河南省农业干旱预测研究

发布时间：2020-08-04 18:31

【摘要】：干旱是对我国农业生产影响最大、最常见且分布范围最广的一种气候灾害。农业干旱预测不但是决策者做出减灾决策的重要依据,也是干旱防御的非工程措施之一。提前了解干旱趋势,调整农作物种植品种,制定有效抗旱减灾措施,对降低农业损失具有重要意义。河南是我国粮食主产区,准确的干旱预测对提升河南抵御干旱的综合防范能力有着重要意义。本文根据河南农业干旱情况,选取商丘,许昌,驻马店,安阳,孟津作为5个典型研究区,对河南省农业干旱情况进行研究。主要研究成果如下:(1)对现如今学术界最权威的三个干旱指数PDSI,SPI,SPEI进行综合分析,最终选取SPI,SPEI作为研究河南省农业干旱的干旱指数。(2)对典型代表区,运用MK检验法与滑动T检验法相结合的方法对降水与温度进行趋势性与突变性检验。研究发现,河南省豫东地区年降水量呈上升趋势,趋势性不显著;河南省豫西,豫北,豫中,豫南地区年降水量呈下降趋势,趋势性不显著。河南全省年平均温度有显著上升趋势,豫东地区年平均温度于1993年左右发生突变,豫南地区年平均温度于1996年左右发生突变,豫西地区年平均温度于2006年左右发生突变。(3)运用SPI指数,SPEI指数对河南省干旱规律进行分析,研究发现,相对于SPI指数,SPEI指数更适用于河南省农业干旱。现如今,SPEI指数的干旱划分标准在全国范围内仍使用统一标准。本文对此进行了改良,根据河南省农业干旱情况制定了更适用于河南省农业干旱的划分标准,创新性地提出针对河南不同地区,不同月份采用不同时间尺度,不同阈值的SPEI指数对农业干旱进行识别,正确率可以达到90%以上。(4)运用在水文时间序列上,较少被人使用的时间序列神经网络——NAR神经网络,在时间序列预测中,NAR神经网络作比传统的BP神经网络,REB神经网络预测性能更强。对5个研究区降水量与温度进行预测,根据预测出的降水与温度数据计算出SPEI指数对农业干旱进行预测。结果表明,NAR神经网络对预测期为三年内的河南省农业干旱预测准确率较高,NAR神经网络可以对河南农业干旱起到较好的预测作用。
【学位授予单位】：华北水利水电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：S423
【图文】：

技术路线图,技术路线

技术路线

时间序列,静态神经网络,反馈功能,动态神经网络

2 干旱定义与预测方法2 NAR 动态神经网络结构基于是否有反馈功能，可以将人工神经网络分为动态神经网络与静态神经网络，功能为动态神经网络，无反馈功能的为静态神经网络。反馈功能指通过神经网络设计使网络的输出值作为网络的输入值再次进入神经网络训练学习。即网络的输仅跟输入值有关，也跟之前的输出值有关。NAR 动态神经网络拥有这种对之前的记忆能力，因此对处理复杂的动态映射尤其是时间序列处理上有很大优势[61]。NAR 神经网络表达式为：y（ t ）= f(y(t - 1), y(t - 2), y(t - 3)...y(t - n))(2-其结构如图 2-1。

时间序列,商丘,年降水量,突变点

图 3-1 商丘 1954—2018 年降水量Figure 3-1 Precipitation in Shangqiu from 1954 to 2018对商丘1954—2018 年年平均降水量做突变性检验，对于长度为60多年的时间序列，选取 5 年为子序列的长度较为合理，即 n1=n2=5。MK 检验与滑动 T 检验如图 3-2,图 3-3所示。MK 检验中，突变点为 2018 年。滑动 T 检验中，当 n1=n2=5 时，统计量 t 只能算到 2013 年，所以 2018 年是可疑突变点，不能确定是否为真实突变点。

【参考文献】