基于SPEI和时空立方体的中国近40年干旱时空模式挖掘

利用1980—2019年中国612个气象站点逐月降水量和温度数据计算多尺度标准化降水蒸散指数(SPEI),根据中国气温条件划分7大地理分区并结合时空立方体、时空热点分析、时空聚类和时空异常值来探究中国近40年多尺度标准化降水蒸散指数SPEI的时空分布特征。结果表明:(1)通过干旱频率的计算,发现轻度干旱和极端干旱最为严重的地区为内蒙古草原地区,严重干旱和中度干旱在西北荒漠地区最为严重。(2)通过时空立方体展示出中国旱情在时空分布上差距较为显著,西北地区最为严重,其次是西南的西部地区和华北的北部地区;(3)对我国近40年SPEI 12的时空热点进行分析可得我国旱情的时空趋势,其中冷点地区和热点地区各有2个,热点主要分布在华中和东北地区的西部,冷点主要分布在华中的中部地区;4)对多尺度SPEI进行局部异常值分析得到,年尺度的华南西部和华中、华南湿润亚热带地区的中部呈低-低聚类,说明该地全年旱情相对更严重。     

基于CEEMD的LSTM和ARIMA模型干旱预测适用性研究 ——以新疆为例

干旱的频繁发生对农业生产和经济发展造成了不可忽视的危害，准确预测干旱的发生具有重要的现实意义。基于1960—2019年新疆气象站点的逐日降水量数据，计算1、3、6、9、12个月及24个月时间尺度的标准化降水指数。建立差分自回归移动平均模型（Autoregressive Integrated Moving Average,ARIMA）、长短期记忆网络（Long Short-Term Memory,LSTM）、互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）-ARIMA组合模型和CEEMD-LSTM组合模型。通过4种模型对多时间尺度SPI序列进行预测，确定各模型在干旱预测中的适用性。结果表明：（1）4种模型的预测精度均随时间尺度的增加而逐渐提高，在24个月时间尺度时达到最高；（2）CEEMD能够有效平稳时间序列，各时间尺度下，组合模型均达到了较高的预测精度，相较单一模型更适用于干旱预测；（3）4种模型预测结果精度由低到高分别为：LSTM、ARIMA、CEEMD-LSTM、CEEMD-ARIMA（决定系...