修正帕默尔干旱指数在农业干旱监测中的应用

为了提高对农业干旱监测的准确性和时效性,本文通过分析帕默尔干旱指数原理,结合农业干旱发生的特征,在计算土壤水分的过程中引入了作物系数和胁迫系数,同时修正农业干旱的持续时间,缩短计算干旱的时间步长,并利用山东省23个站点1961—2007年的逐日气象资料建立用于农业干旱监测的逐句帕默尔干旱指数。与农业干旱发生的实际情况对比表明,修正后的旬帕默尔干旱指数能准确地反映土壤水分变化,提高了对短期干湿变化的敏感度,整个旱情变化过程比较符合实际情况,对监测农业干旱具有实际意义。     

安徽省农业干旱遥感监测指标的确定及应用

通过对不同季节干旱发生期间的NOAA卫星资料的分析，初步确定了安徽省各等级干旱的气象卫星遥感监测指标在1997、1998年干旱过程中进行了应用检验，效果良好。     

陕西省干旱预测预警技术及其应用

依据陕西省生态农业干旱相似区,将陕西省干旱预测预警划分为8个分区;利用中期或延伸期天气预报、土壤相对湿度观测值、地面植被等信息,分别建立了综合气象和综合农业干旱预测模型,开发了陕西省干旱预测预警系统平台,可逐日对全省97个气象站点未来的干旱演变进行滚动预测,在此基础上结合干旱预警条件分析及等级判识,进一步判断是否发布以及如何发布干旱预警信息。与实际出现的旱情相比,2007年的干旱预测准确率达88%~96%。     

山西省农业干旱预测模式

根据山西农业干旱规律,采用多种方法建立关键时段土壤水分预测模式。并在此基础上,确定农业干旱指标,进行预测,收到较好效果。     

卫星遥感信息在贵州干旱监测中的应用

应用ＮＯＡＡ气象卫星ＡＶＨＲＲ资料探讨了监测贵州干旱的３种方法,即植被指数法,第４通道遥感下垫面亮温法和植被供水指数法。结果表明,植被供水指数与地面干旱指标数相关性最好,其空间分布与地面旱情分布基本一致。     

基于空间信息的农业干旱综合监测模型及其应用

为提高农业干旱监测的准确性,采用遥感信息与地面气象观测数据相结合的方法进行农业干旱监测研究。选择适合高植被覆盖区旱情监测的标准化植被供水指数及适合热带气候区旱情监测的综合降水指数作为参数,通过与同步实测土壤含水量的数据融合构建了海南岛农业干旱综合指数模型。经检验,模型的均方根误差RMSE为4.65%,相对均方根误差RMSEr为19.28%,模型具有较高的精度,可以用来监测海南岛的农业干旱。应用模型对2004年10月至2005年1月海南岛农业干旱进行了监测。结果表明,海南岛旱情西部重于东部、北部重于南部、四周平原重于中部山区。2004年10月上旬起旱情持续加重,12月上旬达到旱情高峰,12月中旬旱情略有缓解,但直至监测末期2005年1月下旬旱情依然严重。旱情最严重的时段(2004年12月上旬),海南岛干旱影响范围广,水田和旱地的重旱面积比例分别为59%和61%,其他林地的重旱面积比例也达到了20%。监测期内,海南岛作物生长过程受到明显抑制,干旱造成NDVI累积值较上一生长季同期下降6.34%,2004年10月至12月海南岛天然橡胶减产约1.16万t。该文为农业干旱监测提供参考。     

基于两层土壤计算模式的农业干旱风险评估模型

在分析总结当前农业干旱评估模型的基础上,利用“土壤-作物-大气连续体”理论,建立起水分运动的两层土壤计算模式,对作物蒸散量的变化规律进行描述。在此基础上,从作物受旱程度和产量损失关系出发,借助作物水分生产函数,并综合考虑各作物的权重,建立起农业干旱风险评估的静态、动态模型。实例表明,这些模型与传统模型相比,不仅适用于未来各种时间尺度下的干旱程度风险评估,而且能够提供出产量损失的信息,有较高的推广应用价值。     

