基于相空间重构与RBF神经网络模型的面上干旱预测研究

条件植被温度指数(VTCI)是一种适合关中平原的近实时定量化的干旱监测方法,在前期基于以旬为单位的VTCI样本点上相空间重构与RBF神经网络干旱预测研究的基础上,进一步进行了VTCI遥感面上的干旱预测研究。通过分析样本点VTCI时间序列的延迟时间和重构维数,确定整个面上VTCI时间序列相空间维数为7,从而对面上VTCI数据进行了相空间重构。对重构后的VTCI数据应用RBF神经网络模型预测得到了2009年4月上旬到5月中旬的VTCI预测结果。结果表明,多旬预测结果都较好地反映了监测结果的特征,各旬预测结果的绝对误差频数分布主要集中在-0.2到0.2之间。应用Kappa系数评价预测结果与监测结果的一致性程度：5月中旬为显著,4月上旬和中旬为中度,4月下旬和5月上 旬的一致性为弱,但阳性一致率较高。该模型的面上预测精度较好,适合关中平原的干旱预测研究。     

基于主成分分析和RBF神经网络的融雪期积雪深度模拟

积雪深度作为估算雪水当量的重要参数,是融雪径流计算及雪融性水灾预警、监测和评估的重要判别因子。融雪期积雪深度的变化过程是一个复杂的非线性系统,传统的预测方法难以精确表述其变化规律。文中采用主成分分析法和RBF神经网络相结合的方法建立融雪期积雪深度模拟数学模型,首先采用主成分分析法对模拟因子进行降维处理,以减少各模拟因子之间的多重共线性,其次采用逼近能力、分类能力和学习速度均优于BP神经网络的径向基(RBF)神经网络建立模型进行融雪期积雪深度变化的模拟,并针对特定流域进行实例分析。结果表明:使用基于主成分分析的RBF神经网络对融雪期积雪深度的模拟是可行的,其模拟成果可为今后该地区积雪深度的预测提供一定的理论支持,并可为该地区进行融雪径流及洪水研究提供合理的预报建议。     

基于FY-3D/MERSI数据的东北地区干旱监测方法研究

干旱是影响东北地区粮食安全的主要农业气象灾害之一,遥感技术是一种可便捷进行大范围干旱监测的手段。针对目前遥感干旱指数在作物生长发育过程中监测干旱的局限性和适用性等问题,以东北地区玉米和大豆等主要大田作物发育期为切入点,基于FY-3D/MERSI卫星遥感数据和地面土壤相对湿度实测数据,开展不同作物发育阶段干旱监测指数适用性分析,结合径向基神经网络方法,构建全时期和分时期土壤相对湿度反演模型,利用实测土壤相对湿度数据开展精度验证与对比分析。结果表明：风云三号MERSI传感器数据在干旱监测中具有可行性,表观热惯量(ATI)在低植被覆盖或裸土时效果较好,适用于作物冻土期、裸土期和播种～拔节期;水分指数(WI)适用于播种～拔节期、拔节～抽雄期和成熟期等植被生长时期;分时期土壤相对湿度反演模型精度高于全时期土壤相对湿度反演模型,前者监测精度在80.0%以上,比全时期模型精度提高了10%～25%,尤其在冻土期(3月),分时期模型反演精度达到了92.6%。基于作物生长时期和形态差异,选择最适宜遥感干旱指数建立分时期土壤相对湿度反演模型,提高了干旱监测的准确性和可靠性。     

基于Terra-MODIS和NOAA-AVHRR数据的条件植被温度指数干旱监测及其对比分析

以陕西省关中平原为研究区域,选取2000-2009年每年4月上、中、下旬和5月上旬Terra-MO-DIS和NOAA-AVHRR遥感数据,应用条件植被温度指数(VTCI)方法,探究在两种遥感数据源、相同时间尺度下VTCI干旱监测结果的特点和可比性。通过对比分析多年同一旬的VTCI结果发现,两种数据的监测结果反映出的旱情分布规律相同,并且符合实际的干旱情况。尽管两种遥感数据在过境时间、波段数等方面均有所不同,但是两种数据的VTCI结果散点分布呈现出明显的线性相关关系,说明两种数据得到的VTCI干旱监测结果是具有可比性的。     

基于加权马尔可夫模型的条件植被温度指数预测研究

条件植被温度指数(VTCI)是一种近实时的干旱监测指标。利用加权马尔可夫模型对陕西关中平原的条件植被温度指数(VTCI)时空变化序列进行了2步预测,并将预测结果与实际监测结果进行对比分析,结果表明,预测的干旱监测结果与实际的干旱监测结果空间分布特征基本一致,进一步的误差分析显示,2步预测的误差平均值分别为0.042和0.152。     

