基于机器学习融合多源遥感数据模拟SPEI监测山东干旱

以山东省为研究区,选择偏差校正随机森林BRF（Bias-corrected random forest）,支持向量回归SVR（Support vector regression）和Cubist模型三种机器学习方法融合多影响因子模拟3个月时间尺度的标准化降水蒸散指数SPEI-3,以期为精确监测山东地区干旱提供一种方法。将2001−2017年23个站点的SPEI-3值作为因变量,多源遥感数据包括降水量、地表温度、蒸散发、潜在蒸散发、归一化植被指数以及土壤湿度六类7个影响因子作为自变量,自变量和因变量构成数据集的80%作为训练集,20%作为测试集。根据BRF模型得到研究区各个站点的模拟值以及各影响因子的相对重要性,绘制SPEI-3的空间分布图,并进行验证。结果表明,综合因子比单一因子模拟效果好,BRF模型测试集中的模拟值和观测值的决定系数R2达到了0.856,均方根误差RMSE为0.359,BRF模型能较好模拟站点SPEI-3值。大部分站点模拟值与观测值反映的干旱趋势一致,反映站点不同程度旱情的月份个数基本相同。此外,BRF模型模拟的SPEI-3的空间分布与站点SPEI-3观测值表现的干旱程度基本一致,且SPEI-3空间分布站点之外栅格数据也可以较准确地反映旱情,说明根据BRF模型可在站点和空间尺度上较精确地监测山东地区干旱情况。     

利用ECMWF再分析数据验证PRECIS对中国区域气候的模拟能力

本文利用1979～1983年的ECMWF再分析数据作为准观测侧边界条件驱动Hadley气候预测和研究中心的区域气候模式系统PRECIS，验证PRECIS对中国区域的气候模拟能力。选择典型的观测站点北京模拟的日最高，最低气温、太阳短波总辐射和月均降水量与观测结果进行直接比较，显示：PRECIS具有很强的模拟地面气候季节变化的能力。全国740个台站的观测与模拟值的统计分析表明：尽管模拟的最高，最低气温在0℃附近有一‘锯齿’状的偏差，PRECIS能够很好地模拟全国范围最高，最低气温的型态分布特征；从全国范围看，模拟的降水值偏高，但显示出很强的模拟极端降水事件的能力；模拟的地面太阳短波总辐射与全国122个台站的观测结果的比较显示：PRECIS模拟的辐射值偏高，全国范围内约高22％。因此，当应用PRECIS输出结果进行气候变化的影响评价时，需要对模式的输出结果进行订正。     

TRMM降雨数据在湖南省长株潭地区的适用性

[目的]基于现有实测降雨数据和TRMM降雨数据,探讨利用TRMM数据估测实际降雨的方法。[方法]利用湖南省长株潭地区12个气象站点观测的降雨数据和TRMM降雨数据,采用相关系数法、误差分析、相对偏差分析等方法,分析长株潭地区2002—2011年TRMM降雨数据的精度。[结果]长株潭地区的TRMM数据和站点数据的拟合程度较好,年降雨量的拟合优度为0.69,春、夏、秋、冬4季降雨量的拟合优度依次为0.68,0.52,0.66,0.34,月降雨量的拟合优度达0.73,各站点月降雨量的拟合优度更好。相对偏差分析与误差分析结果表明TRMM降雨数据普遍低于实测降雨数据,这种偏差主要是因为单个观测站点实际代表面积远小于TRMM单个栅格的代表面积,而相对偏差均为负值则可能是城市的降雨量和雨强大于农村所致。此外偏差和地形起伏存在一定的联系,地形起伏越大的地区偏差越大。[结论]TRMM降雨数据在长株潭地区有一定的适用性,但在使用时需要用观测数据进行必要的修正,TRMM数据也可作为历史降雨观测数据分析的一个参考以提高其空间精度。     

CERES-Maize模型在中国主要玉米种植区域的适用性

选取北方春玉米区、黄淮海春夏播玉米区、西南山地丘陵玉米区、南方丘陵玉米区、西北内陆玉米区五个区域中70个站点,利用1998-2000年玉米生长的田间试验资料和气象台站的气象观测资料,研究CERES-Maize模型在主要玉米种植区域对玉米生育期、产量的模拟能力.选用符合度指数D、RMSE等统计指标进行评价.结果表明:玉米生育天数模拟的D值为0.58～0.95,产量模拟的D值为0.66～0.88,说明CERES-Maize模型可以较好地模拟出区域内玉米生育期和产量观测值的分布趋势;生育期的模拟误差小于产量的模拟误差;区域尺度的统计分析可以更准确的表示模型的模拟效果.     

