基于条件植被温度指数的夏玉米生长季干旱预测研究

发布时间：2021-10-15 01:05

　　为验证条件植被温度指数（VTCI）在夏玉米生长季干旱预测中的适用性,以河北中部平原为研究区,应用求和自回归移动平均（ARIMA）模型及季节性求和自回归移动平均（SARIMA）模型,对该地区VTCI时间序列数据进行分析建模预测。首先基于49个气象站点所在像素的VTCI时间序列数据,选取不同长度时间序列建立ARIMA模型,并分析时间序列长度与预测精度间关系,以期为时间序列长度选择提供依据;然后选择理想长度的VTCI时间序列数据,分别建立ARIMA模型和SARIMA模型,用于研究区域2017年夏玉米生长季VTCI预测,并分析评价两模型预测精度;最后采用性能较好的ARIMA模型逐像素建模预测,得到2016—2018年9月上旬至下旬VTCI预测结果。结果表明:基于ARIMA模型的VTCI预测精度与时间序列长度未呈现明显的相关关系,但随时间序列长度增加,模型预测精度逐渐趋于稳定; ARIMA模型对干旱的预测精度高于基于SARIMA模型,其1步、2步、3步VTCI预测结果均方根误差较SARIMA模型分别降低0. 06、0. 07、0. 09; ARIMA模型在不同年份夏玉米生长季VTCI1～3步的预... 

【文章来源】：农业机械学报. 2020,51(01)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

研究区域位置及气象站点分布图

将VTCI遥感监测结果作为真值，应用绝对误差(Absolute error,AE)、平均绝对误差(Mean absolute error,MAE)与均方根误差(Root mean square error,RMSE)评价河北中部平原夏玉米生长季VTCI预测结果的精度，计算式为式中———第i个像素的VTCI预测值

根据ARIMA模型建模方法，首先分析49个气象站点所在像素的VTCI时间序列适合的模型结构，再由点及面，逐像素对研究区所有像素的VTCI时间序列进行模型定阶。以饶阳为例，其平稳化处理后VTCI时间序列的自相关系数及偏自相关系数(图3)未随延迟时期增加迅速衰减至零值附近作小值波动，均表现拖尾特征，表明序列适用ARMA(p,q)模型。自相关阶次p和移动平均阶次q可由低阶向高阶逐步试探，p、q的取值范围分别取1～3和0～2。依据AIC准则进一步进行模型优选，AIC值最小的模型即为该序列的最优模型。逐像素对研究区所有像素进行模型优选，得到ARIMA模型和SARIMA模型面上定阶结果(图4)。可以看出，ARIMA模型的定阶结果分布具有区域性，未出现“椒盐式”分布现象，表明相邻像素点干旱变化情况具有良好的相关性。廊坊市、沧州市、衡水市及石家庄东部等区域适合ARIMA(1,1,1)模型，模型形式较为一致。然而，保定市的模型形式存在ARIMA(1,1,1)、ARIMA(1,1,2)及ARIMA(2,1,1)等多种情况，表明受客观环境及人为因素的影响，同一地区不同像素VTCI时间序列反映的旱情特性也存在差异性，适用的模型形式可能不同。综上，逐像素确定ARIMA模型形式的方法较为合理。SARIMA模型的定阶结果分布虽呈现了类似的区域性特征，但适用的模型形式更为多样，大部分地区适用的模型为ARIMA(1,1,1)(0,1,0)9以及ARIMA(3,1,2)(0,1,0)9。整体来看，ARIMA模型定阶结果较SARIMA模型区域分布特征更为明确，相邻像素点间干旱变化状况相关性更强。


本文编号：3437150