条件植被温度指数干旱监测指标的等级划分

以每年3月下旬至5月下旬陕西渭北旱塬合阳、蒲城、澄城、永寿县和耀州区5个旱作农业站点以旬为单位的条件植被温度指数(VTCI)为研究对象,根据气象干旱指数的等级划分标准将VTCI分级。结果表明:VTCI被划分为4个等级。VTCI0.55为无旱,VTCI在0.46～0.55之间为轻旱,VTCI在0.37～0.46之间为中旱,VTCI0.37为重旱。通过气温、降水等气象资料对VTCI等级划分结果的验证表明,VTCI的干旱监测结果与当地基于气象资料的监测结果相一致,证实了该等级划分结果是可行的。     

基于条件植被温度指数的冬小麦主要生育时期干旱监测效果评价Ⅲ——干旱对冬小麦产量的影响评估

选取关中平原2002-2009年冬小麦越冬后每年3-5月9旬的条件植被温度指数（CVTI）遥感干旱监测结果,基于归一组合赋权法确定的冬小麦越冬后四个主要生育时期干旱对产量影响的最优权重,建立关中平原4市（不包括铜川）冬小麦每年的加权CVTI与单产间的一元线性回归模型,并对冬小麦的单产进行了估算。结果表明,2002-2009年关中平原冬小麦单产在波动中呈上升趋势,中部单产较高,西部次之,东部最低。基于关中平原4市的整体产量估算模型预测西安市部分区县2010年的单产,取得较好的结果,验证了关中平原4市的整体产量估算模型具有较好的精度,能够较准确地反映关中平原干旱对冬小麦产量的影响。     

基于温度植被干旱指数的黑龙江省旱情动态研究

2015年黑龙江省发生大面积干旱,为了对此旱情进行动态监测,采用6—9月的MODIS数据,计算温度植被干旱指数(TVDI);以过去15年(2000—2014年)的全省40个旱作农业站点以旬为单位的TVDI为研究对象,根据土壤相对湿度的农业干旱等级划分标准,制定TVDI的干旱监测等级,利用2011年实地测取土壤相对湿度数据对该等级进行验证,结果表明,验证结果准确度达到83%。结果显示:TVDI被分为5个等级,TVDI0.46为无旱,TVDI在0.46~0.57之间为轻旱,TVDI在0.57~0.76之间为中旱,TVDI在0.76~0.86之间为重旱,TVDI0.86为特旱,用此标准对黑龙江省2015年的旱情进行分析,能够较好地反映出黑龙江省整体的实际旱情。在监测中2015年7月份全省旱情最为严重,持续到8月中旬,到8月下旬省内各地陆续降雨,重旱区域减少,整体旱情减轻。     

基于温度植被旱情指数的青海高寒区干旱遥感动态监测研究

利用MODIS资料提取的归一化植被指数(NDVI)和地表温度(Ts),构建NDVI-Ts特征空间,依据该特征空间设计的温度植被旱情指数作为旱情指标,对青海省东部浅山农业区2004年7月上旬的旱情进行了动态监测,同时利用各气象台站实测的地面数据进行了验证,结果表明利用温度植被旱情指数(TVDI)法对青海高寒区进行干旱动态监测是可行的。     

基于TVDI的渭干河-库车河三角洲绿洲植被生长期干旱遥感监测研究

渭干河-库车河三角洲绿洲是新疆重要农业生产区,频发的旱灾始终是制约农业可持续发展的障碍因素。因此,文中以渭干河-库车河三角洲绿洲为研究区,利用1989年和2011年植被生长期的两期TM影像提取的归一化植被指数(NDVI)和地表温度(Ts),构建Ts-NDVI特征空间,依据该特征空间设计的温度植被干旱指数(TVDI)作为旱情指标,找出适合研究区的旱情判别模式,并进行旱情对比分析。结果表明:1)在Ts-NDVI特征空间中,该绿洲1989年和2011年干旱遥感监测的干、湿边拟合方程分别为TSmax=-13.795NDVI+296.5,TSmin=5.3374NDVI+283.12和TSmax=-27.861NDVI+315.52,TSmin=4.4736NDVI+292.46。说明随着干边斜率增加,湿边斜率也增加,形成稳定的三角形形状,能较好的反映土壤干旱状况;2)从TVDI旱情等级分布图上可以得出等级为干旱的面积有所增加,且这一区域主要集中在绿洲外围,表明随着绿洲内部干旱的缓解,绿洲外围生态环境有所恶化。通过以上研究发现利用温度植被旱情指数(TVDI)法对渭干河-库车河绿洲地区进行夏季干旱动态监测是可行的。     

