MODIS干旱指数结合RBFNN反演冬小麦返青期土壤湿度

土壤湿度是农业干旱信息最重要的表征因子,它的反演对区域乃至全球农业干旱监测及预报都具有重要意义。该文基于MODIS遥感干旱监测指数构建了冬小麦返青期土壤湿度的评价指标体系,在此基础上,结合径向基函数神经网络(RBFNN)协同反演农地土壤湿度。首先,针对单一利用遥感干旱指数反演土壤湿度具有一定的局限性问题,选取监测土壤含水量、作物需水形态变化、冠层含水量、冠层温度等参量的遥感干旱监测指数作为综合评价指标;并利用实测土壤湿度作为验证标准,从原始遥感干旱监测指数中选取出适宜的指标集;然后,以选取的评价指标集为输入层,以实测土壤湿度作为输出层的输出,构建RBFNN的农地土壤湿度反演模型。研究结果表明:应用在河南省冬小麦返青期时,基于MODIS遥感干旱监测指数与RBFNN协同反演的土壤湿度模型具有较好的反演效果;模型的评价指标集与10 cm深度的土壤湿度相关性更好,而且能综合多通道遥感信息来反映土壤湿度的变化;模型的平均预测精度达到93.27%,与BP-NN和线性回归反演模型相比,反演精度分别提高了2.92和9.97百分点;模型回归分析相对1:1斜线的偏差最小;相关系数为0.846 49,回归决定系数为0.862 6。研究结果可为区域土壤湿度的遥感反演提供新的案例参考。     

象山港海水养殖区贝叶斯网络水质评价及预测

水质评价是水环境保护与管理的重要环节,传统的评价方法在处理评价中的不确定性、大量信息处理等方面存在局限性。贝叶斯网络可以有效地表达和分析不确定性问题,实现定性分析与定量分析的有机结合。以近10a来象山港海水养殖区的水质监测数据为样本数据,采用贝叶斯网络技术,建立反映各水质指标及水质级别之间相互关系和相互影响强度的贝叶斯网络模型。模型结构表明直接影响水质级别的水质指标为氨氮、化学需氧量、硝酸盐、无机磷和叶绿素a,而其他亚硝酸盐、无机氮等4个水质指标与水质级别存在间接的因果关系。对200条监测数据进行模型精度检验,结果表明,其预测精度达94.8%,Kappa指数为0.892,这说明采用贝叶斯网络技术对水质进行评价及预测是可行的。     

辽西北玉米干旱脆弱性评价模型构建与区划研究

本文基于IPCC(Intergovernmental Panel on Climate Change)报告中对气候变化背景下脆弱性的定义,从暴露程度、敏感性、自身恢复能力和环境适应能力4个方面建立了干旱灾害脆弱性评价模型。以辽西北地区的玉米干旱灾害作为研究对象,根据干旱灾害脆弱评价模型选取了气象因子、玉米生理因子以及经济社会因子等17项指标,运用熵权法、加权综合评价法计算得到了辽西北地区玉米干旱脆弱性指数。为了验证和检验模型的适用性,选取了辽西北1999年、2000年、2001年和2006年4个典型干旱年份,将玉米干旱脆弱性指数划分为5个等级,借助GIS技术绘制了玉米干旱脆弱性区划图。结果表明:辽西北玉米干旱脆弱性强的区域主要集中在西部地区的阜新、朝阳、葫芦岛一带。重度以上脆弱性区域范围比例表现为2006年>1999年>2001年>2000年的规律;其中,2006年脆弱性最强,影响面积最广,造成的损失也最严重,与实际灾情变化规律一致。分析2006年的玉米干旱脆弱性,多数区域是由玉米生长季的降水异常引起的。通过对4个典型干旱年份的玉米干旱脆弱性指数与玉米减产率进行回归分析,发现二者之间基本吻合,通过了α=0.05的显著性F检验,说明利用该模型对玉米干旱脆弱性的评价与区划是合理的,可以用来评价和预测玉米干旱脆弱性、干旱灾害风险以及因干旱造成的玉米产量损失。研究结果可为当地农业干旱灾害风险评估和预警提供依据。     

