CN110059915A - 一种冬小麦气象灾害综合风险动态评价方法及装置 - Google Patents
一种冬小麦气象灾害综合风险动态评价方法及装置 Download PDFInfo
- Publication number
- CN110059915A CN110059915A CN201910154278.7A CN201910154278A CN110059915A CN 110059915 A CN110059915 A CN 110059915A CN 201910154278 A CN201910154278 A CN 201910154278A CN 110059915 A CN110059915 A CN 110059915A
- Authority
- CN
- China
- Prior art keywords
- disaster
- parameter
- winter wheat
- risk
- disastrous
- 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.)
- Granted
Links
- 241000209140 Triticum Species 0.000 title claims abstract description 89
- 235000021307 Triticum Nutrition 0.000 title claims abstract description 89
- 238000011156 evaluation Methods 0.000 title claims abstract description 62
- 238000011161 development Methods 0.000 claims abstract description 26
- 230000001939 inductive effect Effects 0.000 claims description 49
- 238000000034 method Methods 0.000 claims description 21
- 238000013210 evaluation model Methods 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000006735 deficit Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 230000010485 coping Effects 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims description 2
- 230000012010 growth Effects 0.000 abstract description 22
- 230000007246 mechanism Effects 0.000 abstract description 9
- 238000012502 risk assessment Methods 0.000 abstract description 7
- 230000008635 plant growth Effects 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000009466 transformation Effects 0.000 abstract description 3
- 230000008859 change Effects 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 abstract description 2
- 230000010354 integration Effects 0.000 abstract 1
- 238000013139 quantization Methods 0.000 abstract 1
- 230000018109 developmental process Effects 0.000 description 21
- 239000002689 soil Substances 0.000 description 18
- 238000009331 sowing Methods 0.000 description 18
- 230000015572 biosynthetic process Effects 0.000 description 8
- 239000001963 growth medium Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000012271 agricultural production Methods 0.000 description 3
- 235000013339 cereals Nutrition 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003698 anagen phase Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000036512 infertility Effects 0.000 description 2
- 208000000509 infertility Diseases 0.000 description 2