PRECIS和RegCM3对中国区域气候的长期模拟比较

以欧洲中期天气预报中心的再分析资料(ERA40)为侧边界及初始条件,在相同模拟区域和分辨率设置下,完成了PRECIS和RegCM3两个区域气候模式对中国区域近44a(1958年12月-2001年11月)的气候模拟,并分析比较两个模式对中国区域温度和降水的气候态和年际变率的模拟能力。结果表明,PRECIS和RegCM3均能较好地模拟出中国区域多年平均气温的空间分布特征,但PRECIS比观测气温平均偏暖1.5℃左右,而RegCM3则以冷偏差为主,平均偏低0.8℃左右,PRECIS整体上比RegCM3偏高2～3℃;两个模式均可基本再现气温年际变率的分布特征,但变率中心的位置和强度与观测值存在一定偏差;对于中国区域降水量的平均态及其年际变率而言,PRECIS和RegCM3均具有较好的模拟能力,但PRECIS模拟的降水高值中心、变率较大区域的位置和强度比RegCM3更接近实际。     

黄土滑坡稳定性评价的集合卡尔曼滤波同化方法

[目的] 为提升区域滑坡稳定性评价模型的预测精度,解决传统滑坡稳定性分析基于静态的物理模型过度简化滑坡发生机理与力学机制,导致过度预测的缺点,以及模型参数通常具有的时空变异性、不确定性的问题。[方法] 基于集合卡尔曼滤波的数据同化方法,以甘肃省兰州市北环路周边区域为例,构建了基于TRIGRS模型和SBAS-InSAR观测数据的区域滑坡数据同化方案,对模型中的安全系数(F_s)进行同化,更新模型参数内摩擦角,进而修正滑坡稳定性,并利用均方根偏差(RMSD)检验同化值的精度。[结果] 同化后研究区域滑坡安全系数明显高于模型预测的结果,不稳定区域的面积比例由12 %降低至7 %,与实际观测更为接近;试验使内摩擦角参数逐渐向观测值方向改正,实现了模型参数的动态更新;均方根偏差从0.33减小到0.04左右。[结论] 基于集合卡尔曼滤波的数据同化方法有效修正了模型稳定性预测结果,可以更准确体现当前区域滑坡实际情况,具有更高的预测精度。     

基于TRMM 3B43数据的川西高原月降水量空间降尺度模拟

利用2001-2013年TRMM 3B43、MODIS-NDVI、DEM、气象观测等数据,在分析植被对降水响应滞后性的基础上,构建了TRMM 3B43数据中月降水量与经纬度、海拔、坡向和NDVI因子间的多元线性回归方程式,作为川西高原月降水量资料的降尺度计算模型,采用“回归方程+残差”的插值方法获取研究区2001-2013年1km空间分辨率的月降水量空间数据,并利用区内16个气象站点的观测数据与模拟结果进行了相关分析和误差检验。结果表明：（1）各气象观测站点基于TRMM 3B43资料的降尺度模拟降水量的数据均具有很高的精度,其中,精度最高的稻城站模拟结果与站点观测值的相关系数高达0.9839,精度最低的小金站相关系数亦高达0.8781;（2）在月、年尺度上,降尺度模拟降水量的数据亦具有很高的精度,其中,5-10月的精度明显高于其它月份,湿润年份精度总体高于干旱年份;（3）降尺度模拟降水量与站点实测降水量整体上相关系数为0.9499,偏差为0.0866,两者吻合度较高,但降尺度模拟降水量值略偏高;（4）降尺度在月尺度上能基本保证TRMM 3B43原始数据的精度,而在年尺度上能有效提高原始数据的精度,加之对空间分辨率的提高,可为获得更加全面、精细的降水分布数据提供有效方法。     

黄土高原地区生长季参考作物蒸散量对主要气象要素的敏感性分析

为预测气候因子变化引起的区域参考作物蒸散量(ETo)的变化,以黄土高原地区为研究区,运用FAOPenman-Montieth方程计算了68个站点1961-2010年生长季参考作物蒸散量,并计算其对平均气温、太阳辐射、风速和实际水汽压的敏感系数,最后分析了敏感系数的时空变化特征.结果表明,黄土高原地区生长季ETo对实际水汽压最敏感,其次是太阳辐射和平均气温,对风速的敏感性最低;平均气温的敏感系数和实际水汽压敏感系数绝对值呈单峰型分布,二者分别在7月、9月达到最大值,太阳辐射敏感系数表现为持续上升趋势,风速敏感系数波动幅度最小,其值在4月最大;生长季气候因子敏感系数的空间差异性显著,平均气温敏感系数西部明显大于东部,太阳辐射敏感系数在高海拔地区形成高值区,风速敏感系数在西风带Ⅳ区形成高值区,实际水汽压敏感系数在黄土高原湿润地带最大.     

