基于ITD与信息熵的区域蒸发时序复杂性分析

发布时间：2023-05-25 02:33

　　蒸发序列复杂性分析对揭示区域水文系统非稳态与不确定性具有重要现实意义。以中国黑龙江省哈尔滨市为例,将本征时间尺度分解(Intrinsic time-scale decomposition,ITD)算法引入水文系统复杂性测度中,将其与信息熵(Information entropy,IE)结合,探讨逐月蒸发序列复杂性特征。结果表明,研究区月蒸发复杂性呈西高东低基本格局,哈尔滨市蒸发时序复杂性与海拔高度呈正相关,与水田面积、旱田面积、工业产值呈负相关,而人口密度对哈尔滨市蒸发复杂性影响较小;相较于小波熵与样本熵研究提出ITD-IE蒸发时序复杂性测度组合算法表现出更优异鲁棒性。研究成果提高水文序列复杂性测度结果准确性,揭示蒸发序列复杂性变异规律,可为哈尔滨市科学合理利用水资源与指导农业生产实践等提供理论支撑。

【文章页数】：11 页

【文章目录】：
1 研究区域及数据来源
    1.1 研究区域概况
    1.2 数据来源
2 研究方法
    2.1 本征时间尺度分解法
    2.2 信息熵理论
3 结果与分析
4 讨论
    4.1 原序列算法分析
    4.2 加入噪声算法稳定性分析
    4.3 蒸发序列复杂性分析在农业中应用
5 结论



本文编号：3822765