基于干旱风险的西藏青稞保险费率厘定及预测

以西藏青稞主要种植区为例，基于致灾因子危险性指数、承灾体暴露性指数、承灾体易损性指数和防灾减灾能力构建干旱灾害综合风险评估模型，并进行干旱灾害风险评估及区划，利用非参数法厘定各县青稞的纯保险费率，在风险区划结果基础上修正纯保险费率，再结合改进GM(1,1)模型和R/S方法预测未来修正纯保险费率。结果表明：(1)基于干旱致灾因子危险性指数和承灾体易损性指数的风险等级呈中部区域低两边高的趋势，基于干旱承灾体暴露性指数、防灾减灾能力和干旱灾害综合风险指数的风险等级由东向西有逐渐加重的趋势。(2)各县青稞保险的纯保险费率水平介于1.07%～9.79%，相差不大；修正后的纯保险费率介于1.86%～17.02%，相差较大。(3)基于干旱致灾因子危险性指数、承灾体暴露性指数和承灾体易损性指数修正下的纯保险费率空间分布呈中部高两边低的特点，基于干旱防灾减灾能力和干旱灾害综合风险指数修正下的纯保险费率呈现中部高、局部高和两边低的特征。说明科学合理的厘定纯保险费率应考虑多种干旱指数的综合影响。(4)首次利用改进GM(1,1)模型和R/S方法预测西藏青稞主要种植区未来修正纯保险费率的预测值有微弱的上升，上升...     

番茄果实蠕变特性表征的Burger's修正模型

针对经典Burger’s模型在蠕变特性表达中的不足,进行了绿熟期、变色期、红熟前期和红熟中期番茄果实的蠕变试验,并在Burger’s模型和常用指数型与幂函数型修正模型分析的基础上构造提出了4元件6参数修正模型.该模型对不同成熟期蠕变段试验数据拟合的平均决定系数与和方差分别达0.9975~0.9994和0.04047~0.07633,蠕变变形率和弹性度的拟合平均相对误差分别为2.54%~3.04%和2.89%~7.12%,蠕变量预测的平均相对误差为0.29%~0.46%,蠕变速率也与实际更加吻合,其曲线拟合精度、关键指标表达精度和蠕变预测精度大大优于Burger’s模型和常用修正模型.研究表明该模型实现了蠕变行为的更准确表征与预测,从而为果实收获、储运、分选的减损提供了更好的模型依据.     

基于高维Copula函数的逐日潜在蒸散量及气象干旱预测

尝试引入高维Copula函数对影响参考作物蒸散量ET_0的气象因素进行联合分布构建,揭示不同变量间的相关结构,建立多元气象因素对ET_0的联合分布模型,对逐日ET_0及短期干旱等级进行预测,并将枯季1—4月份的多维Copula联合分布预测模型的系统性偏差构造成修正函数,代回ET_0预报模型以改善预报效果,利用洱海流域内大理站1954—2018年逐日气象观测数据,以FAO Penman-Monteith方程为标准值对比分析。结果表明:1)平均气温(T)和最高气温(T_(max))2个气象因子组合时,二维Normal Copula模型对逐日ET_0预测的精度最高,叠加上修正函数项之后,相对误差小于10%、15%、20%、25%的样本比例分别提高到71.6%、84.4%、91.4%、96.5%,全年符合指数IA变化范围为0.98～0.99,平均偏差ME为0.17～0.30,均方根误差RMSE为0.54～0.64,Nash-Sutcliffe效率系数为0.90～0.98;2)将逐日ET_0预测方法应用于逐日气象干旱预测评估(以逐日SPEI指数为例),逐日SPEI指数预测值与标准值的相关系数为0.95～0.99,平均偏差ME为-0.10～0.35,均方根误差RMSE为0.20～0.30,符合指数IA为0.97～0.98,Nash-Sutcliffe效率系数NSE为0.91～0.97,在降水量多的季节,Copula函数模型预测ET_0的精度更高一些,且逐日SPEI预测的误差参数都优于逐日ET_0的预测结果。     