条件植被温度指数的四维变分与集合卡尔曼同化方法

为了提高基于VTCI的干旱监测的准确性,以关中平原为研究区域,将遥感反演的条件植被温度指数(VTCI)与CERES-Wheat小麦生长模犁模拟的土壤浅层水分数据相结合,通过四维变分(4DVAR)与集合卡尔曼滤波(EnKF)2种数据同化算法实现了VTCI的同化.由作物生长模型模拟的土壤浅层水分与VTCI建立经验关系得到模拟的VTCI,再将遥感反演的VTCI与模型模拟值分别应用两种同化算法得到VTCI的单点同化结果,继而应用到区域尺度.结果表明,在VTCI单点实验中,两种同化结果均能结合观测值与模拟值的优点而更加符合VTCI先验知识.在两者区域尺度的同化实验中,由于引入了模型的模拟值,同化后的VTCI区域间纹理更好,减少了原观测图像中相邻像元值陡升陡降的情况,提高了基于VTCI的干旱监测的准确性.通过对比2种同化算法在区域尺度上的同化结果与观测值的差值的概率分布及其均方根误差,表明在以旬为步长的VTCI同化实验中,EnKF方法适用性更强.     

基于MODIS数据用两步法构建四川省地面太阳辐射计算模型

以MODIS遥感资料为基础数据,采用统计模型反演的方法,构建了两步法计算高分辨率地面太阳辐射量的计算模型。第一步基于遥感云量与地面日照百分率的相关关系,计算格点各月日照百分率值;第二步基于日照百分率与太阳辐射量的相关关系,计算格点太阳辐射量。应用本方案对四川省1km格点分辨率地面太阳辐射量进行计算,并利用6个辐射站总辐射实测值对计算结果进行检验。结果表明：四川省年总辐射量在3102～6659MJ·m^-2,最低值出现在四川盆地东南部,最高值出现在川西高原西部。利用地面辐射站观测资料进行检验,结果表明各站各月太阳辐射量计算值与实际观测结果基本一致,年辐射量计算绝对误差均小于100MJ·m^-2,相对误差均小于2%,表明该模型模拟精度较高,可用于四川省地面太阳辐射量计算。     

日太阳总辐射推算模型

为了推算广大无辐射观测地区的日太阳总辐射,需要根据有辐射观测地区的资料建立日太阳总辐射的推算模型。本文在深入了解国内太阳辐射观测与国内外太阳总辐射推算方法的基础上,设计了利用日照百分率、降水量与大气可降水量、温度日较差等因子推算日太阳总辐射的模型,选取武汉、宜昌、郑州2005年全年无加盖的、真实可信的太阳总辐射资料为样本序列,根据最小二乘法分别求出有日照和无日照两种情况下的模型参数,并对2005年进行了回代检验和2006年1-8月时段的独立样本检验。结果表明:模型推算序列与实际值序列的相关性均达到极显著程度,对2005-2006年8月推算的平均绝对误差和相对误差分别为1.31M J.m-2.d-1和9.5%,精度高,可以用于无辐射观测地区的日太阳总辐射的推算。     

基于1 km栅格的地表太阳辐射模拟

以辐射观测值与其影响因子建立非线性回归模型，以各因子的面域数据模拟全国1 km像元上的水平面年太阳辐射的空间分布;根据数字高程模型(DEM)，考虑坡面坡度和坡向以及周围地形的影响，建立坡面与水平面的直接辐射转换系数模型以及坡面的视角系数模型，分别修正平面年太阳辐射中的直接辐射和散射辐射分量；汇总修正后的太阳辐射总量中的各分量，得到坡面实际可获得的辐射总量。成果可用于高精度的农业生产潜力评估、农业区划、农作物布局、退耕还林还草等。     

日光温室后屋面投影宽度与墙体高度优化

关于日光温室合理的后屋面投影宽度、墙体高度一直存在争议。该文根据不同日期太阳直射光线在日光温室后墙上的投影高度变化,要求当室外最低温度低于0℃时,保证在中午前后4 h(10:00-14:00)内至少有一部分后墙能接受太阳光直射为条件,得出不同纬度地区日光温室墙体接受太阳光直射的合理时期,并据此得出日光温室后屋面投影宽度、墙体高度的计算方法。利用该方法对中国不同结构类型的日光温室后屋面投影宽度、墙体高度进行计算分析,结果显示后屋面投影宽度占跨度的比例为0.04~0.23,其中纬度位于34°~38°之间的西北地区日光温室后屋面投影宽度占跨度的比例最小,为0.04~0.11。该方法计算结果与典型日光温室结构参数吻合,具有可行性,可为中国日光温室的优化设计提供理论指导。     