Kappa系数的修正及在干旱预测精度及一致性评价中的应用

大面积遥感面上干旱预测结果无法应用点上预测精度评价方法对每个像素进行评价,因此该研究引用Kappa系数对一阶自回归模型和季节性求和自回归移动平均模型的关中平原干旱预测结果进行精度和一致性评价。通过将面上VTCI干旱监测结果和预测结果划分为干旱与不旱两种类型,建立转换矩阵,得到了Kappa系数。由于Kappa系数存在两个明显的反论,因此在计算Kappa系数的同时计算了阳性一致率、阴性一致率、PI指数、BI指数、Kappa系数的最大、最小值和PABAK等系列指标,对Kappa系数的反论进行了检验与修正。文章通过对2种预测模型2009年4月上旬、中旬和下旬的干旱预测结果进行评价和对比,得到一阶自回归模型的总体精度优于季节性求和自回归移动平均模型,而季节性求和自回归移动平均模型预测旱情发生的一致性高于一阶自回归模型;得出Kappa系数或修正后的Kappa系数结合阳性一致率可用于干旱预测精度评价的结论。     

Y干旱指数在冀东春旱监测中的应用

利用唐山地区3个国家基准站1971—2000年的春季逐日降水、日最高气温资料,从干旱实时监测气象服务的需要出发,考虑了近期降水、土壤底墒（前期降水）和气温三种要素,计算Y干旱指数,并制定了干旱等级标准。对Y干旱指数与土壤湿度干旱指数、降水百分率干旱指数进行了同期对比分析;利用没有参加干旱指标划分的2006、2007年春季的土壤湿度资料对制定的干旱指标进行检验。结果表明,Y干旱指数对冀东春旱具有很好的监测能力,Y干旱指数能够客观的反映唐山地区春季各月的干旱状况,并填补了土壤湿度监测的盲区,能较好的划分唐山地区春季干旱趋势和等级;在一段时间内降水时空分布均匀的情况下,用降水距平百分率干旱指数进行监测,效果较好。在2006—2007年的检验中,Y干旱指数与土壤干旱指数表现一致,在没有土壤测墒的地区和时段,利用Y干旱指数可代替土壤湿度监测,实现干旱无缝隙监测。     

安徽省干旱灾害监测及决策支持系统应用

本文对利用NOAA气象卫星遥感监测资料和土壤水分人工观测资料开展安徽省干旱监测的指标进行了介绍.针对干旱灾害预警服务,重点阐述了干旱灾害决策支持系统（DSS）的组成、实现方法,尝试采用决策支持系统实现安徽省干旱灾害的推理诊断和决策服务.     

多源卫星数据在甘蔗干旱遥感监测中的应用

目前80%以上的糖料甘蔗分布在缺少灌溉条件的旱坡地上,旱害已成为影响甘蔗生产最频繁、范围最广、损失最严重的自然灾害之一。本文选取了广西来宾市兴宾区凤凰镇这个具有代表性的大面积连片、连年种植的甘蔗区,利用高时间分辨率的MODIS卫星数据,采用植被状态指数(VCI)和温度条件指数(TCI)构建干旱指数(DI)遥感监测模型,并融合具有高空间分辨率的ETM卫星数据,进行甘蔗干旱遥感监测方法研究。应用该模型进行2004年和2005年秋季甘蔗旱情监测,制作了旱情时空变化的遥感图像,通过与旱情实况数据对比分析,证明该模型适用于甘蔗旱情监测。     

环境减灾卫星数据在干旱监测中的应用

环境减灾卫星是首个以防灾减灾和环境监测为直接应用目标的小卫星星座。本文尝试利用环减星HJ-1B上的CCD相机的红光和近红外波段计算归一化植被指数,用IRS光谱仪热红外波段反演地表温度,采用植被供水指数建立干旱监测模型。通过对2010年初广西隆林、田林、西林3县的干旱情况的遥感监测研究,结果表明：遥感干旱监测结果与旱情实况分布基本一致。说明该方法比较可靠,再加上环减星重访周期短、空间分辨率高,据此可以为广西抗旱救灾工作提供快速准确的信息服务。     

