区域旱情中长期预报及农业干旱风险综合评价

论文摘要

我国是一个水资源短缺的国家,随着社会经济的迅速发展和气候变迁,极端天气现象频繁发生,干旱成为威胁经济发展与农业生产的主要制约因素。因此,区域干旱预报和风险评价已变为人类关心的问题和研究重点,了解区域干旱发展规律、提前预知未来干旱演进趋势,了解区域干旱风险级别已成为抗旱减灾中最主要的研究内容之一。本文对干旱中长期预报和农业干旱风险等问题进行了研究,主要研究成果如下：（1）区域干旱演变规律分析本文归纳总结了干旱的定义、干旱的分类以及各种干旱类型的代表性指标,并根据SPI标准化降水指标能反映不同时间、空间尺度干旱的特点,将其作为干旱划分指标,以辽宁省朝阳地区为例,通过功率谱法,探索了朝阳地区的干旱周期和演变规律,最终得出朝阳地区的干旱呈现5年～10年的波动周期。（2）基于小波分解的干旱等级组合预测模型研究干旱最主要的影响因素是降水量,降水量本身呈现出趋势性、周期性和波动性的特征,基于小波理论较强的分解能力,首先应用小波理论对降水量的趋势性、周期性和波动性成分进行分离,然后采用不同的模型对各成分分别进行预测,将预测结果进行重构,作为最终的预测结果。对于较难预测的波动性成分,本文对影响因子进行了筛选,将筛选后的因子作为降水量波动分量预测的因子集合。与其它模型的对比结果表明,基于小波分解的降水量组合预测模型,降低了降水量值预测误差,提高了预测合格率。根据干旱分级标准,将降水量转换成干旱等级,实现了干旱等级的间接预测。（3）基于土壤水量平衡模型的土壤墒情模拟从年际、季节和垂向的角度,归纳总结了土壤墒情变化规律,得出土壤墒情不但与降水量的大小存在着密切的关系,还与降水的季节分布有关。针对土壤水量平衡模型中作物蒸散发量ET确定复杂的问题,应用BP神经网络对其进行了模拟,并将模拟结果应用于土壤墒情的模拟。结果表明,其模拟结果达到了与基于Penman-Monteith公式计算得到的ET对土壤墒情的模拟结果相近的水平。故在资料不完备情况下,将BP神经网络拟合得到的ET输入到土壤水量平衡模型中,进行土壤墒情预报的方法可行。（4）基于GFS降水预报信息的土壤墒情预报研究土壤墒情是衡量农业干旱较为重要的指标,若能提前预报土壤墒情,将为区域抗旱减灾提供更可靠的依据。本文基于GFS全球降水中期数值预报系统对无雨和少雨预报精度较高的特点,将其预报的降水信息用于逐旬土壤墒情的定量预报；在抗旱部署时,决策者最关心的问题是干旱发展程度、何时得以缓解,本文根据国家旱情划分标准,将定量预报结果转化为相应的干旱等级。结果表明,定性的干旱预报结果合格率较高,而后将量级预报结果应用于全省2009年8月份的干旱等级预报中,也得到了较满意的结果。（5）基于可变模糊集合的农业干旱风险综合评价基于农业干旱风险存在模糊性的特点,综合考虑区域干旱风险的危险性、暴露性、区域脆弱性及抗旱减灾能力,将可变模糊集合应用于农业干旱风险综合评价中,综合数学权重和主观权重确定指标综合权重,以朝阳地区为例,对区域农业干旱风险进行综合评价,并将该方法应用于辽宁省14个市的农业干旱风险综合评价中,形成全省农业干旱风险区划图。结果表明,可变模糊集合的应用为区域农业干旱风险评价提供了新的思路,全省干旱风险图的生成为区域未来的农业干旱风险管理及抗旱减灾决策提供了有力的理论支持和可靠的技术保障。最后,对全文进行了总结,并对有待于进一步研究的问题进行了展望。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 选题背景和研究意义
• 1.2 研究现状及发展趋势
