基于非线性特征的干旱影响评估研究

客观地认识干旱的非线性特征是干旱影响评估的关键,对制定抗旱减灾策略具有重要指导意义。以陕西省关中平原为研究区域,以核函数方法为非线性算法,基于核主成分分析方法(KPCA),将遥感反演的条件植被温度指数(VTCI)映射到高维特征空间下对其进行特征提取,并结合Copula函数构建主成分间的联合分布模型,确定2008—2013年冬小麦主要生育期的综合VTCI;构建综合VTCI与冬小麦单产间的线性回归模型,评估干旱对冬小麦产量的影响。结果表明,相比于传统的主成分分析方法(PCA),KPCA能有效地提取干旱的非线性特征,且降维效果更好。与PCA-Copula方法构建的回归模型相比,应用KPCA-Copula方法所建综合VTCI与单产间的回归模型的拟合度明显提高,决定系数达到0.608(p0.001),对应模型的估测单产与实测单产之间的均方根误差(RMSE)为298.1 kg/hm2,相比于PCA-Copula的结果降低了60.1 kg/hm2,且KPCA-Copula获取的综合VTCI更符合关中平原实际的干旱特征。这表明KPCA-Copula方法能够较好地体现干旱的非线性特征,更加适用于干旱影响评估研究。     

基于主成分分析和Copula函数的干旱影响评估研究

干旱是关中平原主要的农业灾害之一,准确地评估干旱的影响,对抗旱减灾及作物稳产具有重要意义。基于关中平原2008—2013年冬小麦主要生育期旬尺度的条件植被温度指数(VTCI)干旱监测结果,将Copula函数用于评估冬小麦主要生育时期干旱对其产量的影响。针对多元变量导致Copula函数参数求解困难的问题,采用主成分分析法(PCA)提取主要生育时期的VTCI的主成分因子,形成新的相互独立的指标,进而结合Copula函数建立PCACopula法,确定关中平原主要生育时期的综合VTCI,并构建其与冬小麦单产间的线性回归模型,评估干旱对产量的影响。结果表明,应用PCA-Copula法得到的综合VTCI与单产间的相关性达到极显著水平(P0.001),所建回归模型的拟合度与熵值法的结果相比有所提高,决定系数由0.39提高到0.49,且对应模型的估测单产与实测单产间的均方根误差较熵值法的结果降低了30.2 kg/hm2,平均相对误差降低了0.66%,表明PCA-Copula法能较好地应用于评估冬小麦主要生育时期干旱对其产量的影响。     

应用Morlet评估不同生育时期干旱对小麦单产的影响

【目的】干旱是关中平原主要的农业灾害之一,分析关中平原作物不同生育时期干旱的演变规律及其对产量的影响程度可为抗旱减灾及作物稳产提供参考依据。【方法】基于关中平原2008—2013年的小麦单产数据和条件植被温度指数(VTCI)的干旱监测结果,采用小波功率谱和交叉小波功率谱作为特征时间尺度的度量指标,确定冬小麦各生育时期干旱对单产的影响程度,并构建小麦主要生育期的加权VTCI与单产间的线性回归模型。【结果】冬小麦单产与主要生育期VTCI的共振周期与各生育时期VTCI的主振荡周期类似;基于共振周期和主振荡周期确定的特征时间尺度,通过小波互相关度赋予的权重均能够反映冬小麦各生育时期干旱对其单产影响的相对重要程度,得到的加权VTCI与单产间的线性回归方程均达到极显著水平,对应单产模型的估测单产与实测单产的均方根误差分别为328.3 kg·hm~(-2)和344.8 kg·hm~(-2)。【结论】小波功率谱可用于分析作物不同生育时期干旱对其产量的影响,且拔节期干旱对小麦产量的影响最大,抽穗—灌浆期次之,乳熟期和返青期依次递减。