不同预见期气候指数的干旱可预测性研究

为了探索可靠的干旱过程预测方法,以江苏省为研究区域,在识别历史干旱事件的基础上,提取干旱发生前期大尺度海气相互作用因子,形成0~12个月不同预见期的气候指数,将其分为大气环流类、海温类和大气海温综合类3个类别,分别建立具有0~12个月不同预见期的偏最小二乘回归干旱预测模型,通过模型后预测验证,定量分析干旱前期不同预见期气候指数对季节干旱过程的可预测性。结果表明,0~12个月不同预见期内,干旱同期“大气环流”模型对1994年夏秋季干旱等级预测较好;预见期为0~9个月的“海温”组的模型能预测出2010~2011年冬春连旱的过程变化,且结果稳定;干旱前期9~12个月西太平洋暖池的热力状况及西太平洋副热带高压,在不同预见期的干旱预测模型中均占较大权重,且在3个月预见期的干旱预测模型中所占权重最大,可作为江苏省季节尺度气象干旱的可预测性来源。研究成果可为季节尺度的干旱预测和干旱灾害综合防范提供科学依据。

基于陆气耦合模型的浙江省区域干旱过程预报分析

干旱及其准确预报一直是水文气象领域研究的重难点问题。为探索准确可行的干旱预报方法,基于VIC模型与欧洲中期数值天气预报中心(ECMWF)预报气象数据建立的陆气耦合干旱预报模型,计算监测与预报土壤含水量,分析土壤含水量距平指数(SMAPI)的时空分布特征,在此基础上评估耦合模型对浙江省干旱的预报能力。结果表明:①从预见期来看,0~11 d预见期的SMAPI预报值与监测值在绝对误差、RMSE和R值上表现较好,即模型在旬尺度上预报效果最佳;②该模型的旬尺度预报可以在时间变化过程上准确把握未来干旱的发展趋势,在空间预报上与监测的SMAPI值网格分布一致性可达90%以上;③模型对浙江省西北少雨平原区预报性能更佳,且对土壤含水量变化较剧烈地区的旱情预报趋势描述更好。研究成果可为浙江省干旱灾害防范预警提供科技支撑。

基于数据驱动的干旱等级预测研究

基于昆明站气象资料计算SPEI指数,划分昆明市干旱等级。结合气候因子资料,采用随机森林算法从数据驱动角度研究构建RF直接分类模型、RF回归归类模型,采用加权马尔可夫模型对昆明市2012—2022年干旱等级进行逐年滚动预测。11年预测中,加权马尔可夫模型表现最差,RF直接分类模型次之,RF回归归类模型表现最好。采用RF回归归类模型预测昆明市2023年SPEI指数为0.0251,干旱等级为3,为轻度湿润水平。研究可为类似地区的干旱预测方法提供参考。

基于BVMD-Attention-GRU的中长期干旱预测

干旱是一种由长期缺水导致的现象,及早发现干旱现象并预测其程度,对于科学防旱抗旱至关重要。为此,提出一种基于变分模态分解算法(VMD)和融合注意力机制(Attention)的门控循环单元(GRU)的干旱指数预测方法。首先使用蝴蝶优化算法(BOA)对VMD进行参数寻优,将标准化降水蒸散发指数(SPEI)数据分解为一组波动性较小的子序列;然后将注意力机制引入GRU模型,对各子序列进行预测;最后将各子序列预测结果加和得到SPEI预测值。使用BVMD-Attention-GRU模型对乌鲁木齐市SPEI进行预见期为6个月的中长期预测,并构建GRU、VMD-GRU、BVMD-GRU模型进行对比试验。试验结果表明,BVMDAttention-GRU模型具有更高的预测精度,适用于中长期干旱预测。

基于BO-CNN-LSTM的锡林郭勒草原干旱预测模型

【目的】建立基于BO-CNN-LSTM耦合神经网络的干旱预测模型,探索干旱预测的适用性。【方法】首先,基于长短期记忆网络(LSTM)的记忆功能,将其嵌入卷积神经网络(CNN)全连接层。其次,为确定最优超参数,将贝叶斯优化算法(BO)的概率代理模型和采集函数引入至LSTM。最后,建立BO-CNN-LSTM耦合神经网络模型用以预测干旱状况。【结果】1) BO-CNN-LSTM预测精度随时间尺度的增大而提高,对SPEI-12模拟精度最高,且判定系数R2均在98%以上;2)与LSTM模型SPEI-12的模拟结果进行比较,BO-CNN-LSTM表现出更高拟合精度。其中R2相对提高值为[4.63%,8.67%],MSE的数量级由10-2降至10-3;3)通过BO-CNN-LSTM预测2023年锡林郭勒草原干旱空间分布,结果显示该区域整体呈干旱态势。其中东乌珠穆沁旗站点区域属于中旱,其它区域均属于重旱。【结论】BO-CNN-LSTM具有较高的计算精度,尤其适用于预测SPEI-12,故可将其应用于年时间尺度干旱预测。

