CN109934410A - 利用三维动态的干旱指标评估和预测大范围持续性干旱的方法 - Google Patents
利用三维动态的干旱指标评估和预测大范围持续性干旱的方法 Download PDFInfo
- Publication number
- CN109934410A CN109934410A CN201910201553.6A CN201910201553A CN109934410A CN 109934410 A CN109934410 A CN 109934410A CN 201910201553 A CN201910201553 A CN 201910201553A CN 109934410 A CN109934410 A CN 109934410A
- Authority
- CN
- China
- Prior art keywords
- arid
- duration
- drought
- wide range
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种利用三维动态的干旱指标评估和预测大范围持续性干旱的方法，包括：基于空间分辨率为0.1°×0.1°格点降水数据，动态地获取区域上连续达到干旱标准的格点，通过设置面积阈值，可以动态地获取空间上一致、时间上连续的大范围持续性（长历时）干旱过程，同时，从三维空间上获取干旱区内的干旱烈度、干旱峰值和干旱中心作为一次大范围持续性（长历时）干旱过程的其它参数。以此作为评估和预测大范围持续性（长历时）干旱过程的标准。
Description
技术领域
本发明涉及一种利用三维动态的干旱指标评估和预测大范围持续性干旱的方法，属于环保技术领域。
背景技术
干旱是一种主要的自然灾害，由于其发生频率高、持续时间长、影响范围广、后续影响大的特点，受到了广泛的关注。
干旱一般分为气象干旱、水文干旱、农业干旱和社会经济干旱4种类型，其中气象干旱是产生其它几类干旱的直接因素。
气象干旱事件通常使用干旱指标确定和评估干旱的程度。Palmer(1965)提出的Palmer干旱指数(Palmer Drought Severity Index，PDSI)、Mckee(1993)提出的标准化降水指数(Standardized Precipitation Index,SPI)、Vicente-Serrano(2010)提出的标准化降水蒸散指数(Standardized Precipitation Evapotranspiration Index,SPEI)、张强等(2006)发展的气象干旱综合指数(CI)等是我国常用的气象干旱指数，这些指数主要基于单站气象要素，可以很好地描述出现在单站的干旱状况。
当研究某一指定区域的干旱特征时，最常用的方法是对研究区内各站点干旱指数值取平均，从而得到对应的区域平均序列。然后，再基于上述干旱指标，研究区域干旱特征。
但是，一次大范围持续性(长历时)的干旱事件从开始、发展直到结束的过程是一种自然过程，用前述的干旱指标分析干旱过程时，虽有固定的起止时间，但是，干旱在空间上的动态分布特征却难以描述清楚。特别是基于区域平均的干旱评估，极大地坦化了干旱的强度，过大或过小地评估了干旱的面积，从而，弱化了干旱强度的评估和区域影响。因此，改善区域干旱评估和分析技术，是很有必要的。
大范围持续性(长历时)干旱事件作为区域性干旱事件中一类特殊的干旱事件，面积多大，可谓为大范围干旱过程；持续时间有多长，才是持续性(长历时)干旱；由于干旱在空间分布是动态变化的，因此，干旱范围不是固定值。在不固定的干旱范围上，干旱持续时间的确定也有难度。因此，大范围持续性(长历时)干旱事件是一种尚未明确的干旱过程，目前尚无好的方法来准确的评估和预测大范围持续性(长历时)干旱。
发明内容
目的：为了克服现有技术中存在的不足，本发明提供一种利用三维动态的干旱指标评估和预测大范围持续性干旱的方法。
技术方案：为解决上述技术问题，本发明采用的技术方案为：
一种利用三维动态的干旱指标评估和预测大范围持续性干旱的方法，包括：
基于构建的三维动态的干旱指标，基于空间分辨率为0.1°×0.1°格点降水数据，动态地获取区域上连续达到干旱标准的格点，通过设置面积阈值，动态地获取空间上一致、时间上连续的大范围持续性(长历时)干旱过程，同时，从三维空间上获取干旱区内的干旱烈度、干旱峰值和干旱中心作为一次大范围持续性(长历时)干旱过程的参数；动态地评估大范围持续性(长历时)干旱的强度和空间演变规律，跟踪干旱轨迹，从而实现对大范围持续性(长历时)干旱的评估和预测。
其中，构建三维动态的干旱指标，三维动态的干旱指标包括参数：干旱面积指数、干旱历时指数、大范围持续性(长历时)干旱烈度指数、大范围持续性(长历时)干旱峰值指数、大范围持续性(长历时)干旱中心；