时间序列的ARMA模型在干旱长期预测中的应用

本文利用Palmer方法计算出Palmer干旱指数,利用时间序列的ARMA模型建立干旱指数模型,并做出外延预测,收到较好的效果。     

农业干旱遥感监测指标及其适应性评价方法研究进展

在利用遥感数据进行长时间、大范围农业干旱遥感监测过程中,如何针对不同区域、不同作物生长阶段选取最合适的监测指标,对于及时、准确地评估干旱对作物生长的影响,实现合理水资源调度和有效抗旱减灾决策都具有重要意义。该文以遥感监测农业干旱的适应性为论述主线,对常用的农业干旱遥感监测指标及其适应性评价方法,从4个方面进行了系统归纳总结:1)国内外农业干旱监测适用的遥感卫星数据源;2)监测农业干旱适用的光谱敏感波段;3)农业干旱遥感监测指标自身的适用性与局限性;4)农业干旱遥感监测指标适应性的评价方法。在此基础上,指出今后在农业干旱遥感监测指标及其区域适应性研究中,需综合考虑作物与其生长环境之间的关系;增加光谱信息,降低遥感数据获取过程中的信噪比;选择农业干旱遥感监测指标适宜的时空尺度;重点解决部分植被覆盖时,如何选择合适的监测指标;加强高光谱技术在精细农业干旱遥感监测指标反演中的研究;进一步在机理上发掘监测指标自身的敏感性和适应性等6个方面的问题及发展趋势。     

典型农业干旱遥感监测指数的比较及分类体系

面对多种多样的农业旱情遥感监测指数,如何进行选取是目前遥感指数应用所面临的主要难题。该文以MODIS产品为遥感数据源,比较分析了13种典型的农业干旱遥感监测指数,建立了农业干旱遥感监测指数的分类体系,阐述了不同指数类型的适用范围。结果表明,多种遥感干旱指数对农业干旱的描述并非完全一致。不同指数利用不同的地表特征变化来描述农业干旱程度,是造成这种不一致的主要原因。据此,研究将典型农业干旱遥感监测指数分为4大类:土壤水分变化类、冠层温度变化类、植被水分变化类和作物形态及绿度变化类。其中第1类指数比较适宜于农业旱情预警及土壤干旱型农业旱情的监测,这类指数中修正的垂直干旱指数MPDI可以较好地反映表层土壤水分的变化,并适宜于时序变化监测。第2类指数不仅适宜于旱情预警,更适宜于旱情监测,这类指数中推荐选择基于LAI-LST特征空间的温度植被干旱指数TVDI;第3、4类指数,较适宜于农业旱灾的预警以及灾后评估,该文为农业干旱遥感监测指数的选取提供参考。     

典型旱年农业干旱遥感监测指标在东北地区生长季的表现

以8d为时间尺度,以土壤相对湿度（RSM）为参考指标,采用相关分析方法,分析评估典型旱年2009年作物生长季内分别表征降水、土壤和作物的3个类别10种农业干旱遥感监测指数在东北地区的适用性。结果表明：（1）生长季中、后期,综合考虑冠层温度和植被特征的温度植被干旱指数（TVDI）与RSM的相关系数绝对值在0.5左右,对土壤湿度变化较敏感,可用于该生长阶段的农业干旱监测;（2）考虑作物前期缺水的累积作物缺水指数（ACWSI）是与RSM相关性较好的指数之一,在生长季前期和后期与RSM的相关系数绝对值在0.47以上,表现良好,但应用过程中需注意累积效应的时间尺度;（3）表观热惯量（ATI）更适于生长季前期干旱监测,改进型能量指数（MEI）适用于各种植被覆盖条件,但存在一定不稳定性;（4）考虑前期累积降水的APCI指数比仅考虑8d降水的条件降水指数PCI更能反映土壤湿度状况,特别是在生长季中、后期,可作为其它监测指数的补充;（5）条件植被指数（VCI）、归一化差异水分指数（NDWI）与RSM相关性较低,对现时土壤湿度的反映不敏感,不适于研究区内短时间尺度的农业干旱监测。研究结果可为东北地区开展农业干旱监测选取合适指标提供参考,也可为农业干旱指数的广泛应用构建可行性框架。     