基于逐步多元回归的眉山市晚熟柑橘干旱预测模型

干旱影响晚熟柑橘产量和品质,研究应用2023年5月~2034年3月土壤含水量数据和气象数据构建了基于逐步回归的晚熟柑橘干旱预测模型,4层土壤含水量模型相关系数R2 > 0.93,模型验证结果得到未来6天内的误差率均小于5%,表明模型能较好地应用于预测未来土壤含水量动态变化,可为晚熟柑橘精准灌溉提供决策依据。

基于VMD-GRU的大型灌区干旱预测模型研究

灌区干旱灾害的频繁发生严重制约了当地经济的发展,为了实现灌区内水资源的合理调配和利用,需对灌区未来的干旱情况进行有效预测,从而有针对性的采取预防措施降低干旱事件所造成的影响。基于“先分解,后重构”的思想,将能够对非线性、非平稳时间序列进行预处理的变分模态分解VMD(Variational Mode Decomposition)与门控循环单元网络GRU(Gated Recurrent Unit)相结合,建立VMD-GRU干旱预测模型,针对赵口大型灌区4个气象站点1981-2017年的逐月降水数据构建标准化降水指数SPI时间序列并采用所建干旱预测模型和3个单一预测模型对SPI值进行预测,研究采用3个月的时间尺度计算标准化降水指数SPI进行干旱事件识别和等级划分。结果表明:4个气象站点VMD-GRU干旱预测模型SPI值预测结果的平均相对误差在18.7%~20.6%之间,预测误差较为稳定。VMD-GRU干旱预测模型的平均绝对误差MAE、均方误差MSE、均方根误差RMSE均为4种模型中最小,不同气象站点的3个评价指标值均分别接近,所建模型不存在过拟合或者欠拟合问题。利用游程理论识别干旱历时和干旱强度,以开封气象站为例,1981-2017年间干旱历时的预测准确率达到81.1%,实际干旱强度的整体波动趋势与预测干旱强度大体一致,两序列的皮尔逊相关系数达到0.961,表明所建VMD-GRU干旱预测模型能够较为准确地对灌区干旱进行预测,为大型灌区干旱预警提供一种可靠的研究方法。

基于PSO/DE-ELM模型的云贵高原干旱预测

气候变化导致西南地区面临愈加严重的干旱问题,为准确预测该区域干旱情势,分别构建了粒子群算法(PSO)和差分进化算法(DE)优化的极限学习机(ELM)模型,并将其应用于云贵高原干旱预测,从预测精度和特征值模拟能力等方面比较了PSO-ELM模型和DE-ELM模型在云贵高原干旱预测中的适用性。结果表明:①PSO-ELM模型和DE-ELM模型均能够有效预测云贵高原不同时间尺度下的干旱状况,模拟值与实测值的相关系数均在0.75以上,均方根误差均小于0.65;②两种模型对最大值、最小值、不同百分位数等特征统计值、干旱历时和干旱强度的拟合效果较好,能够有效反映研究区干旱特征;③相较而言,DE-ELM模型的预测性能略优于PSO-ELM模型,在云贵高原干旱预测中具有更强的适用性。

粒子群优化极限学习机模型在河南省干旱预测中的应用

干旱预测是提高防旱抗旱能力的重要非工程措施。在评价不同时间尺度标准化降水蒸散指数(SSPEI)对河南省干旱识别能力的基础上,以能有效表征河南省干旱状况的SSPEI为模型输出,以基于信息变化率和条件互信息的特征变量选择方法(ICR-CMIFS)筛选得到的河南省主要致旱气候系统指数为模型输入,构建了基于粒子群算法优化极限学习机(PSO-ELM)的干旱预测模型,通过对比该模型与标准极限学习机(ELM)、差分进化算法优化极限学习机(DE-ELM)模型的干旱预测结果,验证PSO-ELM模型在河南省干旱预测中的适用性。结果表明,SSPEI-3能有效识别河南省典型干旱事件,从时间和空间上可较准确地反映河南省干旱状况;ICR-CMIFS筛选出的河南省主要致旱气候系统指数为西太平洋副高面积指数和NINO指数;PSO-ELM模型能较准确地预测河南省干旱,且预测精度优于DE-ELM模型和标准ELM模型,在河南省干旱预测中具有较好的适用性。