基于MA-ARIMA-GASVR的食用菌温室温度预测

食用菌温室温度具有时变、非线性、多耦合特性,准确预测对稳定食用菌生产具有重要意义。本研究从挖掘温室历史温度数据时序信息角度出发,提出一种MA-ARIMA-GASVR组合方法建立温度预测模型,利用移动平均方法将历史温度序列分解成线性序列和残差序列,然后采用移动平均差分自回归模预测线性序列的趋势,再将移动平均差分自回归预测值、历史残差数据、历史温度数据作为支持向量回归模型的输入,并结合遗传算法优化支持向量回归模型参数改善其性能,从而获得更符合实际情况的温度预测值。最后选取实测温度数据作为训练集,对未来2d的温度进行预测验证。结果显示,MA-ARIMA-GASVR组合方法能更好地拟合原始温度数据,间隔1h的均方误差、平均绝对误差和平均绝对百分误差分别为0.18、0.36和1.34,均显示本研究方法预测精度优于支持向量回归、遗传算法优化的支持向量回归单一模型,也优于未经移动平均以及未经遗传算法优化的组合模型;此外,间隔6h的均方误差、平均绝对误差和平均绝对百分误差为0.29、0.52和1.95,说明本研究方法还能满足6 h以内的多步预测,为食用菌生产者预留更多调整时间。     

湟水流域SWAT模型构建及参数不确定性分析

敏感性分析和不确定性分析是分布式水文模型参数校准和模型构建的先决条件.以位于青藏高原与黄土高原过渡地带的青海湟水流域为例,基于SWAT模型的拉丁超立方和单次单因子(LH-OAT)采样方法和SWAT-CUP程序的拉丁超立方采样方法进行模型参数敏感性分析,同时以SWAT-CUP的P因子和R因子进行模型不确定性分析,最终结合手动调参和自动率定算法,构建湟水流域分布式水文模型.结果表明:湟水流域日尺度模拟中,率定期模型平均确定系数为0.7,平均效率系数为0.68;验证期平均确定系数为0.65,平均效率系数为0.53,可以满足应用要求;PSO算法在水文模型率定中总体表现良好;基于SWAT模型和SWAT-CUP程序的单次率定用时分别为3.5 min和2.2 min,SWAT-CUP程序明显快于SWAT;分析结果还表明:模型不确定性和模型率定结果精度并不一致,但模型不确定性决定着模型验证期的结果精度,为确保验证期精度,必须降低模型不确定性;模型自动率定中,相同迭代次数下,SWAT模型对于流量较大的子流域率定效果较好.     

麦田土壤水分时空变异特性及CA-Markov模型模拟预报

为揭示农田土壤水分时空变异特征,精准预测土壤墒情,该研究以河北省太行山山前平原井灌区典型麦田为例,在监测土壤水分的基础上,采用时间稳定性指数法、空间自相关性评价法研究土壤水分时空分布规律,构建了适用于模拟预报田间水分时空变化的CA-Markov 模型,并将该模型的模拟预报效果与HYDRUS 模型进行比较。结果表明：随着土层深度的增加,土壤水分等值线由密变疏,变异系数逐渐减小。随着小麦生育期的推移,前期监测的土壤水分稳定性高于后期;在土壤较湿润的情况下,土壤水分空间相关性较强,土壤水分全局Moran''s I 指数随小麦生育期的推移呈现先增大后变小的规律。CA-Markov 模型模拟预报的各土壤相对湿度等级面积误差的平均值为1.61%,比HYDRUS 模型模拟预报的面积误差平均值（10.86%）小9.25个百分点; CA-Markov 模型对研究区4月下旬、5月上旬的土壤水分干旱等级预测的空间分布Kappa 系数分别为 89.31%、91.46%。该模型可综合考虑麦田墒情的时空变化及随机特性,模拟预测土壤墒情的精度较高、效果良好,可以作为麦田水分管理的重要工具。     