基于RBF神经网络模型的土地生态安全预警——以甘肃省张掖市为例

以张掖市为研究区域,在借鉴国内土地生态安全研究成果的基础上,依据PSR模型,结合2001—2012年土地利用的相关数据,建立土地生态安全预警指标体系。运用RBF神经网络模型对张掖市2013—2017年土地生态安全演变趋势进行预测,并结合预警指数和警度标准对2001—2017年的安全警况进行分析。结果表明:2001—2012年张掖市土地生态安全的压力系统的警度呈波动上升趋势,状态系统和响应系统的警度呈下降趋势,2013—2017年的压力系统将逐步由"中警"转变为"重警",状态系统将基本维持在"中警"水平,响应系统将处于"无警"状态;2001—2017年,张掖市土地生态安全警度呈略有下降态势,2013—2017年的预警指数将处于0.46左右,警度将处于"中警"状态。     

效率系数和一致性指数及其在干旱预测精度评价中的应用

基于关中平原2003—2014年Aqua-MODIS数据的条件植被温度指数的干旱监测结果,引入效率系数和一致性指数对自回归求和移动平均(ARIMA)模型和季节性ARIMA模型的预测精度进行了评价,并分析了其在干旱预测精度评价中的适用性。两种干旱预测模型的精度评价结果为ARIMA模型与季节性ARIMA模型的效率系数分别为-0.04与-4.27,一致性指数分别为0.40与0.37,表明ARIMA模型对干旱的预测精度高于季节性ARIMA模型,这与均方根误差、皮尔森相关系数及Kappa系数等的评价结果一致,且效率系数对不同干旱预测模型的预测性能的区分效果尤为显著,对干旱预测模型的精度评价比一致性指数更为合理。因此,效率系数更适合用于遥感干旱预测模型的精度评价。     

BP神经网络方法在土壤墒情预测中的应用

利用多年实测土壤水分资料和气象资料,建立了考虑多个因素如:外界气象因素及土壤特性、作物生长等对土壤墒情影响的BP人工神经网络模型。应用结果表明:所建立的模型具有较好的预测效果;用BP人工神经网络建立土壤墒情预测模型的方法是可行的。     

组合灰色预测模型在入库流量预测中的应用

本文将灰色GM(1,1)模型、BP人工神经网络和马尔柯夫链相结合,利用历年入库流量及千河径流量建立组合模型对入库流量进行预测。GM(1,1)模型主要预测趋势,其前半部分与实测值拟合较好,BP神经网络模型后半部有波动部分与实测值拟合较好,二者结合使相对误差最小建立组合模型,同时运用马尔柯夫链预测入库流量的变化范围。预测2001和2002年的入库流量对模型进行检验:GM(1,1)模型预测的相对误差分别为0.359和-0.017;BP神经网络预测的相对误差分别为0.032和-0.251,组合模型相对误差分别为0.164和0.117,组合预测值在预测区间之内,该组合模型预测结果合理有效,能更精确预测冯家山水库入库流量。     

BP神经网络和时间序列模型在包头市空气质量预测中的应用

运用BP神经网络法和时间序列法,对包头市的二氧化硫、二氧化氮和可吸入颗粒物的年份浓度值和月份浓度值进行预测。预测结果为:包头市2010年的二氧化硫的年浓度值为0.0578mg/m3,二氧化氮的年浓度值为0.0402mg/m3,可吸入颗粒物的年浓度值为0.1024mg/m3。2011年3月的二氧化硫的浓度值为0.0592mg/m3,二氧化氮的值为0.0372mg/m3,可吸入颗粒物的月浓度均值是0.1210mg/m3,由预测结果可以发现污染物浓度降低,空气质量呈好转趋势。     

基于时间序列遥感数据的陕西省2004—2014年干旱变化特征分析

利用MODIS归一化植被指数（NDVI）产品MODLT1M和MODIS地表温度产品MODND1M,计算2004—2014年陕西省月温度植被干旱指数（TVDI）,基于TVDI采用一元线性回归、Theil-Sen Median趋势分析、Mann-Kendall检验等方法来研究陕西省11 a来干旱的空间分布特征、时间变化特征及干旱演变趋势,并结合气象数据进一步探究引起干旱变化的气象因素。研究表明： 11 a中陕西省干旱发生频率呈现北高南低的特点,陕北、关中、陕南三大区域干旱发生的频率分别为68.2%、53.8%、22.7%,且均以轻度干旱为主; 陕西省旱情主要出现在春季,11 a春季的平均TVDI值在0.6～0.7之间波动; 陕西省11 a中干旱情况整体呈减弱趋势,TVDI值减小、不变、增大的区域分别占55.38%、42.89%、6.20%; TVDI与湿润指数对干旱的表征具有一致性,且年均TVDI值与年降水量呈显著负相关关系（P=0.019）,降水是引起TVDI下降的一个重要气象因子。