- 231100000535 infertility Toxicity 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000003892 spreading Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种冬小麦气象灾害综合风险动态评价方法及装置,为了减低冬小麦的气象灾害风险,综合冬小麦的全生育阶段以及影响其发育生长的气象灾害,结合区域自动气象站观测动态数据,以综合风险评价模型为基础,实现了冬小麦主要气象灾害的综合风险动态评价,提高了风险评价的准确性以及动态性,能够准确的提前预警冬小麦的灾害发生,实现从应对单一灾种向综合减灾转变,从减少灾害损失向减轻灾害风险转变,实现了针对不同时段多灾组合的诱发因子、综合危险评定、危害影响效益、综合集成量化比较,实现了基于作物生长机理和灾害形成机制的动态定量风险评价,评价结果能够满足气象灾害预警和防灾减灾工作的现实需要。
Description
技术领域
本公开涉及植物生长环境风险评价与农业生产风险评估领域,具体涉及一种冬小麦气象灾害综合风险动态评价方法及装置。
背景技术
冬小麦主要种植地在华北地区,是气象灾害多发地,冬小麦生育期恰逢华北地区干旱少雨的冬春季节,干旱、干热风、倒春寒等气象灾害影响着冬小麦的生育与收成,造成粮食减产。当前的风险评价方法主要有以下两方面的问题,(1)针对单一灾种的农作物风险评价技术已经颇为成熟,也得到广泛的运用。但是作物在整个发育期会受到多种气象灾害的威胁,在不同生长发育阶段对灾害的耐受能力也存在显著差异。而且由于一个发育阶段内可能发生多种气象灾害,不同气象灾害对作物的危害机理有所不同。由此可见针对不同时段多灾组合的诱发因子、综合危险评定、危害影响效益等等,都未得到有效的解决。(2)目前开展的关于农业气象灾害的风险评价仍以静态评价为主,缺乏基于作物生长机理和灾害形成机制的动态定量风险评价,评价结果无法满足气象灾害预警和防灾减灾工作的现实需要。
发明内容
本公开提供一种冬小麦气象灾害综合风险动态评价方法及装置,为了减低冬小麦的气象灾害风险,综合冬小麦的全生育阶段(播种期、起身期、拔节期、开花期、灌浆期、成熟期)以及影响其发育生长的气象灾害(干旱、干热风、倒春寒),结合区域自动气象站观测动态数据,以综合风险评价模型为基础,以区县为评价单元,天为步长。
为了实现上述目的,根据本公开的一方面,提供一种冬小麦气象灾害综合风险动态评价方法,所述方法包括以下步骤:
步骤1,确定灾害计算指标;
步骤2,通过灾害计算指标建立灾害频度评价模型;
步骤3,根据灾害频度评价模型构建综合风险评价模型;
步骤4,通过综合风险评价模型计算出综合风险值;
步骤5,将综合风险值分类并判断是否推送消息;
步骤6,若发现有新一笔监测数据时,跳转到步骤2,若无新的监测数据,结束评价流程。
进一步地,在步骤1中,所述灾害计算指标包括干旱计算指标、干热风计算指标、倒春寒计算指标。
进一步地,在步骤1中,确定灾害计算指标包括以下步骤:
步骤1.1,确定干旱计算指标:通过CWDI(作物水分亏缺指数)来反映冬小麦的干旱程度,综合冬小麦不同发育阶段,其作物水分亏缺指数如下所示:
式中,CWDIi为第i个发育阶段的水分亏缺指数,即干旱计算指标,i=0~3,其中i=0表示底墒形成期(播种期之前),i=1表示生长前期(播种期—起身期),i=2表示生长中期(拔节期—开花期),i=3表示生长后期(灌浆期—成熟期),注:(底墒形成是播种期之前土壤水分的形成阶段,不是冬小麦生育阶段,本公开也计入指标),其中,Pi为第i个发育阶段内的累积降水量(单位:mm);ETmi为第i个发育阶段冬小麦累积潜在蒸散量(单位:mm),
ETmi=c×ET0,
式中kc为发育阶段内的作物系数,ET0为逐日蒸散量,据Penman-Monteith公式可得ET0:
式中ET0为参考作物的逐日蒸散量(单位:mm/d);Rn和G分别表示地表净辐射和土壤热通量(单位:MJ/(m2·d)),es和ea分别表示饱和水气压和实际水汽压(单位:kPa),Tmean表示日平均气温(单位:℃),U2表示2m高处风速(单位:m/s),Δ表示饱和水气曲线斜率(单位:kPa/℃);γ表示干湿表常数(单位:kPa/℃),当CWDIi>30时,则干旱计算指标出现有一次干旱灾害,即干旱计算指标导致的灾害出现一次。
步骤1.2,确定干热风计算指标:干热风多发类型为高温低湿型,因此采用气象行业标准有关小麦干热风灾害等级标准中规定的温度、湿度及风速组合作为冬小麦干热风日等级阈值确定轻、重干热风的发生日数:根据行业标准中干热风灾害等级标准的确定方法,1个重干热风日的影响为2个轻干热风日的影响程度,采用轻重干热风日的灾害贡献权重计算得出DHWI(干热风加权日数):
DHWIi=i+2bi,
其中,DHWIi为第i年干热风加权日数,i=1~n,n≥50年,n根据为地方统计年鉴中的最长期限确定,即干热风计算指标,ai为轻干热风日数,bi为重干热风日数,当DHWIi>112,即干热风灾害出现一次,即干热风计算指标导致的灾害出现一次;
步骤1.3,确定倒春寒计算指标:根据倒春寒的定义《GBT 34816-2017倒春寒气象指标》,规定倒春寒的气象指标由前期气温偏暖程度、后期气温偏冷程度(日平均气温距平)和持续时间3个因子组成,倒春寒气象指标的计算公式:
式中,K为倒春寒气象指标,δT1为前期偏暖程度,δT2为后期偏冷程度,L为倒春寒过程持续天数,a1、a2、a3分别为参数,经过多次调整,a1、a2、a3取值分别为4、2、10时,指标计算结果与灾害实际发生程度最为接,农业气象试验指出,倒春寒气象指标K≥3时,倒春寒灾害出现一次,即倒春寒计算指标导致的灾害出现一次。
进一步地,在步骤2中,通过灾害计算指标建立灾害频度评价模型的方法为:由于冬小麦在整个发育期会受到多种气象灾害的威胁,所以在不同生长发育阶段对灾害的耐受能力存在显著差异,而且由于一个发育阶段内可能发生多种气象灾害,不同气象灾害对冬小麦的危害机理有所不同。因此以干旱、干热风和倒春寒为致灾因子,将冬小麦全生育期划分成以下阶段,即底墒形成期(播种期之前)、生长前期(播种期—起身期)、生长中期(拔节期—开花期)、生长后期(灌浆期—成熟期),构建冬小麦的灾害频度评价模型,如下式所示:
其中,灾害频度为fi,|Si,j|为致灾因子的出现灾害次数之和,Si,j表示第j个发育阶段第i种致灾因子导致的灾害出现次数,即致灾因子的计算指标出现灾害的出现次数,i=0~2,i=0时致灾因子的指标值为干旱计算指标、i=1时致灾因子的指标值为干热风计算指标、i=2时致灾因子的指标值为倒春寒计算指标,a为特征指数,(a取值范围为0~1之间),小于等于1,即a越大,分布越密集,在本发明的一个实施例中,根据二八定律,a取值为0.2;j=0表示底墒形成期(播种期之前),j=1表示生长前期(播种期—起身期),j=2表示生长中期(拔节期—开花期),j=3表示生长后期(灌浆期—成熟期),注:(底墒形成是播种期之前土壤水分的形成阶段,不是冬小麦生育阶段,本公开也计入指标),参数c计算方法如下式所示:
进一步地,将满足fi分布的致灾因子按灾害频度在一个生育阶段中降序排列,其位序与对应的次数在双对数坐标下的关系为直线。为分析灾害频度fi的分布是否服从fi分布,对致灾因子fi的大小在一个生育阶段中降序排列,并在双对数坐标下考察致灾因子的位序与灾害频度fi之间的关系,当灾害频度为正常无灾时,致灾因子的位序与灾害频度fi在双对数坐标下的关系应该服从一条直线。
进一步地,在步骤3中,根据灾害频度评价模型构建综合风险评价模型的方法为:由于冬小麦的灾害蔓延性评价包括对外部灾害的灾害频度,即冬小麦受到不利气象条件影响的概率,从而导致周边冬小麦产量损失的程度,所以构建冬小麦的综合风险评价模型如下:
步骤3.1,构建致灾因子分布的概率密度函数P(x)为:
式中,Yk表示评价单元第k年的冬小麦单产(单位:kg/ha);表示评价单元n年(n≥50年)平均粮食单产(单位:kg/ha),0≤k≤n,冬小麦单产及粮食产量数据来源于地方统计年鉴,Xi,j表示第j个发育阶段第i种致灾因子的指标值,i=0~2,i=0时致灾因子的指标值为干旱计算指标、i=1时致灾因子的指标值为干热风计算指标、i=2时致灾因子的指标值为倒春寒计算指标,其中j=0表示底墒形成期,j=1表示生长前期,j=2表示生长中期,j=3表示生长后期,计算Xi,j时,c为常量(c取值范围为0~1之间),在本实施例中,c=0.8;
步骤3.2,构建累积分布函数为:对于按灾害频度的大小在一个生育阶段中降序排列的N个致灾因子,令pi表示第i个致灾因子的灾害频度1≤i≤N,有:其中i表示灾害频度大于或等于pi的致灾因子的指标值。根据累积分布函数Pc(x),有将上式两边取自然对数,则有因此,灾害频度的分布可表示为:pi c=-alni+b,其中,a=Xi,j c,b=p1 c,由于b是归一化参数,因此分布的形状由c决定,c在0到1之间取值,a为双对数坐标下灾害频度的分布构成直线斜率的负数,由于灾害频度的最小值为1,因此可假定pN=1,参数b则表示为:b=alnN+1。
步骤3.3,确定冬小麦的综合风险评价模型为:
进一步地,通过综合风险评价模型计算出综合风险值pi c,综合风险值pi c的大小,标志着一个区域与周边区域的农业生产水平的高低,生产水平越高,对灾害的抵抗能力高,灾后恢复能力越强;
进一步地,在步骤5中,使用自然分类法(Natural Breaks attributeclassification)属性分类方法,结合不同地方的实际情况,按照综合风险值的高低(取值范围为0~1)把评价单元分为五类:低风险区、较低风险区、中度风险区、较高风险区和高风险区。
以天津市为例:
当综合风险值小于等于0.30时,为低风险区,此时无需应对消息推送消息。
当综合风险值为0.30~0.42时,为较低风险区,此时推送信息给养护人员提醒消息。
当综合风险值为0.43~0.54时,为中度风险区,此时发出橙色警报消息。
当综合风险值为0.55~0.59时,为较高风险区,此时发出黄色警报消息。
当综合风险值为大于0.59时,为高风险区,此时发出红色警报消息。
推送信息给养护人员为通过短信或微信等即时消息工具推送提醒语音或文字信息,所述橙色警报、黄色警报、红色警报的警报语音或文字信息推送给相应级别的主管部门。
本发明还提供了一种冬小麦气象灾害综合风险动态评价装置,所述装置包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下装置的单元中:
灾害指标确定单元,用于确定灾害计算指标;
灾害频度建模单元,用于通过灾害计算指标建立灾害频度评价模型;
综合风险建模单元,用于根据灾害频度评价模型构建综合风险评价模型;
综合风险值计算单元,用于通过综合风险评价模型计算出综合风险值;
综合风险值分类单元,用于将综合风险值分类并判断是否推送消息;
迭代监测单元,用于在发现有新一笔监测数据时,跳转到危险性评价建模单元,若无新的监测数据,结束评价流程。
本公开的有益效果为:本发明实现了冬小麦主要气象灾害的综合风险动态评价,提高了风险评价的准确性以及动态性,能够准确的提前预警冬小麦的灾害发生,实现冬小麦主要气象灾害综合风险动态评价,实现从应对单一灾种向综合减灾转变,从减少灾害损失向减轻灾害风险转变,实现了针对不同时段多灾组合的诱发因子、综合危险评定、危害影响效益比较,实现了基于作物生长机理和灾害形成机制的动态定量风险评价,评价结果能够满足气象灾害预警和防灾减灾工作的现实需要。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本公开的上述以及其他特征将更加明显,本公开附图中相同的参考标号表示相同或相似的元素,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,在附图中:
图1所示为一种冬小麦气象灾害综合风险动态评价方法的流程图;
图2所示为一种冬小麦气象灾害综合风险动态评价装置结构图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本公开的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为根据本公开的一种冬小麦气象灾害综合风险动态评价方法的流程图,下面结合图1来阐述根据本公开的实施方式的一种冬小麦气象灾害综合风险动态评价方法。