(1)干旱面积指数IA：同一大范围持续性(长历时)干旱事件从其开始时间到干旱结束时间内(即在干旱历时ID之内)，逐日干旱格点数累积和与干旱历时的比值。
(2)干旱历时指数ID：同一大范围干旱事件开始到结束的时间间隔。
IA和ID两个指数相互关联，相关影响，其确定过程也是大范围持续性(长历时)干旱事件的动态识别过程。
(3)大范围持续性(长历时)干旱烈度指数IS：一次大范围持续性(长历时)干旱事件过程中，各个格点的干旱烈度的累积和。
(4)大范围持续性(长历时)干旱峰值指数Ip：一次大范围持续性(长历时)干旱事件过程中，所有达到特旱标准(SPI≤-2.0)的格点SPI值的累积和。
(5)大范围持续性(长历时)干旱中心C：一次大范围持续性(长历时)干旱事件过程中，t时刻(t＝1,2,3,…,ID)逐日SPI值最小的格点作为t时刻的干旱中心。
IS、Ip和C三个参数指标是一次大范围持续性(长历时)干旱事件的过程参数，可以刻画干旱事件的时空分布和演变特征，便于对不同大范围持续性(长历时)干旱事件进行比较。
基于上述三维动态的干旱指标，动态地评估大范围持续性(长历时)干旱的强度和空间演变规律，跟踪干旱轨迹，从而实现对大范围持续性(长历时)干旱的科学预测和研究。
有益效果：本发明提供的利用三维动态的干旱指标评估和预测大范围持续性干旱的方法，具有以下优点：构建了三维动态的干旱指标，提供了大范围持续性(长历时)干旱三维、动态指标的定义方法，实现了对不同地区的大范围持续性(长历时)干旱事件的统一定义，既反映了干旱事件在空间上的连续性和在时间上的持续性，也反映了干旱事件的自然演变过程，从而实现动态地识别大范围持续性(长历时)干旱过程，有助于对干旱事件演变及规律的认识和研究，对预测干旱和评估干旱影响有很大的作用。
具体实施方式
下面结合具体实施例对本发明作更进一步的说明。
为了更好地定义大范围持续性(长历时)干旱指标，首先需要对大范围持续性(长历时)干旱事件进行识别。考虑到站点数据分布不均匀的情况，采用格点降水数据进行计算。格点降水数据为中国气象数据网提供的中国自动站与CMORPH降水产品融合的逐时降水量网格数据集(V1.0)，空间范围为70°E-140°E，15°N-60°N，空间分辨率为0.1°×0.1°。在计算时，首先将逐小时的降水数据累加到日尺度，然后分别计算各个格点的逐日标准化降水指数SPI，作为我国大范围持续性(长历时)干旱事件识别的基础序列。以SPI≤-0.5作为某格点发生干旱的初始阈值。
为识别大范围持续性(长历时)干旱事件，定义如下指标。
(1)干旱面积指数IA(Index of area)
定义干旱面积指数IA为同一大范围持续性(长历时)干旱事件从其开始时间到结束时间(即干旱历时ID)内，逐日干旱格点数累积和与干旱历时的比值。
考虑干旱范围随时间变化的因素，因此，每个干旱日的范围可能不同。以t时刻(某日)发生大范围干旱事件的格点占全国总格点数的百分比，为t时刻的干旱面积指数，用IA(t)表示。考虑我国的面积及区域差异，以10％作为面积指数的阈值。为了保证t时刻识别得到的干旱事件在空间上具有连续性，以t时刻达到干旱阈值标准的所有格点中SPI值最小的格点作为起始格点，以此格点为中心向外拓展，将空间上连续达到干旱标准的格点纳入统计范围，如果统计的格点总数占全国格点的比例达到阈值10％，则认为t时刻发生了大范围干旱事件；如果统计的格点总数占全国格点的比例达到阈值14％，则认为t时刻发生了极端大范围干旱事件。
阈值10％和14％的确定是基于中国各省面积来确定的。表1是中国各省(直辖市)的面积表，可以看到，除了新疆、西藏、内蒙古三个省的面积达到并超过了10％以外，其余各省(除青海之外)面积均小于5％。华北地区(包括山东、山西、河北、河南、内蒙古自治区、北京市和天津市)的面积占全国面积的17.5％左右，如果不包括内蒙古自治区在内，华北地区的面积只有5.2％左右。中国西南地区(云南、贵州、四川、广西和重庆市)占全国的面积达到了14.1％左右。中国东部及华南沿海地区(江苏、浙江、福建、广东和广西)占全国的面积达到了7.9％左右。华中地区(河南、湖北、湖南三省)只有5.8％左右。只有涉及西北和内蒙古地区时，占中国的面积才能达到一个比较大的比例。因此，干旱面积阈值分别取10％和14％作为大范围和极端大范围的代表，应当是比较合适的数值。
表1中国各省(直辖市)面积表
注：数据来源于https://baike.baidu.com/item/中国各省概况。
由于选取的气象数据是以格点为单位的数值，因此，达到干旱标准，同时空间上连续的格点数占全国区域总格点数10％和14％的区域，分别作为大范围和极端大范围干旱的面积指数的阈值。