基于熵权的福建粮食产量组合预测模型

本文尝试将组合预测法应用于福建省的粮食产量预测,以提高预测的精度。运用平均绝对百分误差（MAPE）等5个预测效果的评价指标对各模型进行综合比较,结合熵权法客观地为每种预测方法分配权重;通过赋予合理权重,将各模型的预测结果加权求和得到最终的预测结果,建立了福建省粮食产量组合预测模型。利用1949—2004年福建粮食产量资料进行拟合检验,组合模型的精度明显提高。     

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。     

Autoregressive moving average models of conifer crown profiles

A time-series autoregressive moving average (ARMA) approach was used to develop stochastic models of tree crown profiles for five conifer species of the Sierran mixed conifer habitat type. Models consisted of three components: (1) a polynomial trend: (2) and ARMA model; and (3) rand om error. A Bayesian information criterion was used to evaluate alternative models. It was found that 70% of the crown profiles could be modeled using first-order ARMA [AR(1) or MA(1)] models, and that an additional 25% could be modeled using a white noise model [(AR(0)]. When the coefficients of the ARMA models were statistically significant, the models proved to be both visually and statistically an improvement over the polynomial trend (a Euclideam model). A binary classification system was used to determine if model type was related to tree or stand characteristics. Using this classification we found that it was possible to relat the appropriate model type to forest tree size and forest stand density with acceptable accuracy.     

喷灌水量分布均匀性评价指标比较及研究进展

为提高喷灌水量分布均匀性评价的准确性和可靠性,将喷灌水量分布均匀系数分为基于平均偏差的均匀系数、基于标准偏差的均匀系数、强调部分水量特征的分布均匀系数、基于概率分布函数的均匀系数和基于空间分布函数的均匀系数5大类,并对这些均匀系数的特点及其相互关系进行了分析和推导。结果表明：各均匀系数互有联系,但评价的侧重点各不相同,应根据评价和研究目的的不同选用相应的均匀系数对均匀性进行综合评价。最后指出今后研究重点应对均匀系数计算方法之间的差异和均匀性测试试验中不确定性因素进行定量分析,提高均匀系数计算结果的可靠性和可比性,为今后制订更具体、更准确的喷灌均匀系数测试和评价标准提供参考。     

TMPA卫星遥感降水数据产品在中国大陆的干旱效用评估

为评估基于卫星遥感的高时空分辨率降水数据产品在干旱研究中的应用能力,该研究以标准化降水指数(standardized precipitation index,SPI)和标准化降水蒸散指数(standardized precipitation evapotranspiration index,SPEI)为例,以站点实测降水数据产品作为参考,评估了热带降水测量计划——多卫星降水分析(tropical rainfall measurement mission(TRMM)multi-satellite precipitation analysis,TMPA)3B42V7产品在中国大陆范围内1998-2015年间的干旱效用.结果表明:1)基于3B42V7计算的干旱指数总体上具有较高的精度,在中国东部大部分地区与基于降水实测数据的干旱指数相关系数均在0.8以上;2)基于西南和华北2个典型干旱发生地区的干旱时空变异评估结果表明,3B42V7能较为准确地反映干旱事件的发展过程和强度并能较好地捕捉干旱事件的空间模式,并且在大多数情况下单纯基于3B42V7数据计算的SPI指数即可满足干旱监测的要求;3)干旱事件识别能力评估结果表明,3B42V7产品能够较准确地识别和定位1998年以来的大范围干旱.TMPA产品能从时间和空间上刻画出中国大陆干旱的演变规律,适用于大尺度气象干旱的监测与评估.     