太阳辐射直接透射率的推算

利用来自全国66个日射站的太阳辐射及679个常规气象站的日照资料,在数据集群的基础上,建立了直接透射率的不同（各站各月模式、各月模式、各站模式、综合模式）估算模式,研究直接透射率的推算方法。经过对各种模式计算结果的误差指标的综合评估分析,最终确认各月模式为最优模式。文章选取各月模式,在GIS支持下利用Kriging内插法,得到1km×1km的全国月直接透射率空间分布图,并分析了月直接透射率的空间分布及主要影响因素。     

五个常见日太阳总辐射模型在华北地区的有效性验证及分析

在地学、农学等领域,日总辐射量是一个很重要的参数,但相比常规气象观测站,全球辐射观测站的数量却很少,因此,太阳辐射的估算一直受到重视。本文在分析比较前人建立的太阳总辐射模型的基础上,选取较常见且有代表性的5个模型：Angstrom-Prescott模型（I）、Ogelman模型（II）、Bahel模型（III）、日照百分率和气温日较差综合模型（IV）和刘可群等模型（V）。用华北地区6个代表站点2001-2010年的逐日太阳总辐射观测数据,按照整个分析期（10a）、不同季节、不同天气3种情况,对5个模型模拟的效果进行对比与分析。结果表明：（1）5个模型在各代表站点模拟的逐日太阳总辐射值与该站实测值间具有极显著的正相关关系（P≤0.01）,相关系数（R）均在0.93以上,平均绝对误差（MAPE）均在9.68%～17.56%,归一化均方根误差（NRMSE）在12.47%～23.12%,模拟结果大多为“好”,个别为“可以接受”,说明5个模型及相应的系数适合估算华北地区日太阳总辐射。（2）分析期内,5个模型在6个站点的MAPE平均值分别为14.28%、14.93%、12.78%、12.27%、13.01%,相应的NRMSE平均值分别为18.80%、19.71%、17.09%、16.27%、17.24%,模拟结果为“好”,其中模型IV误差最小,但与模型III和V无显著差异。（3）模型I-V的MAPE平均值在春季依次为11.97%、12.19%、11.17%、10.86%、11.24%,相应的NRMSE平均值依次为15.46%、15.75%、14.27%、13.95%、14.27%;夏季MAPE平均值依次为14.46%、15.47%、13.32%、12.45%、13.36%,相应的NRMSE平均值依次为18.89%、20.21%、17.21%、16.22%、17.05%;秋季MAPE平均值依次为14.81%、15.65%、12.67%、12.19%、12.20%,相应的NRMSE平均值依次为18.94%、20.00%、16.66%、15.94%、15.95%;冬季MAPE平均值依次为18.08%、18.56%、15.19%、14.99%、14.11%,相应的NRMSE平均值依次为22.52%、23.28%、19.42%、19.06%、18.31%。总体上,四个季节的模拟结果大多为“好”,个别为“可以接受”;春、夏、秋季,模型IV误差最小;在冬季模型V最小,模型IV次之。（4）模型I-V的MAPE平均值,在有日照时,依次为11.23%、12.03%、9.52%、9.32%、9.94%,相应的NRMSE平均值依次为14.92%、15.92%、12.75%、12.44%、13.13%。模拟结果均为“好”,其中模型IV误差最小;无日照时,MAPE平均值依次为49.25%、47.92%、49.71%、46.03%、45.51%,相应的NRMSE平均值依次为61.92%、62.09%、61.89%、58.02%、55.70%,模拟结果均为“不好”。综合分析可知,5个模型均可用于估算华北地区日太阳总辐射,但模型IV即日照百分率和气温日较差综合模型精度最高。     