本公开提出一种冬小麦气象灾害综合风险动态评价方法,为了减低冬小麦的气象灾害风险,综合冬小麦的全生育阶段(播种期、起身期、拔节期、开花期、灌浆期、成熟期)以及影响其发育生长的气象灾害(干旱、干热风、倒春寒),结合区域自动气象站观测动态数据,以综合风险评价模型为基础,以区县为评价单元,天为步长,具体包括以下步骤:
步骤1,确定灾害计算指标;
步骤2,通过灾害计算指标建立灾害频度评价模型;
步骤3,根据灾害频度评价模型构建综合风险评价模型;
步骤4,通过综合风险评价模型计算出综合风险值;
步骤5,将综合风险值分类并判断是否推送消息;
步骤6,若发现有新一笔监测数据时,跳转到步骤2,若无新的监测数据,结束评价流程。
进一步地,在步骤1中,所述灾害计算指标包括干旱计算指标、干热风计算指标、倒春寒计算指标。
进一步地,在步骤1中,确定灾害计算指标包括以下步骤:
步骤1.1,确定干旱计算指标:通过CWDI(作物水分亏缺指数)来反映冬小麦的干旱程度,综合冬小麦不同发育阶段,其作物水分亏缺指数如下所示:
式中,CWDIi为第i个发育阶段的水分亏缺指数,即干旱计算指标,i=0~3,其中i=0表示底墒形成期(播种期之前),i=1表示生长前期(播种期—起身期),i=2表示生长中期(拔节期—开花期),i=3表示生长后期(灌浆期—成熟期),注:(底墒形成是播种期之前土壤水分的形成阶段,不是冬小麦生育阶段,本公开也计入指标),其中,Pi为第i个发育阶段内的累积降水量(单位:mm);ETmi为第i个发育阶段冬小麦累积潜在蒸散量(单位:mm),
ETmi=c×ET0,
式中kc为发育阶段内的作物系数,ET0为逐日蒸散量,据Penman-Monteith公式可得ET0:
式中ET0为参考作物的逐日蒸散量(单位:mm/d);Rn和G分别表示地表净辐射和土壤热通量(单位:MJ/(m2·d)),es和ea分别表示饱和水气压和实际水汽压(单位:kPa),Tmean表示日平均气温(单位:℃),U2表示2m高处风速(单位:m/s),Δ表示饱和水气曲线斜率(单位:kPa/℃);γ表示干湿表常数(单位:kPa/℃),当CWDIi>30时,则干旱计算指标出现有一次干旱灾害,即干旱计算指标导致的灾害出现一次。
步骤1.2,确定干热风计算指标:干热风多发类型为高温低湿型,因此采用气象行业标准有关小麦干热风灾害等级标准中规定的温度、湿度及风速组合作为冬小麦干热风日等级阈值确定轻、重干热风的发生日数:根据行业标准中干热风灾害等级标准的确定方法,1个重干热风日的影响为2个轻干热风日的影响程度,采用轻重干热风日的灾害贡献权重计算得出DHWI(干热风加权日数):
DHWIi=i+2bi,
其中,DHWIi为第i年干热风加权日数,i=1~n,n≥50年,n根据为地方统计年鉴中的最长期限确定,即干热风计算指标,ai为轻干热风日数,bi为重干热风日数,当DHWIi>112,即干热风灾害出现一次,即干热风计算指标导致的灾害出现一次;
步骤1.3,确定倒春寒计算指标:根据倒春寒的定义《GBT 34816-2017倒春寒气象指标》,规定倒春寒的气象指标由前期气温偏暖程度、后期气温偏冷程度(日平均气温距平)和持续时间3个因子组成,倒春寒气象指标的计算公式:
式中,K为倒春寒气象指标,δT1为前期偏暖程度,δT2为后期偏冷程度,L为倒春寒过程持续天数,a1、a2、a3分别为参数,经过多次调整,a1、a2、a3取值分别为4、2、10时,指标计算结果与灾害实际发生程度最为接,农业气象试验指出,倒春寒气象指标K≥3时,倒春寒灾害出现一次,即倒春寒计算指标导致的灾害出现一次。
进一步地,在步骤2中,通过灾害计算指标建立灾害频度评价模型的方法为:由于冬小麦在整个发育期会受到多种气象灾害的威胁,所以在不同生长发育阶段对灾害的耐受能力存在显著差异,而且由于一个发育阶段内可能发生多种气象灾害,不同气象灾害对冬小麦的危害机理有所不同。因此以干旱、干热风和倒春寒为致灾因子,将冬小麦全生育期划分成以下阶段,即底墒形成期(播种期之前)、生长前期(播种期—起身期)、生长中期(拔节期—开花期)、生长后期(灌浆期—成熟期),构建冬小麦的灾害频度评价模型,如下式所示:
其中,灾害频度为fi,|Si,j|为致灾因子的出现灾害次数之和,Si,j表示第j个发育阶段第i种致灾因子导致的灾害出现次数,即致灾因子的计算指标出现灾害的出现次数,i=0~2,i=0时致灾因子的指标值为干旱计算指标、i=1时致灾因子的指标值为干热风计算指标、i=2时致灾因子的指标值为倒春寒计算指标,a为特征指数,(a取值范围为0~1之间),小于等于1,即a越大,分布越密集,在本发明的一个实施例中,根据二八定律,a取值为0.2;j=0表示底墒形成期(播种期之前),j=1表示生长前期(播种期—起身期),j=2表示生长中期(拔节期—开花期),j=3表示生长后期(灌浆期—成熟期),注:(底墒形成是播种期之前土壤水分的形成阶段,不是冬小麦生育阶段,本公开也计入指标),参数c计算方法如下式所示:
进一步地,将满足fi分布的致灾因子按灾害频度在一个生育阶段中降序排列,其位序与对应的次数在双对数坐标下的关系为直线。为分析灾害频度fi的分布是否服从fi分布,对致灾因子fi的大小在一个生育阶段中降序排列,并在双对数坐标下考察致灾因子的位序与灾害频度fi之间的关系,当灾害频度为正常无灾时,致灾因子的位序与灾害频度fi在双对数坐标下的关系应该服从一条直线。
进一步地,在步骤3中,根据灾害频度评价模型构建综合风险评价模型的方法为:由于冬小麦的灾害蔓延性评价包括对外部灾害的灾害频度,即冬小麦受到不利气象条件影响的概率,从而导致周边冬小麦产量损失的程度,所以构建冬小麦的综合风险评价模型如下:
步骤3.1,构建致灾因子分布的概率密度函数P(x)为:
式中,Yk表示评价单元第k年的冬小麦单产(单位:kg/ha);表示评价单元n年(n≥50年)平均粮食单产(单位:kg/ha),0≤k≤n,冬小麦单产及粮食产量数据来源于地方统计年鉴,Xi,j表示第j个发育阶段第i种致灾因子的指标值,i=0~2,i=0时致灾因子的指标值为干旱计算指标、i=1时致灾因子的指标值为干热风计算指标、i=2时致灾因子的指标值为倒春寒计算指标,其中j=0表示底墒形成期,j=1表示生长前期,j=2表示生长中期,j=3表示生长后期,计算Xi,j时,c为常量(c取值范围为0~1之间),在本实施例中,c=0.8;
步骤3.2,构建累积分布函数为:对于按灾害频度的大小在一个生育阶段中降序排列的N个致灾因子,令pi表示第i个致灾因子的灾害频度1≤i≤N,有:其中i表示灾害频度大于或等于pi的致灾因子的指标值。根据累积分布函数Pc(x),有将上式两边取自然对数,则有因此,灾害频度的分布可表示为:pi c=-alni+b,其中,a=Xi,j c,b=p1 c,由于b是归一化参数,因此分布的形状由c决定,c在0到1之间取值,a为双对数坐标下灾害频度的分布构成直线斜率的负数,由于灾害频度的最小值为1,因此可假定pN=1,参数b则表示为:b=alnN+1。
步骤3.3,确定冬小麦的综合风险评价模型为:
进一步地,通过综合风险评价模型计算出综合风险值pi c,综合风险值pi c的大小,标志着一个区域与周边区域的农业生产水平的高低,生产水平越高,对灾害的抵抗能力高,灾后恢复能力越强;
进一步地,在步骤5中,使用自然分类法(Natural Breaks attributeclassification)属性分类方法,结合不同地方的实际情况,按照综合风险值的高低(取值范围为0~1)把评价单元分为五类:低风险区、较低风险区、中度风险区、较高风险区和高风险区。
以天津市为例:
当综合风险值小于等于0.30时,为低风险区,此时无需应对消息推送消息。
当综合风险值为0.30~0.42时,为较低风险区,此时推送信息给养护人员提醒消息。
当综合风险值为0.43~0.54时,为中度风险区,此时发出橙色警报消息。
当综合风险值为0.55~0.59时,为较高风险区,此时发出黄色警报消息。
当综合风险值为大于0.59时,为高风险区,此时发出红色警报消息。
推送信息给养护人员为通过短信或微信等即时消息工具推送提醒语音或文字信息,所述橙色警报、黄色警报、红色警报的警报语音或文字信息推送给相应级别的主管部门。
本公开的实施例提供的一种冬小麦气象灾害综合风险动态评价装置,如图2所示为本公开的一种冬小麦气象灾害综合风险动态评价装置图,该实施例的一种冬小麦气象灾害综合风险动态评价装置包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种冬小麦气象灾害综合风险动态评价装置实施例中的步骤。
所述装置包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下装置的单元中:
灾害指标确定单元,用于确定灾害计算指标;
灾害频度建模单元,用于通过灾害计算指标建立灾害频度评价模型;
综合风险建模单元,用于根据灾害频度评价模型构建综合风险评价模型;
综合风险值计算单元,用于通过综合风险评价模型计算出综合风险值;
综合风险值分类单元,用于将综合风险值分类并判断是否推送消息;
迭代监测单元,用于在发现有新一笔监测数据时,跳转到危险性评价建模单元,若无新的监测数据,结束评价流程。
所述一种冬小麦气象灾害综合风险动态评价装置可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种冬小麦气象灾害综合风险动态评价装置,可运行的装置可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述例子仅仅是一种冬小麦气象灾害综合风险动态评价装置的示例,并不构成对一种冬小麦气象灾害综合风险动态评价装置的限定,可以包括比例子更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种冬小麦气象灾害综合风险动态评价装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种冬小麦气象灾害综合风险动态评价装置运行装置的控制中心,利用各种接口和线路连接整个一种冬小麦气象灾害综合风险动态评价装置可运行装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种冬小麦气象灾害综合风险动态评价装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本公开的预定范围。此外,上文以发明人可预见的实施例对本公开进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (8)
1.一种冬小麦气象灾害综合风险动态评价方法,其特征在于,所述方法包括以下步骤:
步骤1,确定灾害计算指标;
步骤2,通过灾害计算指标建立灾害频度评价模型;
步骤3,根据灾害频度评价模型构建综合风险评价模型;
步骤4,通过综合风险评价模型计算出综合风险值;
步骤5,将综合风险值分类并判断是否推送消息;
步骤6,若发现有新一笔监测数据时,跳转到步骤2,若无新的监测数据,结束评价流程。
2.根据权利要求1所述的一种冬小麦气象灾害综合风险动态评价方法,其特征在于,在步骤1中,所述灾害计算指标包括干旱计算指标、干热风计算指标、倒春寒计算指标。
3.根据权利要求2所述的一种冬小麦气象灾害综合风险动态评价方法,其特征在于,在步骤1中,确定灾害计算指标包括以下步骤:
步骤1.1,确定干旱计算指标:通过CWDI,即作物水分亏缺指数来反映冬小麦的干旱程度,综合冬小麦不同发育阶段,其作物水分亏缺指数如下所示:
式中,CWDIi为第i个发育阶段的水分亏缺指数,即干旱计算指标;ETmi为第i个发育阶段冬小麦累积潜在蒸散量,ETmi=kc×ET0,式中kc为发育阶段内的作物系数,ET0为逐日蒸散量,据Penman-Monteith公式可得ET0:
当CWDIi>30时,则干旱计算指标出现有一次干旱灾害,即干旱计算指标导致的灾害出现一次;