基于改进支持向量机的气象干旱预测方法

气象干旱制约着区域农业生产活动,通过监测预报、提前部署可有效降低其带来的危害。基于“先分解,后重构”思想,将自适应噪声完备经验模态分解法(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)、灰狼优化算法(grey wolf optimization,GWO)和支持向量机(support vector machine,SVM)相结合,构建CEEMDAN-GWO-SVM组合机器学习模型。以山西省1956−2007年逐月自适应帕默尔干旱指数(self-calibrated palmer drought severity index,scPDSI)为训练集,以2008−2020年逐月scPDSI值为测试集。采用scPDSI预测值与实际值之间的均方误差、平均绝对误差及决定系数作为评价指标,对该模型的预测效果进行了评价,并比较了该模型与常用的GWO-SVM和随机森林模型预测结果。结果表明:相较于两种常用机器学习模型,基于CEEMDAN-GWO-SVM模型预测得到的均方根误差可分别降低7.6%和19.5%,平均绝对误差分别降低19.9%和27.4%,决定系数则分别提高5.6%和20.3%,预测的干旱等级和实际情况接近。CEEMDAN-GWO-SVM模型预测精度优于GWO-SVM模型和随机森林模型,在气象干旱预测中具有较好的适用性。

基于季节性叠加趋势法的云南省干旱预测研究

近年来,随着云南省干旱发生的频次不断增加,影响范围不断扩大,开展干旱预测模型研究对云南省具有重要意义。分别选取云南省的石林、会泽、楚雄、元谋、红塔、隆阳、广南、瑞丽、屏边、景洪10个县市区内10个建站超30 a的基本水文站逐日实测降雨资料,基于季节性叠加趋势方法建立预测模型并计算得到预测数值,与各水文站实测降雨数值进行对比分析,探讨季节性叠加趋势模型在云南省不同区域干旱预测中的应用效果。结果表明:严重干旱区4站中有3站能准确反映干旱趋势,仅有1站能准确反映干旱程度;中度干旱区3站中有2站能准确反映干旱趋势,不能准确反映干旱程度;轻度干旱区3站中有2站能准确反映干旱趋势,仅有1站能准确反映干旱程度;总体来说,预测模型结果能较为准确反映干旱趋势,但对干旱严重程度反映效果有待提升。

基于分布估计算法优化极限学习机的干旱预测研究

构建适用的干旱预测模型是保障用水安全与粮食安全的关键。针对极限学习机在干旱预测中存在稳定性差等问题,构建了分布估计算法优化极限学习机模型。基于海温指数优选出关键模型输入,以标准化降水蒸散发指数作为模型输出,对贵州省的干旱情势进行了预测。结果表明:标准化降水蒸散发指数是评价贵州省干旱的有效指数;海温指数是预测贵州省干旱的有效变量,且其具有良好的前兆指示作用,最大提前期长达15个月;同等条件下,分布估计算法优化极限学习机的预测效果优于遗传算法优化极限学习机,该模型可为贵州省的抗旱减灾工作提供技术支撑。

基于标准化降雨实际蒸散指数的重庆干旱预测模型构建

为构建区域干旱预测模型,以标准化降雨实际蒸散指数SPAEI为基础,基于双向长短期记忆神经网络模型(BiLSTM),将布谷鸟算法(CS)、孔雀算法(POA)、麻雀搜索算法(SSA)、野狗算法(CAP)、蝙蝠算法(BA)5种优化算法用于优化BiLSTM模型,选出了最优模型,结果表明:POA-BiLSTM在所有模型中精度最高,可推荐用于预测区域干旱。

基于EMD-GWO-LSTM模型的新疆标准化降水蒸散指数预测方法研究

干旱预测一直是干旱研究领域的重大挑战,提高干旱预测的准确性是解决干旱问题的关键。基于1961—2019年新疆34个气象站点月降水和月平均气温数据,计算得到标准化降水蒸散指数(Standardized Precipitation Evapotranspiration Index,SPEI),对新疆气象干湿变化进行分析,提出一种经验模态分解方法(empirical mode decomposition,EMD)-灰狼优化算法(grey wolf optimizer,GWO)-长短期神经网络(long short-term memory network,LSTM)的数据分解型干旱组合预测模型进行预测,并进行模型性能评价。结果表明:(1)干旱周期性变化整体呈现平稳且周期长的特点;(2)EMD能够有效优化数据的平稳性,GWO优化预测模型参数,组合模型的预测精度相较于单一预测模型有明显提高;(3)4个预测模型结果精度由高到低的排序为:EMD-GWO-LSTM、GWO-LSTM、GWO-支持向量回归(Support Vactor Regression,SVR)、LSTM,拟合优度分别为0.972、0.939、0.862、0.830,EMD-GWO-LSTM组合预测模型的预测精度优于其余3个预测模型。EMD-GWO-LSTM组合模型可有效提高气象干旱的预测精度,为新疆地区气象干旱预报及抗旱减灾工作提供了新的方法手段。