为了保证识别的大范围干旱事件在时间上的连续性，基于Sheffield等(2009)和Wang等(2011)的研究结果，设置15万km2(约为1500个0.1°×0.1°格点)为最小重叠面积阈值，即t时刻和t+1时刻均发生干旱，同时干旱重叠面积大于等于15万km2(约等于全国格点总数的1.5％左右)时，属于在时间上连续的同一大范围干旱事件。
当局地短暂出现降水时，会对局地干旱起到缓解作用，对应的IA(t)会可能会短暂小于10％。因此，考虑上述情况，同时保证干旱事件的连续性，设置干旱面积指数阈值的一半(5％)作为同一大范围干旱事件过程中，干旱面积指数的下界值，即在干旱事件持续过程中，IA(t)的值由大于等于10％转为介于5％～10％之间，且持续时间不超过5d，之后又转为大于等于10％时，则认为该干旱事件持续存在，需要连续统计干旱历时。
(2)干旱历时指数ID(Index of duration)
定义干旱历时指数ID为同一大范围干旱事件开始到结束的时间间隔。
大范围干旱事件开始的标志是IA(t)≥10％，结束的标志是IA(t)＜10％。由于干旱的区域是动态的，并不是一个固定值，干旱历时的确定既要保证大范围干旱区内，干旱历时达到一个相当长的时间，又要考虑干旱对区域内的影响，这种影响我们可以以作物或植物的生长期为依据。因此，大范围持续性(长历时)干旱事件的干旱历时是与其干旱面积相互关联的。
首先确定大范围干旱事件内包含的各个格点的干旱历时，用ID(j)(j＝1，2，3，...，n，n为同一次大范围干旱事件中，包含的格点总数)表示。
其次，提取j格点上干旱序列。以j格点上日序列SPI＜-0.5开始统计，连续统计SPI≤-0.5的日数，如果SPI值稳定地、连续地＞-0.5，则以记为干旱终止，将这样的持续时间作为j格点上的一次干旱事件的历时。统计j格点上所有的干旱过程历时，形成j格点上的干旱历时序列。统计j格点干旱历时序列的频率分布，以达到第80％百分位的干旱历时作为j格点的一般长历时阈值，记为ID(j)80％；以达到第90％百分位的干旱历时作为j格点的极端长历时阈值，记为ID(j)90％。由此，可得到该格点的两个干旱历时阈值，即达到80％和90％的干旱历时日数值ID(j)80％和ID(j)90％。
同时，以干旱对农业的影响为依据，考虑干旱历时长度。由于农业上常常以季节为单位讨论干旱的影响，例如，冬季干旱影响作物的播种、出苗和生长发育；春季干旱影响播种、插秧、影响春收作物后期的正常生长，延迟果树的发芽时间和降低发育势；夏季干旱影响夏种作物的出苗和生长，影响早稻和春玉米正常灌浆及晚稻的移栽成活；秋季干旱影响晚稻、其他秋收作物的生长发育，最终导致农作物产量下降。因此，农业干旱历时的阈值以3个月(平均以90天计算)为最小阈值，记为ID，90。
最后，以j格点(j＝1，2，3，...，n)对应的ID(j)80％、ID(j)90%和ID，90作为该格点干旱历时的约束条件，对ID(j)进行识别干旱历时分类：
①当ID，90≥ID(j)90％时，若ID(j)≥ID，90，则j格点发生了极端持续性(长历时)干旱；
②当ID(j)90％≥ID，90≥ID(j)80％时，若ID(j)90％≥ID(j)≥ID，90，则j格点发生了一般持续性(长历时)干旱，若ID(j)≥ID(j)90％，则j格点发生了极端持续性(长历时)干旱；
③当ID(j)80％≥ID，90时，若ID(j)≥ID(j)80％，则j格点发生了一般持续性(长历时)干旱，若ID(j)≥ID，90，则j格点发生了极端持续性(长历时)干旱。
用m80％和m90％分别表示干旱区域内一般持续性(长历时)干旱格点数和极端持续性(长历时)格点数。如果m80％与IA范围内的格点比值≥80％，而m90％与IA范围内的格点比值≤10％，则认为ID为一般持续性(长历时)干旱过程；如果IA范围内m90％与IA范围内的格点比值≥50％，则认为ID为极端持续性(长历时)干旱过程。
(3)大范围持续性(长历时)干旱烈度指数IS(Index of severity)
一次大范围持续性(长历时)干旱事件过程中，各个格点对应的干旱指数与阈值标准的差值的累积和，分别表示各个格点的干旱烈度，用IS(j)(j＝1，2，3，...，n)表示第j个格点的干旱烈度。将各个格点的干旱烈度的累积和定义为大范围持续性(长历时)干旱烈度IS。
为了更好地比较和划分不同大范围持续性(长历时)干旱事件，计算各次大范围持续性(长历时)干旱事件的干旱烈度指数IS的距平百分率(用ISP表示)，作为不同的大范围持续性(长历时)干旱事件的比较和划分指标。大范围持续性(长历时)干旱等级及ISP指标各等级之间的阈值标准如表2所示。
表2大范围持续性(长历时)干旱等级标准(以ISP作为指标)
| 干旱等级 | I<sub>SP</sub> |