综合形态与叶片叶绿素含量的番茄壮苗指数筛选

为建立最佳的番茄秧苗壮苗指数,提高秧苗评判的准确度,该文以四叶一心番茄秧苗为研究对象,在测定11项秧苗指标的基础上,利用模糊综合评判法建立番茄秧苗综合评价指数,使用主成分分析进行指标筛选并组合构成多个番茄壮苗指数,通过综合评价指数与壮苗指数的相关分析筛选出适宜的壮苗指数并验证。结果表明:对300株样本进行统计分析,番茄秧苗综合评价指数为0.26～0.79,可全面概括秧苗的整体素质,能客观、准确地评价秧苗健壮程度;通过秧苗单一指标的主成分分析将各指标划分为形态指标、色素指标和株高3个主成分,表明秧苗的质量必须从形态、叶绿素含量和株高这3方面进行评价。从主成分中各选一种指标进行完全随机排列组合成25种壮苗指数,并筛选出与综合评价指数相关性较高且具有代表性的4种壮苗指数;并用3种不同品种番茄秧苗对其进行稳定性验证,其中壮苗指数"(总叶绿素/株高)?全株干质量"与综合评价指数相关性最大为0.797且极显著(P0.01),稳定性好、代表性强,可作为衡量番茄秧苗素质的推荐壮苗指数。以番茄秧苗的综合评价指数为分级依据,根据推荐壮苗指数将秧苗质量分为3个等级(等级Ⅰ(壮苗指数≥0.065)为优质苗,等级Ⅱ(壮苗指数:0.030～0.065)为合格苗,等级Ⅲ(壮苗指数≤0.030)为弱苗(幼苗或老苗)),各等级间差异显著,可以作为较好的判别指标。该研究表明可为番茄育苗生产提供参考,也可为其他蔬菜秧苗评判提供参考。     

基于阈值优化模糊投票法的农业旱情等级遥感评估

旱灾频繁发生给农业造成严重损失,将旱情监测视作异常信息识别过程,利用多分类器融合方法探讨集成多源遥感空间数据的高精度农业旱情等级评估模型。首先对各类旱情关联因子进行相关性分析,选择最优模型输入参数;然后利用3种单分类器(神经网络、支持向量机以及分类回归树)对多源遥感数据进行分析,构建阈值优化模糊投票法(threshold-optimized fuzzy majority voting,TFMV)对单分类器旱情等级评估结果进行决策级融合。结果表明:TFMV方法总体分类精度为72.55%,分别比神经网络、支持向量机、分类回归树高出约3.6、5.1和3.6个百分点;与经典投票法相比,TFMV方法分类精度也提高了约2.5个百分点。TFMV方法能有效提高单分类器旱情评估精度,多数情况下能较准确反映研究区干旱受灾区域以及旱情程度,具有应用于实际区域旱情等级评估业务的潜力。     

黄淮海地区夏玉米干旱等级划分

干旱是影响黄淮海地区夏玉米产量稳定性的主要农业气象灾害。建立夏玉米干旱灾害指标,开展夏玉米干旱灾害的监测及评估,对农业防灾减灾意义重大。该文根据夏玉米生长发育过程,选择土壤相对湿度和作物水分亏缺指数分别建立夏玉米不同生育阶段的干旱等级指标。首先在综合分析有关夏玉米土壤水分指标研究成果的基础上,确定了夏玉米各生育阶段不同干旱等级的土壤相对湿度指标。在此基础上,利用河南省农业气象观测站多年观测资料,建立水分亏缺指数与土壤相对湿度之间的关系模型,利用已确定的土壤相对湿度指标计算得出夏玉米不同生育阶段不同干旱等级的水分亏缺指数干旱指标。根据土壤相对湿度指标,夏玉米播种-出苗、出苗-拔节、拔节-抽雄、抽雄-乳熟和乳熟-成熟5个生育阶段发生轻旱的临界值分别为65%、60%、70%、75%和70%,发生重旱的临界值分别为45%、40%、50%、55%和50%,发生特旱的临界值分别为40%、35%、45%、50%和45%;而根据水分亏缺指数指标,5个生育阶段发生轻旱的水分亏缺指数的临界值分别为35%、40%、20%、10%和35%,发生重旱水分亏缺指数临界值分别为50%、65%、55%、45%和65%,发生特旱的临界值分别为55%、75%、65%、55%和75%。在黄淮海夏玉米区选择代表站点对确定的干旱等级指标进行了验证,土壤相对湿度和水分亏缺指数判定的干旱等级相同及相差一个等级的百分率变化在71%～91%,表明2套指标对干旱发生情况的判别具有较好的一致性;通过与历史典型干旱年份灾情对比,2套指标能够较好的判定出历史年份夏玉米生长季干旱发生情况,能够用于夏玉米干旱的监测、评估等方面的科研及业务服务中。     