步骤1.2,确定干热风计算指标:干热风多发类型为高温低湿型,因此采用气象行业标准有关小麦干热风灾害等级标准中规定的温度、湿度及风速组合作为冬小麦干热风日等级阈值确定轻、重干热风的发生日数:根据行业标准中干热风灾害等级标准的确定方法,1个重干热风日的影响为2个轻干热风日的影响程度,采用轻重干热风日的灾害贡献权重计算得出干热风加权日数:
DHWIi=ai+2bi,
其中,DHWIi为第i年干热风加权日数,i=1~n,n≥50年,n根据为地方统计年鉴中的最长期限确定,即干热风计算指标,ai为轻干热风日数,bi为重干热风日数,当DHWIi>112,即干热风灾害出现一次,即干热风计算指标导致的灾害出现一次;
步骤1.3,确定倒春寒计算指标:倒春寒气象指标的计算公式:
式中,K为倒春寒气象指标,δT1为前期偏暖程度,δT2为后期偏冷程度,L为倒春寒过程持续天数,a1、a2、a3分别为参数,倒春寒气象指标K≥3时,倒春寒灾害出现一次,即倒春寒计算指标导致的灾害出现一次。
4.根据权利要求3所述的一种冬小麦气象灾害综合风险动态评价方法,其特征在于,在步骤2中,通过灾害计算指标建立灾害频度评价模型的方法为:构建冬小麦的灾害频度评价模型,如下式所示:
其中,灾害频度为fi,|Si,j|为致灾因子的出现灾害次数之和,Si,j表示第j个发育阶段第i种致灾因子导致的灾害出现次数,即致灾因子的计算指标出现灾害的出现次数,i=0~2,i=0时致灾因子的指标值为干旱计算指标、i=1时致灾因子的指标值为干热风计算指标、i=2时致灾因子的指标值为倒春寒计算指标,a为特征指数,参数c计算方法如下式所示:
5.根据权利要求4所述的一种冬小麦气象灾害综合风险动态评价方法,其特征在于,将满足fi分布的致灾因子按灾害频度在一个生育阶段中降序排列,其位序与对应的次数在双对数坐标下的关系为直线。
6.根据权利要求4或5所述的一种冬小麦气象灾害综合风险动态评价方法,其特征在于,在步骤3中,根据灾害频度评价模型构建综合风险评价模型的方法为:由于冬小麦的灾害蔓延性评价包括对外部灾害的灾害频度,即冬小麦受到不利气象条件影响的概率,从而导致周边冬小麦产量损失的程度,所以构建冬小麦的综合风险评价模型如下:
步骤3.1,构建致灾因子分布的概率密度函数P(x)为:
步骤3.2,构建累积分布函数为:对于按灾害频度的大小在一个生育阶段中降序排列的N个致灾因子,令pi表示第i个致灾因子的灾害频度1≤i≤N,有:其中i表示灾害频度大于或等于pi的致灾因子的指标值;根据累积分布函数Pc(x),有将上式两边取自然对数,则有因此,灾害频度的分布可表示为:pi c=-alni+b,其中,a=Xi,j c,b=p1 c,由于b是归一化参数,因此分布的形状由c决定,c在0到1之间取值,a为双对数坐标下灾害频度的分布构成直线斜率的负数,由于灾害频度的最小值为1,因此可假定pN=1,参数b则表示为:b=alnN+1;
步骤3.3,确定冬小麦的综合风险评价模型为:
7.根据权利要求6所述的一种冬小麦气象灾害综合风险动态评价方法,其特征在于,在步骤5中,按照综合风险值的高低把评价单元分为五类:低风险区、较低风险区、中度风险区、较高风险区和高风险区:
当综合风险值小于等于0.30时,为低风险区,此时无需应对消息推送消息;
当综合风险值为0.30~0.42时,为较低风险区,此时推送信息给养护人员提醒消息;
当综合风险值为0.43~0.54时,为中度风险区,此时发出橙色警报消息;
当综合风险值为0.55~0.59时,为较高风险区,此时发出黄色警报消息;
当综合风险值为大于0.59时,为高风险区,此时发出红色警报消息。
8.一种冬小麦气象灾害综合风险动态评价装置,其特征在于,所述装置包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下装置的单元中:
灾害指标确定单元,用于确定灾害计算指标;
灾害频度建模单元,用于通过灾害计算指标建立灾害频度评价模型;
综合风险建模单元,用于根据灾害频度评价模型构建综合风险评价模型;
综合风险值计算单元,用于通过综合风险评价模型计算出综合风险值;
综合风险值分类单元,用于将综合风险值分类并判断是否推送消息;
迭代监测单元,用于在发现有新一笔监测数据时,跳转到危险性评价建模单元,若无新的监测数据,结束评价流程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910154278.7A CN110059915B (zh) | 2019-03-01 | 2019-03-01 | 一种冬小麦气象灾害综合风险动态评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910154278.7A CN110059915B (zh) | 2019-03-01 | 2019-03-01 | 一种冬小麦气象灾害综合风险动态评价方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110059915A true CN110059915A (zh) | 2019-07-26 |
CN110059915B CN110059915B (zh) | 2023-05-23 |
Family
ID=67316414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910154278.7A Active CN110059915B (zh) | 2019-03-01 | 2019-03-01 | 一种冬小麦气象灾害综合风险动态评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110059915B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110751412A (zh) * | 2019-10-28 | 2020-02-04 | 云南瀚哲科技有限公司 | 一种农业气象灾害预警方法及系统 |