| 轻旱 | I<sub>SP</sub>＜20％ |
| 中旱 | 20％≤I<sub>SP</sub>＜50％ |
| 重旱 | 50％≤I<sub>SP</sub>＜70％ |
| 特旱 | 70％≤I<sub>SP</sub>＜90％ |
| 极旱 | I<sub>SP</sub>≥90％ |
(4)大范围持续性(长历时)干旱峰值指数Ip(Index of peak)
为了比较不同大范围持续性(长历时)干旱事件的峰值特征，在一次大范围持续性(长历时)干旱过程内，将每个格点上所有达到特旱标准(SPI≤-2.0)的SPI值累积求和，以该值作为大范围持续性(长历时)干旱峰值指数Ip。
(5)大范围持续性(长历时)干旱中心C(Center of drought)
为了反映一次大范围持续性(长历时)干旱事件过程内干旱中心的迁移过程，将t时刻(t＝1,2,3,…,ID)n个格点中逐日SPI值最小的格点作为t时刻的干旱中心。若同一时刻逐日SPI值最小的格点不唯一(假设有k个)，则取相对处于k个格点中心的格点作为干旱中心。跟踪每一时刻的C值，便可求得此次大范围持续性(长历时)干旱中心的迁移轨迹。
本方法定义的三维、动态、多参数描述的干旱过程，可以很好地刻画干旱在空间分布的演变特征，识别干旱中心及中心强度的分布及演变规律，对科学准确地评估干旱在水文上、在农业上，及其在其它多方面的影响，有显著的作用和效果。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种利用三维动态的干旱指标评估和预测大范围持续性干旱的方法，其特征在于，包括：
构建三维动态的干旱指标，其中，包括参数：干旱面积指数、干旱历时指数、大范围持续性干旱烈度指数、大范围持续性干旱峰值指数、大范围持续性干旱中心；
基于构建的三维动态的干旱指标，基于空间分辨率为0.1°×0.1°格点降水数据，动态地获取区域上连续达到干旱标准的格点，通过设置面积阈值，动态地获取空间上一致、时间上连续的大范围持续性干旱过程，同时，从三维空间上获取干旱区内的干旱烈度、干旱峰值和干旱中心作为一次大范围持续性干旱过程的参数；动态地评估大范围持续性干旱的强度和空间演变规律，跟踪干旱轨迹，从而实现对大范围持续性干旱的评估和预测。
2.根据权利要求1所述的利用三维动态的干旱指标评估和预测大范围持续性干旱的方法，其特征在于，
干旱面积指数I A：同一大范围持续性干旱事件从其开始时间到干旱结束时间内，即在干旱历时I D之内，逐日干旱格点数累积和与干旱历时的比值；
干旱历时指数I D：同一大范围干旱事件开始到结束的时间间隔。
3.根据权利要求2所述的利用三维动态的干旱指标评估和预测大范围持续性干旱的方法，其特征在于，I A和I D两个指数相互关联，相关影响，其确定过程是大范围持续性干旱事件的动态识别过程。
4.根据权利要求2所述的利用三维动态的干旱指标评估和预测大范围持续性干旱的方法，其特征在于，大范围持续性干旱烈度指数I S ：一次大范围持续性干旱事件过程中，各个格点的干旱烈度的累积和。
5.根据权利要求2所述的利用三维动态的干旱指标评估和预测大范围持续性干旱的方法，其特征在于，大范围持续性干旱峰值指数I p ：一次大范围持续性干旱事件过程中，所有达到特旱标准的格点标准化降水指数SPI值的累积和。
6.根据权利要求5所述的利用三维动态的干旱指标评估和预测大范围持续性干旱的方法，其特征在于，特旱标准为标准化降水指数SPI值≤-2.0。
7.根据权利要求2所述的利用三维动态的干旱指标评估和预测大范围持续性干旱的方法，其特征在于，大范围持续性干旱中心C：一次大范围持续性干旱事件过程中， t时刻逐日SPI值最小的格点作为t时刻的干旱中心，其中t=1,2,3,…,I D 。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910201553.6A CN109934410A (zh) | 2019-03-18 | 2019-03-18 | 利用三维动态的干旱指标评估和预测大范围持续性干旱的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910201553.6A CN109934410A (zh) | 2019-03-18 | 2019-03-18 | 利用三维动态的干旱指标评估和预测大范围持续性干旱的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109934410A true CN109934410A (zh) | 2019-06-25 |
Family
ID=66987446
