基于分数阶导数的天气和气候要素时间序列关系分析

天气和气候要素时间序列特征及关系的研究,对于提高极端天气和极端气候事件影响的认识,以及提高模拟及预报预测极端天气气候事件,都会起到积极的作用。利用沈阳市1951~2010年的日平均气温资料,经处理后得到不同时间尺度(日、月和年)的平均气温距平时间序列,分别代表着平均气温距平的时间序列和气候序列,运用自相关函数和归一化概率密度函数分析了上述时间序列的自相关性和概率密度函数的长尾特征,在此基础上,利用二阶结构函数建立了月、年平均气温距平与日平均气温距平的分数阶导数关系,即气候时间序列和天气时间序列之间的分数阶导数关系。研究结果表明:沈阳日、月、年平均气温距平时间序列分别呈现出无记忆性、短期记忆性和长期记忆性的特征;相比日、月平均气温距平序列,年平均气温距平序列的归一化概率密度函数呈现出明显的长尾特征,意味着气候极端事件发生的概率要大于天气极端事件发生的概率。这些结果表明,月、年平均气温距平序列(气候要素时间序列)与日平均气温距平序列(天气要素时间序列)之间存在着分数阶导数关系,计算出相应的导数阶数分别为0.524和0.83。     

基于MODIS NDVI数据的辽宁省春玉米物候期提取研究

遥感提取玉米物候信息可以提高田间精细化管理水平,对监测玉米季节性变化、确保粮食安全等具有重要意义。以辽宁省为研究区,基于2007,2008,2009年的MODIS植被指数(NDVI)数据,利用非对称高斯(AG)、Savitzky-Golay滤波(S-G)和双逻辑斯蒂克调合函数(DL)三种拟合方法重构春玉米NDVI时序曲线,并使用4次拟合平滑方法处理重构后的时序曲线。在此基础上,提出以动态振幅阈值法取代动态阈值法,并采用动态振幅阈值法、拐点法和最大值法提取春玉米关键物候期(出苗期、拔节期、抽雄期、成熟期),最后使用辽宁省12个农业气象站的地面物候观测数据对提取结果加以检验。结果表明:基于AG模型的重构NDVI时序曲线保真能力最强,其重构曲线与原曲线各年平均的均方根误差(RMSE)分别为0.035,0.050和0.041;基于S-G滤波方法的重构NDVI时序曲线平滑能力最强,其各年平均的拟合值(R2)分别为0.99,0.993和0.993;就春玉米拔节期、抽雄期、成熟期的提取而言,基于AG时序曲线的提取结果优于其他2种方法的提取结果,其3年提取结果与实际观测值的平均绝对误差(MAE)均小于5d,均方根误差(RMSE)均小于4d;而对春玉米出苗期而言,基于S-G时序曲线的提取结果明显优于其他两种方法的提取结果 ,其各年出苗期RMSE分别为4.1d、4.0d和2.9d;动态振幅阈值法优于前人所用的动态阈值法,能够有效地纠正异常低值点,使提取结果更接近真实日期。研究结果可为利用遥感资料提取春玉米物候期提供参考。