• 1.2.1 干旱预测研究现状
• 1.2.2 土壤墒情预报研究现状
• 1.2.3 干旱评价研究现状
• 1.2.4 存在的问题及发展趋势
• 1.3 论文主要研究内容
• 1.3.1 论文研究内容
• 1.3.2 论文内容结构图
• 2 区域干旱演变规律分析
• 2.1 引言
• 2.2 研究区域简介
• 2.2.1 研究区域概况
• 2.2.2 研究区域历史上的干旱
• 2.3 干旱定义及干旱分类
• 2.3.1 干旱定义及特点
• 2.3.2 干旱分类
• 2.4 朝阳地区干旱规律分析
• 2.4.1 SPI（标准化降水指标）简介
• 2.4.2 朝阳地区旱情变化情况分析
• 2.5 朝阳地区干旱演进规律分析
• 2.5.1 各级旱情发生频率
• 2.5.2 朝阳地区干旱周期分析
• 2.6 本章小结
• 3 基于小波分解的干旱等级组合预测模型研究
• 3.1 问题的提出
• 3.2 降水智能组合预测模型
• 3.2.1 快速小波变换算法
• 3.2.2 时间序列模型简介
• 3.2.3 BP神经网络简介
• 3.2.4 降水量组合预测模型
• 3.3 实例分析
• 3.3.1 基于小波理论的年降水量分解
• 3.3.2 年降水量预测实例分析
• 3.3.3 结果分析
• 3.3.4 基于降水量的干旱等级预测
• 3.4 模型普适性检验
• 3.5 小结
• 4 基于土壤水量平衡模型的土壤墒情模拟
• 4.1 引言
• 4.2 土壤墒情变化规律分析
• 4.2.1 土壤墒情简介
• 4.2.2 农田土壤墒情的变化特征
• 4.3 土壤水量平衡模型
• 4.3.1 土壤水量平衡模型
• 4.3.2 作物蒸散发量计算方法
• 4.4 作物蒸散发量BP神经网络拟合模型
• 4.4.1 输入输出样本选取与模型设计
• 4.4.2 模型模拟结果分析
• 4.5 基于土壤水量平衡的土壤墒情模拟
• 4.5.1 基于土壤水量平衡模型的土壤墒情模拟结果
• 4.5.2 基于BP作物蒸散发量的土壤墒情模拟
• 4.6 小结
• 5 基于GFS降水预报信息的土壤墒情预报研究
• 5.1 引言
• 5.2 GFS降水量可利用性分析
• 5.2.1 GFS全球预报系统简介
• 5.2.2 基于降水量分级及旬降水预报值分析
• 5.2.3 枯水或严重干旱时段内GFS降水预报信息可利用性分析
• 5.3 基于GFS降水预报的土壤墒情预报研究
• 5.3.1 土壤含水量定量预报
• 5.3.2 基于土壤墒情的区域干旱等级预报
• 5.4 基于GFS的全省土壤墒情预报图
• 5.5 小结
• 6 基于可变模糊集合的农业干旱风险综合评价
• 6.1 引言
• 6.2 干旱风险简介
• 6.2.1 干旱风险定义
• 6.2.2 干旱风险组成
• 6.3 干旱风险综合评价指标体系的建立
• 6.3.1 干旱风险指标选取原则
• 6.3.2 干旱风险指标体系确定
• 6.3.3 干旱风险评价指标等级划分
• 6.4 农业干旱风险综合评价模型
• 6.4.1 可变模糊集合简介
• 6.4.2 指标体系权重的确定
• 6.5 应用实例
• 6.5.1 农业干旱风险指标获取
• 6.5.2 农业干旱风险指标权重的确定
• 6.5.3 区域农业干旱风险综合评价
• 6.5.4 干旱风险评价结果分析
• 6.5.5 辽宁省农业干旱风险区划
• 6.6 小结
• 7 结论与展望
• 7.1 结论
• 7.2 展望
• 参考文献
• 创新点摘要
• 攻读博士学位期间发表学术论文情况
• 致谢
• 作者简介