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910201553.6A Withdrawn CN109934410A (zh) | 2019-03-18 | 2019-03-18 | 利用三维动态的干旱指标评估和预测大范围持续性干旱的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109934410A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112712024A (zh) * | 2020-12-28 | 2021-04-27 | 华南理工大学 | 一种基于三维结构的干旱对净初级生产力影响的评估方法 |
| CN113761721A (zh) * | 2021-08-17 | 2021-12-07 | 中国科学院新疆生态与地理研究所 | —种基于栅格数据快速识别极端高/低温事件的方法 |
| CN115331215A (zh) * | 2022-10-18 | 2022-11-11 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种干旱事件的三维识别和匹配方法及装置 |
-
2019
- 2019-03-18 CN CN201910201553.6A patent/CN109934410A/zh not_active Withdrawn
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112712024A (zh) * | 2020-12-28 | 2021-04-27 | 华南理工大学 | 一种基于三维结构的干旱对净初级生产力影响的评估方法 |
| CN113761721A (zh) * | 2021-08-17 | 2021-12-07 | 中国科学院新疆生态与地理研究所 | —种基于栅格数据快速识别极端高/低温事件的方法 |
| CN113761721B (zh) * | 2021-08-17 | 2024-04-19 | 中国科学院新疆生态与地理研究所 | 一种基于栅格数据快速识别极端高/低温事件的方法 |
| CN115331215A (zh) * | 2022-10-18 | 2022-11-11 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种干旱事件的三维识别和匹配方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Spatial and temporal trends of climate change in Xinjiang, China | |
| Stahl | Hydrological drought: A study across Europe | |
| CN109934410A (zh) | 利用三维动态的干旱指标评估和预测大范围持续性干旱的方法 | |
| Wang et al. | Analysis of the spatiotemporal variability of droughts and the effects of drought on potato production in northern China | |
| Du et al. | Spatial-temporal pattern changes of main agriculture natural disasters in China during 1990–2011 | |
| Zhang et al. | Spatial pattern and decadal change of agro-meteorological disasters in the main wheat production area of China during 1991–2009 | |
| CN112837169B (zh) | 一种干旱过程网格化旱情综合监测、预警与评估方法 | |
| Wang et al. | Detecting evolution trends in the recorded runoffs from the major rivers in China during 1950–2010 | |
| Cheng et al. | Cold damage risk assessment of double cropping rice in Hunan, China | |
| Hussain et al. | Observed trends and variability of seasonal and annual precipitation in Pakistan during 1960–2016 | |