基于农业干旱参考指数的西南地区玉米干旱时空变化分析

西南地区是中国玉米主要产区之一,干旱是该地区最主要的农业气象灾害,研究干旱时空分布特征及规律对西南地区玉米种植布局和防旱减灾有重大意义。该文收集西南地区玉米种植区60个代表气象站50a(1960年-2010年)的气象资料和玉米作物资料,选用基于土壤-植被-大气系统并以天为时间尺度的农业干旱参考指数(ARID)作为干旱指标,研究西南地区玉米生育期内干旱频率空间分布特征,并分析近50a干旱发生的年代际变化,验证ARID在西南地区的适用性。结果表明:1)近50a来西南地区发生的干旱具有显著的区域特征,高发区位于云南中北和东北部以及四川南部;其次为川东北的广元地区、川西南山地以及滇西北、滇南部的元江地区;少发区位于重庆大部、贵州北部等地区。2)阶段性干旱明显,受旱频率最高的时段为出苗至拔节期,受旱频率最低在抽雄至灌浆期,且随着发育进程,干旱有向东部转移的趋势。3)西南地区各分区玉米生长季内ARID变化差异较大,总体上来看干旱程度大多处于轻旱,个别区域处于中旱,或者在轻旱与中旱之间波动。4)ARID的年际变化特征表明:20世纪80年代受干旱影响最低,21世纪初受干旱影响最严重。     

NOAA／AVHRR资料在陕西省干旱动态监测中的应用

利用ＮＯＡＡ卫星资料并结合地面实测的土壤墒情资料,运用植被指数法和亮温反演土壤湿度以宝鸡,关中,渭北等为例进行了干旱动态监测,结果表明与实地的旱情分布基本一致。     

基于深度学习算法的京津冀地区综合干旱评估模型构建

及时准确的干旱评估对社会经济发展和农业生产具有重要的指导意义,当前的干旱评估指标通常仅考虑植被或降水等单方面影响因素,在实际干旱评估中存在一定的局限性。本研究综合考虑降水、温度、地形等多个干旱致灾因子,以主要产粮基地京津冀地区为例,基于2007-2017年地表温度（Land Surface Temperature,LST）、归一化植被指数（Normalized Difference Vegetation Index,NDVI）以及降水等多源数据,利用深度学习框架Tensorflow构建以标准化降水蒸散发指数（Standardized Precipitation Evapotranspiration Index,SPEI）为目标值的综合干旱评估模型。利用决定系数（R2）和均方根误差（RMSE）对模型进行测试;利用站点标准化降水指数（Standardized Precipitation Index,SPI）、土壤相对湿度数据以及2016年京津冀地区的气象灾害数据,从时间和空间上对模型的可靠性进行验证。结果表明：模型的训练集和测试集在不同月份上均表现较好（R2均大于0.5而RMSE均小于0.55）。模型输出的综合干旱指数（Comprehensive Drought Index,CDI）在密云站上与SPI和SPEI接近,变化趋势基本一致,并且与站点SPI和土壤相对湿度的相关系数分别大于0.7和0.4,均通过了0.01水平的显著性检验。空间上,相较于SPEI,CDI计算的2016年3-7月京津冀地区干旱事件结果与实际情况符合度更高,表明该模型适用于京津冀地区干旱评估。     

“农业气象预测系统”在农业管理决策中的应用

该文介绍了“农业气象预测系统”的总体设计,并重点阐述了“系统”采用的预测模型“后验差(P.C)检验”方法及模糊决策方法。经验证,采用上述方法,预测准确率得到较大幅度提高;决策的可涉及因素增加,且能得到量化的决策依据,提高了总体决策水平。经生产部门多年应用表明,采用该“系统”进行农业管理决策,生产效益和经济效益得到明显提高。