基于气象资料的日辐射模型在中国西北地区适用性评价

地表总辐射(Rs)是作物生长模型率定、蒸散量估算、灌溉制度制定和太阳能资源利用的重要基础数据。为有效提高辐射资源利用率,该文基于中国西北地区10个气象站点1993-2016年气象数据对9种不同日辐射模型进行适用性评价。采用非线性回归分析法对Bristow-Campbell(B-C)模型进行参数属地化修正,得到B-C校正模型。模型适用性评价结果表明:9种模型在西北地区的辐射模拟值和实测值均呈极显著相关(P0.01);基于日照时数的日辐射模型(?ngstr?m-Prescott、Ogelman、Bahel、Louche、Almorox-Hontoria、Glower-Mc Culloch,其R2介于0.875~0.954)计算精度高于基于温度的模型(Hargreaves-Samani、Annandale、Bristow-Campbell,其R2介于0.652~0.813);其中基于日照时数的模型中Bahel模型精度最高,其次是Ogelman和Glower-Mc Culloch模型,其RMSE分别为2.282、2.309和2.313 MJ/(m~2·d),n RMSE分别为14.0%、14.2%和14.2%,MAE分别为1.666、1.701和1.697 MJ/(m~2·d),Nash-Sutcliffe系数(NS)分别为0.905、0.903和0.902;基于温度的日辐射模型中B-C校正模型精度最高,其RMSE为3.819 MJ/(m~2·d),n RMSE为23.3%,MAE为2.680 MJ/(m~2·d),NS为0.741。因此,西北地区日辐射计算当仅有日照时数资料时推荐使用Bahel模型,当仅有温度资料时推荐使用Bristow-Campbell校正模型。     

散射辐射比例与冬小麦光能利用率和总初级生产力的关系

利用冬小麦拔节乳熟期（2004-04-01—05-20和2005-04-10—05-31）在田间观测的每30min涡度相关和小气候数据,计算散射辐射比例（DF）与光能利用率（LUE）和总初级生产力（GPP）之间的数量关系,以期为提高LUE模型和作物模型的模拟准确度提供依据。结果表明：冬小麦拔节-乳熟期DF与LUE间呈极显著的线性正相关关系（P＜0.001）,DF与GPP间为极显著的抛物线关系（P＜0.001）,即随着DF的增加,LUE呈线性增长,而GPP呈先增加后降低的变化趋势。2004年和2005年观测实验表明,中等太阳辐射条件下,即DF和光合有效辐射（PAR）的均值分别为0.57和27.7molm?2d?1时,冬小麦GPP达到最高。2004年与2005年相比较,DF与LUE、DF与GPP关系均存在较大差异,这主要归因于两年间冬小麦拔节?乳熟期PAR水平和DF分布频率的差异。     

青海省太阳总辐射估算模型研究

以天文辐射理论模型、有关参数为基础,应用青海DEM模型,Angstrom气候学模式,通过天文辐射、大气透射率的计算,建立了青海高原月、年太阳总辐射栅格模型,模型估算平均相对误差7.40%,模拟效果较好;同时,应用模型估算了青海高原30a（1970-2000年）平均月、年太阳总辐射。结果表明,青海省太阳总辐射年平均值为6771.95MJ/m2,空间分布不均匀。全省年太阳总辐射有3个高值区,1个低值区。高值区位于可可西里地区、柴达木盆地南部、大柴旦西部区域,低值区位于河湟谷地。全省月太阳总辐射地域分布差异较大、季节变化明显,5月和7月为峰值,12月为最低值。5、7、12月全省30a太阳辐射平均值分别为717.24、701.96、352.63MJ/m2。     

利用地面气象资料建立四川省日总辐射计算模型

利用四川省6个辐射观测站2016?2018年日总辐射和地面气象资料,应用“个案排秩”、一元线性回归和逐步回归方法,建立四川省日总辐射计算模型（模型Ⅰ）,并按日照时数是否为0建立有日照总辐射计算模型（模型Ⅱ）和无日照总辐射计算模型（模型Ⅲ）。结果表明：模型Ⅰ、模型Ⅱ和模型Ⅲ均通过0.01水平显著性检验;模型Ⅰ、模型Ⅱ和模型Ⅲ回代检验的MAPE分别为12.62%、10.02%、16.34%,NRMSE分别为16.17%、12.23%、28.40%;4个典型日应用这3个模型的MAPE分别为7.59%、4.50%、36.53%,NRMSE分别为9.22%、5.93%、40.98%;对于4个典型日在日照时数为0时不用模型Ⅲ而改用模型Ⅰ、日照时数不为0时用模型Ⅱ,其MAPE为5.79%、NRMSE为7.47%,比全部资料用模型Ⅰ模拟分别提高1.80个和1.75个百分点。建立的3个日总辐射计算模型均具有应用价值;四川省日总辐射最佳模拟方法是日照时数为0时用模型Ⅰ计算,日照时数不为0时用模型Ⅱ计算;海拔、天气状况和日照长短决定四川各地日总辐射量的大小,其中海拔和天气状况是造成四川各地日总辐射差异的主要因素。