| Xia et al. | Trends in the daily and extreme temperatures in the Qiantang River basin, China. | |
| ZUO et al. | Spatial exploration of multiple cropping efficiency in China based on time series remote sensing data and econometric model | |
| Zhenxiang et al. | Characteristics and risk assessment of agricultural meteorological disasters based on 30 years’ disaster data from Heilongjiang Province of China | |
| Yang et al. | Drought evolution characteristics and attribution analysis in northeast China | |
| Li et al. | Effects of ecological projects on vegetation in the Three Gorges Area of Chongqing, China | |
| Shi et al. | Regional characteristics of the interdecadal turning of winter/summer climate modes in Chinese mainland | |
| Liu et al. | Assessing maize drought hazard for agricultural areas based on the fuzzy gamma model | |
| Lv et al. | Effects of Climate Change and Human Activity on Runoff in a Typical Loess Gullied-Hilly Region Watershed. | |
| Takáč | Assessment of drought in agricultural regions of Slovakia using soil water dynamics simulation | |
| Huang et al. | The vulnerability assessment method for Beijing Agricultural Drought | |
| Zhang et al. | Spatiotemporal characteristics of regional precipitation events in the Jing‐Jin‐Ji region during 1989–2018 | |
| Hasan et al. | Analysis of the statistical behavior of daily maximum and monthly average rainfall along with rainy days variation in Sylhet, Bangladesh | |
| Tanrıverdi et al. | Precision of drought based on the TOPSIS method. | |
| Liu et al. | Study on spatial-temporal dynamic change of vegetation coverage and its influencing factors in blue economic zone of Shandong Peninsula: taking Qingdao as a case | |
| Wang et al. | Spatiotemporal variations in drought and waterlogging and their effects on maize yields at different growth stages in Jilin Province, China |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190625 |
|
| WW01 | Invention patent application withdrawn after publication |