TOPSIS客观赋权法在干旱综合评估中的应用研究

以西安地区为例,选取连续无雨日数、降水距平百分比、标准化降水指数和相对湿润度指数4个干旱指标进行了干旱单指标评估研究,针对单指标评估的局限性,引进了TOPSIS客观赋权法构建了一个干旱综合指数,将单指标评估结果加权,并结合遗传算法求取权重进行干旱综合评估。结果表明,综合评估结果与实际干旱状况基本一致,具有一定的可信度。

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(R^(2))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(R^(2)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。

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,上升率为0.21个百分点·10a^(-1)。构建的综合风险指数总体能客观反映西藏青稞干旱灾害风险水平,区划结果可为纯保险费率的修正提供基础支撑,进而为提高青稞农业保险服务的精确性提供科学依据。

四川春玉米气象干旱致灾因子危险性

利用四川省1961-2014年147个地面气象站逐日观测资料与四川省春玉米观测资料,运用气象干旱对农业影响评估综合指数,建立四川省春玉米生育期气象干旱致灾因子危险性模型,研究了四川省春玉米播种-出苗期、拔节-孕穗期、抽雄开花-吐丝期、乳熟-完熟期及全生育期气象干旱致灾因子危险性空间分布特征.结果表明:春玉米需水关键期发生特、重、中、轻概率的空间分布不同;春玉米抽雄开花-吐丝期气象干旱致灾因子危险性较大,拔节-孕穗期次之,播种-出苗期较小;春玉米全生育期气象干旱致灾因子危险性盆西北至资阳北部较高,高原西南部河谷地带次之,盆地西南部、凉山州东北部较低.