與降水關(guān)系非一致性識別方法，其特征在于：所述步驟3的具體過程為：gamlss模型中將被解釋變量的分布函數(shù)設(shè)置成正態(tài)分布、指數(shù)分布、韋伯分布，上述分布函數(shù)的均值和方差被設(shè)置成四種情景：(a)均值和方差都不變；(b)均值隨解釋變量變化而變化，方差不變；(c)均值不變，方差隨解釋變量變化而變化；(d)均值和方差均隨解釋變量變化而變化，參數(shù)和解釋變量的表達(dá)公式如下：θ
i
＝f(x)
??????
(2)；式中，θ
i
為分布函數(shù)的參數(shù)，即均值或方差；x是解釋變量；f是參數(shù)θ
i
與解釋變量x之間的函數(shù)關(guān)系；步驟3.2，aic信息準(zhǔn)則計算公式如下：aic＝2n-2ln(l)
?????
(3)；
其中，t是參數(shù)的數(shù)量，l是似然函數(shù)，假設(shè)條件是模型的誤差服從獨立正態(tài)分布。4.根據(jù)權(quán)利要求1所述的區(qū)域植被覆蓋度與降水關(guān)系非一致性識別方法，其特征在于：所述步驟4的具體過程為：根據(jù)步驟3的計算結(jié)果，采用aic最小準(zhǔn)則，對每種植被覆蓋度與降水關(guān)系一致性和非一致性情景下從幾種備用概率分布函數(shù)選擇出最優(yōu)的概率分布函數(shù)，具體公式如下：式中，f(x)為最優(yōu)分布函數(shù)；n是備用分布函數(shù)的個數(shù)；是第i個備用分布函數(shù)在gamlss模型中根據(jù)樣本值計算的aic值。5.根據(jù)權(quán)利要求4所述的區(qū)域植被覆蓋度與降水關(guān)系非一致性識別方法，其特征在于：所述步驟5的具體過程為：在步驟4計算的基礎(chǔ)上，采用aic最小準(zhǔn)則，從植被覆蓋度與降水關(guān)系一致性和非一致性若干情景最優(yōu)的概率分布函數(shù)下選出最優(yōu)概率分布函數(shù)中作為植被覆蓋度與降水之間的關(guān)系模型；式中，gamlss(x)為最優(yōu)gamlss模型；m是植被覆蓋度與降水關(guān)系一致性和非一致性情景個數(shù)，是第j個植被覆蓋度與降水關(guān)系一致性和非一致性情景在gamlss模型中根據(jù)樣本值計算的aic值。6.根據(jù)權(quán)利要求5所述的區(qū)域植被覆蓋度與降水關(guān)系非一致性識別方法，其特征在于：所述步驟6的具體過程為：將步驟5選取的植被覆蓋度與降水之間的關(guān)系模型的aic值與植被覆蓋度與降水關(guān)系一致性情景下的最優(yōu)概率分布函數(shù)模型的aic值進(jìn)行比較，識別植被覆蓋度與降水之間關(guān)系是否存在非一致性，并計算最優(yōu)模型與一致性最優(yōu)分布函數(shù)情況下aic值降低百分比空間分布；式中，aic
gamlss(x)
植被覆蓋度與降水關(guān)系為最優(yōu)gamlss模型下根據(jù)樣本值計算的aic值；是植被覆蓋度與降水關(guān)系一致性情景下根據(jù)樣本值計算的aic值；式中，rate
aic
植被覆蓋度與降水關(guān)系為最優(yōu)gamlss模型下樣本值計算的aic值與一致性模型根據(jù)樣本值計算的aic值降低百分比；是植被覆蓋度與降水關(guān)系一致性情景下根據(jù)樣本值計算的aic值；植被覆蓋度與降水關(guān)系為最優(yōu)gamlss模型下根據(jù)樣本值計算的aic值。7.根據(jù)權(quán)利要求6所述的區(qū)域植被覆蓋度與降水關(guān)系非一致性識別方法，其特征在于：所述步驟7的具體過程為：根據(jù)步驟6的計算結(jié)果判斷區(qū)域植被覆蓋度與降水之間非一致性關(guān)系類型的空間分布：
式中，aic
gamlss(x)
植被覆蓋度與降水關(guān)系為最優(yōu)gamlss模型下根據(jù)樣本值計算的aic值；是植被覆蓋度與降水關(guān)系一致性情景下根據(jù)樣本值計算的aic值；μ
gamlss(x)
是植被覆蓋度與降水關(guān)系為最優(yōu)gamlss模型下根據(jù)樣本均值；δ
gamlss(x)
是植被覆蓋度與降水關(guān)系為最優(yōu)gamlss模型下根據(jù)樣本方差；f(x)是均值或者方差與解釋變量的函數(shù)。

技術(shù)總結(jié)
本發(fā)明公開了區(qū)域植被覆蓋度與降水關(guān)系非一致性識別方法，具體包括如下步驟：首先步驟確定研究區(qū)域，收集研究區(qū)域NDVI和降水?dāng)?shù)據(jù)；進(jìn)行降水插值，計算獲得植被覆蓋度數(shù)據(jù)；基于GAMLSS模型，構(gòu)建區(qū)域植被覆蓋度與降水關(guān)系一致性和非一致性的若干可能情景，選擇備用概率分布函數(shù)，分別計算AIC值；采用AIC最小準(zhǔn)則，優(yōu)選的最優(yōu)概率分布函數(shù)；采用AIC最小準(zhǔn)則，優(yōu)選出植被覆蓋度與降水之間的關(guān)系模型；識別植被覆蓋度與降水之間關(guān)系是否存在非一致性；識別區(qū)域植被覆蓋度與降水之間非一致性關(guān)系類型的空間分布，本發(fā)明可以準(zhǔn)確有效的識別區(qū)域植被覆蓋度與降水之間的非一致性空間分布。植被覆蓋度與降水之間的非一致性空間分布。植被覆蓋度與降水之間的非一致性空間分布。


技術(shù)研發(fā)人員：賈路 徐國策 任宗萍 李占斌 李鵬 魯克新 程圣東 于坤霞 成玉婷 王飛超 朱田甜
受保護(hù)的技術(shù)使用者：西安理工大學(xué)
技術(shù)研發(fā)日：2021.12.20
技術(shù)公布日：2022/4/26