基于多源信息的农业干旱监测研究进展

当前农业干旱监测已从基于站点或遥感监测向基于多源信息综合监测转变,为了更好地促进农业干旱监测模型和技术的发展,该文从单一变量到多变量角度梳理了干旱指数的发展历程;分析了水平衡模型、潜在变量、线性组合、联合分布函数、主成分分析和数据挖掘等干旱监测模型构建方法,对比了不同干旱指数的适用性。针对农业干旱监测的局限性,探究了农业干旱监测未来的发展方向,即理论层面,需明晰农业干旱发生内在机理,进一步识别农业干旱影响因素及其反馈机制;集成遥感、气象站点、野外实测等多源信息,构建多时空尺度作物关键生育期旱灾定量监测预警模型;同时构建统一的农业干旱监测与预警模型评价指标体系。技术层面,需加强多源信息集成与融合,为农业干旱监测提供有力的数据支撑;进一步加强基于大数据的监测模型构建方法研究,为农业干旱监测提供技术保障。

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旬帕默尔干旱指数。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。

气象卫星遥感在农业干旱监测中的应用技术研究

通过极轨气象卫星遥感资料的分析研究,运用植被供水指数法,建立安徽省淮北地区不同等级干旱的遥感监测指标和方法。用建立的指标对2001年夏秋干旱进行监测,遥感方法对干旱监测结果与实际干旱发生状况较为一致,卫星遥感对干旱有较好的监测效果。

基于Geodatabase农业干旱监测空间数据库设计

由于传统的GIS数据模型难以表达非结构化数据和GIS中具有复杂结构的数据,也不能表达继承、聚合等在GIS中广泛使用的关系。在Geodatabase数据模型的基础上分析了农业干旱监测数据结构的特点,使用UML和CASE建模工具,建立起对象、要素及空间实体间的对应关系,自动生成农业干旱监测数据库,并保证了数据间映射关系的正确性。

水分盈亏指数及其在农业干旱监测中的应用

一般旱涝现象是降水的异常及农作物需水量的变化引起的,近几十年气温逐渐升高,降水量也随时间波动不断增多,旱涝增强趋势明显,所以有关区域灌溉需水量的研究越来越多。如今主要有两类针对农业旱涝研究的评估指标,一是降水量方面,即降水Z指数、降水距平百分率、标准化干旱指数等;二是反映水分供需变化方面,即作物水分盈亏的指数、相对湿润度指数及综合气象的干旱指数CI等。本文有针对分析了水分盈亏的指数及其在干旱监测中的应用情况,仅以此来供业内人士加以参考。

基于随机森林偏差校正的农业干旱遥感监测模型研究

以3个月尺度的标准化降水蒸散指数(SPEI3指数)为因变量,采用融合多源遥感数据的随机森林(RF)算法构建淮河流域2001—2014年作物生长季(4—10月)的农业干旱监测模型,采用简单线性回归、偏差估算法、旋转残差法和最优角度残差旋转法4种方法进行模型结果校正,以决定系数(R2)、均方根误差(RMSE)及干旱等级监测准确率对模型监测能力进行评估。选取最优校正方法,构建随机森林偏差校正干旱监测模型(Bias-correcting random forest drought condition,BRFDC),通过站点实测土壤相对湿度及干旱事件记录对模型干旱监测能力进行验证。结果表明:采用最优角度残差旋转法校正后,模型模拟精度指标R2和RMSE分别为0.897、0.874和0.335、0.362,优于其他校正方法;偏差估算法对各类干旱等级监测更为准确,尤其是对极端干旱的监测准确率最高,达到33.3%~50.0%,最终采用偏差估算法作为最优校正方法,构建BRFDC模型;相比SPEI3,BRFDC模型计算指数与大部分站点土壤相对湿度的相关性更加显著(P<0.01),适于农业干旱监测;BRFDC模型能够准确监测淮河流域2001年严重干旱事件的时空演变过程,并能有效识别极端旱情。该模型可为淮河流域农业抗旱工作的有效开展提供科学依据。

安徽省农业干旱遥感监测指标的确定及应用

遇过对不同季节干旱发生期间的ＮＯＡＡＡ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。

2001-2019年长江中下游农业干旱遥感监测及植被敏感性分析

长江中下游地区是中国最重要的粮食产区之一,近年来,由于极端天气影响,长江中下游地区的农业生产时常受到干旱灾害威胁。利用植被条件指数(vegetation condition index, VCI)、温度条件指数(temperature condition index, TCI)及植被健康指数(vegetation health index, VHI)对2001-2019年长江中下游地区农业干旱的时空演变情况进行监测,探究长江中下游地区VCI、TCI在VHI指数中的最优权重比例,挖掘不同植被对干旱的敏感性差异,同时基于气候变化背景分析长江中下游六省一市的干旱趋势。结果表明,VCI和TCI指数能够分别反映地区植被生长异常和热量异常;当VCI和TCI的权重分配比为7∶3时,VHI指数能够结合两种指数的特点,在长江中下游地区农业干旱监测上更有优势;不同植被对干旱的敏感性不同,在长江中下游地区,农作物对干旱的敏感性最高,森林最低,草地介于二者之间;在气候变化背景下,近20年来,长江中下游地区呈现逐渐湿润的趋势,干旱风险逐步降低,其中湖北、湖南、安徽、江西和浙江等地湿润趋势明显,而江苏和上海地区湿润趋势较弱,在极端气候下仍存在一定的干旱风险。相关结果能够为长江中下游地区各省市旱情预警及抗旱措施制定、区域农业生产管理提供参考。

全国自动土壤水分观测运行监控APP设计

基于安卓平台搭建了一套针对我国2 000多个气象观测站的自动土壤水分观测运行监控APP,软件采用伸缩性部署架构,内部通过数据交换总线进行数据交互,数据中间件通过HTTP API接口为APP提供数据服务。该软件能够实现自动土壤水分仪设备故障诊断、湿度数据产品统计、观测数据产品分析及站点管理等功能,可自动生成数据异常、设备故障的类型及其原因分析,并推送至农业气象员手中;软件建立了一套土壤水分数据质量控制算法、观测设备故障维修分析库等,实现了观测数据的统计分析,为农业气象干旱实时监测和站点设备高效运行提供了技术支撑。