本模型库系统使用python和java语言开发，采用Django web开发框架，MySQL数据库技术，以及卷积神经网络、Tensor flow深度学习框架、Android开发。系统主要功能包括五大模块，数据预处理、干旱指数计算、旱情统计分析、用户管理
干旱是全球最为常见的自然灾害，据测算全球每年因干旱造成的经济损失高达60~80亿美元，远远超过了其他气象灾害。干旱对农业造成的损失占我国农业自然灾害损失的50%以上，是我国农业最为严重的自然灾害，近20年来有逐步加剧的趋势。日益严重的全球化干旱问题已经成 为各国科学家和政府部门共同关注的热点。
使用模型库可以对农业干旱遥感监测的信息指数模型进行管理和使用，模型库可以弥补观测数据的不足, 拓展数据的使用领域。 数据库的建立, 旨在面向应用需求, 而遥感数据的应用领域可以涉及不同的空间信息尺度、地域和时间, 由于地物的复杂多变, 无论我们花多大力量收集地面测量数据, 测量到的波谱数据不可能直接满足用户的要求。这就需要基于已有数据和知识的积累, 根据地物结构波谱机理模型, 研究空间信息融合和复合分解技术, 给出可供用户参考使用的波谱模拟数据, 从而弥补观测数据的不足。模型库可以把数据库中的数据有机结合起来, 用于知识挖掘和知识发现, 进一步拓展数据的使用领域。
通过该系统可以实现农业干旱的面域或者说空间上大尺度的干旱监测，对于农作物的生长监测以及农业信息化水平的提高具有重要意义。
三、研究目标和内容
1.研究目标
本研究旨在利用遥感影像数据、基础地理信息数据以及其他相关数据，采用C/S开发模式，为用户提供数据预处理、干旱指数计算、旱情统计分析、个人信息管理等服务，可以为农作物的抗旱提供科学的指导和直接的服务。根据对旱情的统计分析，可以为政府部门准确地制定、组织抗旱工作，做出科学的宏观决策，实现旱情信息的综合管理提供科学依据。
2.研究内容
本模型库系统在windows10操作系统上，采用python和java语言开发，采用Django web开发框架，MySQL数据库技术，以及卷积神经网络、Tensor flow深度学习框架、Android开发，实现对农业干旱遥感指数模型库的开发。
主要功能有数据预处理(不同遥感影像数据的辐射定标，大气校正，几何校正等)，植被干旱指数、水分干旱指数等各干旱指数的计算、旱情统计分析、用户管理等。
功能模块包括：数据收集模块、数据清洗模块、模型训练模块、干旱检测模块、展示模块。
四、研究方法
1.确定研究区域位置，获取遥感数据
本系统将研究区域位置确定为滁州市，采用了环境与灾害监测预报小卫星星座A、B星(HJ-1A/1B星)数据与美国Landsat-5卫星的TM传感器数据,MODIS数据（2、19通道数据）。
使用这些遥感影像进行监测过程中影像的预处理十分重要，经过预处理的影像可以更准确地反映地面的真实情况。
遥感影像的预处理主要是对影像进行辐射校正、大气校正、正射校正、图像融合以及拼接裁剪等处理。
2.建模法：在软件设计阶段，根据需求对所有对象和活动等借助UML语言建立相应的图形化模型或流程模型。并在详细设计阶段使用类图等软件开发建模方式对详细设计文档进行建模，为开发提供便利。
综合检测方法（温度与植被指数相结合）：
1）植被供水指数
植被供水指数是一种简单的干旱 监测模型。植被供水指数VSWI定义为:
VSWI=Ts/NDVI
式中，Ts为由卫星红外通道得到的植被冠层温度。由于植被覆盖变化和土壤水分变化， LST和NDVI存在着负相关关系，干旱发生期间LST/NDVI比率增加。VSWI的物理意义为:当作物供水正常时，卫星遥感的植被指数和植被冠层温度在一定的生 长期内保持在一定的范围 ，如果遇到干旱，植被供水不足，生长受到影响时，卫星遥感的植被指数降低。植被没有足够的水供给叶子表面蒸发，被迫关闭一部分气孔，导致植被冠层温度升高[14]。该方法用单时相遥感资料即可进行旱情监测，物理意义明确，适用于植被蒸腾较强的季节;但植被供水指数法没有考虑植土比例等下垫面本身的差异，当下垫面差异较大时，监测结果误差大，很难得出表示干旱程度的量化指标。
上一篇：基于C++的音乐播放器的设计与实现
下一篇：django线上医院预约挂号系统