CN112580981A (zh) * | 2020-12-18 | 2021-03-30 | 湖南省气候中心 | 农作物气候风险识别方法、装置及计算机设备 |
CN112990579A (zh) * | 2021-03-16 | 2021-06-18 | 中化现代农业有限公司 | 农业气象灾害预报方法、装置、设备和存储介质 |
CN113378381A (zh) * | 2021-06-09 | 2021-09-10 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于气温分布和地表热量计算冬小麦作物系数的方法 |
CN113487127A (zh) * | 2021-05-21 | 2021-10-08 | 新昌县鼎鸿家庭农场有限公司 | 一种茶叶秋冬干旱灾害损失动态评估方法 |
CN115860279A (zh) * | 2023-02-27 | 2023-03-28 | 广东省气象服务中心(广东气象影视宣传中心) | 南美白对虾养殖投苗作业窗口期的气象风险预测方法 |
CN117540931A (zh) * | 2023-07-12 | 2024-02-09 | 四川省安全科学技术研究院 | 一种自然灾害动态综合风险研判及预警方法 |
CN117894158A (zh) * | 2024-03-15 | 2024-04-16 | 江苏省气象台 | 一种基于智能网格气温预报的寒潮灾害危险性预评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867217A (zh) * | 2012-08-28 | 2013-01-09 | 南京信息工程大学 | 基于投影寻踪的设施农业气象灾害风险评价方法 |
US20130332205A1 (en) * | 2012-06-06 | 2013-12-12 | David Friedberg | System and method for establishing an insurance policy based on various farming risks |
-
2019
- 2019-03-01 CN CN201910154278.7A patent/CN110059915B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130332205A1 (en) * | 2012-06-06 | 2013-12-12 | David Friedberg | System and method for establishing an insurance policy based on various farming risks |
CN102867217A (zh) * | 2012-08-28 | 2013-01-09 | 南京信息工程大学 | 基于投影寻踪的设施农业气象灾害风险评价方法 |
Non-Patent Citations (2)
Title |
---|
杨文刚等: ""倒春寒气象指标及等级划分研究"", 《湖北农业科学》 * |
王春乙等: ""华北地区冬小麦主要气象灾害风险评价"", 《农业工程学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110751412A (zh) * | 2019-10-28 | 2020-02-04 | 云南瀚哲科技有限公司 | 一种农业气象灾害预警方法及系统 |
CN110751412B (zh) * | 2019-10-28 | 2023-05-23 | 云南瀚哲科技有限公司 | 一种农业气象灾害预警方法及系统 |
CN112580981A (zh) * | 2020-12-18 | 2021-03-30 | 湖南省气候中心 | 农作物气候风险识别方法、装置及计算机设备 |
CN112580981B (zh) * | 2020-12-18 | 2024-04-16 | 湖南省气候中心 | 农作物气候风险识别方法、装置及计算机设备 |
CN112990579A (zh) * | 2021-03-16 | 2021-06-18 | 中化现代农业有限公司 | 农业气象灾害预报方法、装置、设备和存储介质 |
CN113487127A (zh) * | 2021-05-21 | 2021-10-08 | 新昌县鼎鸿家庭农场有限公司 | 一种茶叶秋冬干旱灾害损失动态评估方法 |
CN113378381A (zh) * | 2021-06-09 | 2021-09-10 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于气温分布和地表热量计算冬小麦作物系数的方法 |
CN115860279A (zh) * | 2023-02-27 | 2023-03-28 | 广东省气象服务中心(广东气象影视宣传中心) | 南美白对虾养殖投苗作业窗口期的气象风险预测方法 |
CN117540931A (zh) * | 2023-07-12 | 2024-02-09 | 四川省安全科学技术研究院 | 一种自然灾害动态综合风险研判及预警方法 |
CN117894158A (zh) * | 2024-03-15 | 2024-04-16 | 江苏省气象台 | 一种基于智能网格气温预报的寒潮灾害危险性预评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110059915B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059915A (zh) | 一种冬小麦气象灾害综合风险动态评价方法及装置 | |
CN110751412B (zh) | 一种农业气象灾害预警方法及系统 | |