基于干旱风险评估与管理方法探析

干旱是影响和危害人类的最主要的灾害之一,每年在世界各地,干旱都时有发生,在中国的北方地区和南方的部分地区,由干旱导致的灾害也是频繁发生,由此可见,干旱所造成的水资源短缺给社会经济的影响非常之大。文章以辽北地区的抚顺和铁岭地区为例,采用历年的降水系列观测资料,对月、季度及年度降水对干旱特征进行了评估,结果表明:辽北地区冬春季易发生极端干旱,极端干旱的频率明显高于其他正常季节,同时提出了面临干旱发生时的应对措施。

华北地区农业干旱预测模型及其应用研究

对华北地区冬小麦进行了水分胁迫实验 ,确定了冬小麦光合作用速率对水分胁迫的响应曲线 ,提出了农业干旱指数和农业干旱预警指数两个基本概念 ,在此基础上建立了具有明确生物学机理的华北农业干旱预测数值模式。对北京、石家庄、郑州和济南 1 998年至 2 0 0 0年 432旬的农业干旱模拟结果表明 :农业干旱预警定性准确率为 90 .7% ,定量准确率在87.5 %左右 ;此外 ,模拟表明模式也可以对区域农业干旱进行准确有效的预测。利用 1 961～ 2 0 0 0年气象资料对北京等地区历年农业干旱进行数值分析 ,结果表明 :不同于大气干旱 ,在自然气象条件下 ,北京等地区作物生长期内几乎每年都存在农业干旱现象 ,特别是冬小麦灌浆至成熟期每年均存在一次较为严重的农业干旱胁迫过程 ,但农业干旱胁迫程度年际间存在一定波动 ,功率谱分析表明其具有 3～ 6年的周期变化规律。对平均气候状况下华北地区农业干旱进行了时空动态分析 ,结果发现在自然条件下 ,华北大部分地区冬小麦 4月下旬至 5月下旬 ,即大约在冬小麦开花、灌浆至成熟期 ,农业干旱胁迫指数存在一种自然的逐渐加强的动态过程 。

Kappa系数在干旱预测模型精度评价中的应用——以关中平原的干旱预测为例

Kappa系数较多地用在评价遥感影像分类精度中。通过对分类影像和参考影像逐个像元统计,并建立误差矩阵,可以较准确地验证遥感影像分类的精度。将Kappa系数引入到关中平原地区加权马尔可夫和自回归移动平均两种干旱预测模型的精度评价中,基于标准降水化指数和条件温度植被指数两种干旱指标,对干旱监测数据和模型预测数据建立误差矩阵,得到了错估误差、漏估误差、总体精度和Kappa系数。综合应用4种评价指标分析模型的预测结果表明,错估误差和漏估误差能够验证预测模型的局部适用性,总体精度在一定范围内不能够直接反映模型的预测精度,Kappa系数可以较精确地评价不同时空间尺度的干旱预测模型精度。当参与预测的样本数目增加到一定程度时,Kappa系数和总体精度基本相等,可以更准确地评价模型预测精度。

陕西省干旱预测预警技术及其应用

依据陕西省生态农业干旱相似区，将陕西省干旱预测预警划分为8个分区；利用中期或延伸期天气预报、土壤相对湿度观测值、地面植被等信息，分别建立了综合气象和综合农业干旱预测模型，开发了陕西省干旱预测预警系统平台，可逐日对全省97个气象站点未来的干旱演变进行滚动预测，在此基础上结合干旱预警条件分析及等级判识，进一步判断是否发布以及如何发布干旱预警信息。与实际出现的旱情相比，2007年的干旱预测准确率达88％～96％。

基于加权马尔可夫模型的标准化降水指数干旱预测研究

基于不同时间尺度标准化降水指数的干旱监测结果,以规范化的各阶自相关系数为权重,采用加权马尔可夫链方法对未来干旱状态进行预测和分析。以关中平原和渭北旱塬36个气象站39年逐月降水量为分析数据,系统地分析了该方法在不同时间尺度(从1个月到1年)上的预测能力及存在的问题。结果表明:对所选的5个时间尺度该方法都有一定的预测能力,并且随着时间尺度的增加,预测正确率也相应提高。同时,该方法对无旱的预测比较准确,对干旱的发生也有一定预测能力,可以作为早期干旱预警的参考。但是,该方法对干旱状态突变的预测能力较弱;随着干旱程度的加重其预测能力也逐渐降低。

多尺度标准化降水指数的ARIMA模型干旱预测研究

采用关中地区39 a的月平均降水量数据,计算了该地区不同时间尺度的标准化降水指数(SPI)值,运用ARIMA模型对SPI序列进行分析建模,并进行12步预测。结果表明,ARIMA模型对所有时间尺度的SPI 3、6、9序列可进行精度在10%以下的1步预测,对SPI 12、24序列可进行平均精度在10%以下的9步预测,说明ARI-MA模型较适合SPI 3、6、9序列的短期预测,适合SPI 12、24序列的长期预测。