冬小麦干旱指标及干旱预测模型研究

干旱是河北省冬小麦生长期内主要的气象灾害之一。准确监测、预测干旱发生程度, 可以为防灾、减灾、救灾提供科学的决策依据。本研究以位于河北省南部冬小麦区的南宫县为例, 选取1991~2007 年冬小麦全生育期农业气象观测数据及常规气象资料, 基于Jensen 模型得到冬小麦返青~拔节、拔节~抽穗、抽穗~乳熟、乳熟~成熟4 个生育阶段的水分敏感系数; 在减产百分率标准的基础上, 确定了冬小麦返青后4 个生育阶段以相对蒸散表示的轻旱、中旱、重旱、严重干旱4 个等级冬小麦干旱指标值; 并应用回归分析方法, 建立了4 个生育阶段的干旱预测模型。结果表明：考虑冬小麦不同发育阶段对水分的敏感程度, 确定的冬小麦干旱指标值比较客观地反映了干旱程度。建立的干旱预测模型均通过了0.05 的显著性检验。模型的拟合正确率70.8%, 预测正确率75.0%, 平均正确率71.4%;经简化干旱等级, 即轻旱为1 个等级, 中旱、重旱、严重干旱为1 个等级, 则模型的拟合正确率达81.3%, 预测正确率达75.0%, 平均正确率达80.4%, 模型预测结果可信。     

可变模糊集理论在旱涝灾害评价中的应用研究

旱涝灾害是制约农业经济发展的最主要的自然灾害,旱涝灾害评价在农业防汛抗旱减灾决策中起着至关重要的作用.该文根据旱涝灾害的模糊不确定性,基于可变模糊集理论,确定样本指标对各级标准区间的相对隶属度,以山东省全年旱涝灾害为例,将可变模糊集理论应用于旱涝等级评价中,采用多种参数组合,可变模型(1个线性,3个非线性)进行评价,确定出样本的评价等级,并将其评价结果与模糊综合评价结果进行比较.应用实例表明,该模型计算简便,评价结果可信度高,为旱涝灾害的评价提供了参考.     

大豆花荚期抗旱性的鉴定与综合评价

选用10个不同生态类型的大豆新品种,通过盆栽试验和大田试验,测定其与抗旱性有关的生理生化指标,如相对电导率、光合速率、叶片相对含水量等,运用灰色多维综合评估方法,以抗旱指数为参考数列,确定各项指标性状与大豆花荚期抗旱性的关系并对10个大豆品种花荚期抗旱性进行评价。结果表明,参试品种"晋大74"与构造的参考品种关联度最大,为0.8706,抗旱性最好;"晋大53"关联度为0.7278,抗旱性次之;"晋大75"关联度为0.5513,抗旱性最弱。从抗旱指数和灰色多维综合评估法两种方法可知,"晋大74"和"晋大53"的抗旱性最好,评价结果与大田生产实际相符。两种方法对大豆品种抗旱性评价的相关系数r为0.8061**,灰色多维综合评估法在大豆花荚期评价抗旱性是可靠的。