Thuy et al. | Vulnerability of rice production in Mekong River Delta under impacts from floods, salinity and climate change | |
Ashofteh et al. | Risk analysis of water demand for agricultural crops under climate change | |
Tabari et al. | Temporal pattern of aridity index in Iran with considering precipitation and evapotranspiration trends | |
Ueyama et al. | Influences of various calculation options on heat, water and carbon fluxes determined by open-and closed-path eddy covariance methods | |
Li et al. | Assessing vulnerability and adaptive capacity to potential drought for winter-wheat under the RCP 8.5 scenario in the Huang-Huai-Hai Plain | |
Ochola et al. | A Markov chain simulation model for predicting critical wet and dry spells in Kenya: analysing rainfall events in the Kano Plains | |
Wang et al. | Irrigation scheduling—Role of weather forecasting and farmers’ behavior | |
US20130332205A1 (en) | System and method for establishing an insurance policy based on various farming risks | |
CN104361249B (zh) | 基于作物生长模型的作物旱灾致灾强度指数计算方法 | |
Cai et al. | Impact of climate change on crop yield: A case study of rainfed corn in central Illinois | |
Phomcha et al. | Predicting sediment discharge in an agricultural watershed: a case study of the Lam Sonthi watershed, Thailand | |
CN107480888A (zh) | 一种基于apsim模型的农业旱灾风险评估方法 | |
CN104732045A (zh) | 一种基于作物生长模型确定作物旱灾自然脆弱性曲线的方法 | |
Rahman et al. | Hydrological impacts of climate change on rice cultivated riparian wetlands in the Upper Meghna River Basin (Bangladesh and India) | |
Qiu et al. | Latitudinal pattern of flowering synchrony in an invasive wind-pollinated plant | |
CN110134907A (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
Uddameri et al. | A tiered stochastic framework for assessing crop yield loss risks due to water scarcity under different uncertainty levels | |
Hublart et al. | Reliability of a conceptual hydrological model in a semi-arid Andean catchment facing water-use changes | |
CN113191572A (zh) | 苹果产量的预测方法、装置、存储介质及电子设备 | |
Wendt et al. | Assessing groundwater potential use for expanding irrigation in the Buriti Vermelho watershed. | |
Rogers et al. | Irrigation scheduling using crop growth simulation, risk analysis, and weather forecasts | |
Ghosh et al. | Assessment of Lead-Lag and Spatial Changes in simulating different epochs of the Indian summer monsoon using RegCM4 | |
Schiraldi et al. | Seasonal-to-subseasonal model forecast performance during agricultural drought transition periods in the US Corn Belt |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |