CN110334404A - 一种流域尺度骤发干旱精准识别方法 - Google Patents
一种流域尺度骤发干旱精准识别方法 Download PDFInfo
- Publication number
- CN110334404A CN110334404A CN201910495135.2A CN201910495135A CN110334404A CN 110334404 A CN110334404 A CN 110334404A CN 201910495135 A CN201910495135 A CN 201910495135A CN 110334404 A CN110334404 A CN 110334404A
- Authority
- CN
- China
- Prior art keywords
- drought
- rapid
- index
- event
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000002689 soil Substances 0.000 claims abstract description 84
- 210000004209 hair Anatomy 0.000 claims abstract description 83
- 230000008569 process Effects 0.000 claims abstract description 37
- 230000008859 change Effects 0.000 claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 238000004088 simulation Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 8
- 238000001704 evaporation Methods 0.000 claims description 7
- 230000008020 evaporation Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 5
- 241001515806 Stictis Species 0.000 abstract description 2
- 238000001556 precipitation Methods 0.000 description 11
- 230000004907 flux Effects 0.000 description 6
- 230000007774 longterm Effects 0.000 description 6
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000001580 bacterial effect Effects 0.000 description 3
- 210000004919 hair shaft Anatomy 0.000 description 3
- 230000008595 infiltration Effects 0.000 description 3
- 238000001764 infiltration Methods 0.000 description 3
- 238000012271 agricultural production Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000011155 quantitative monitoring Methods 0.000 description 2
- 230000005068 transpiration Effects 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009328 dry farming Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003700 hair damage Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种流域尺度骤发干旱精准识别方法，属于干旱预报预警技术领域。首先，基于水文气象观测数据和地理空间资料，构建流域VIC陆面水文模型，通过水文过程验证，得出模型模拟的土壤含水量过程；其次，基于最高气温和土壤含水量，采用强度变化率(迅速程度指标)和短时间尺度方案，科学定义骤发干旱精准识别指标；最后，通过构建单站点骤发干旱量级指数和单位时间骤发干旱严重性与覆盖范围指数，确定流域骤发干旱事件的等级划分标准。目前尚无严格意义上有关骤发干旱事件的定义，且未形成一套骤发干旱精准识别指标体系。而本发明能够实现骤发干旱事件的精准识别，为提高流域骤发干旱事件的监测能力、规避骤发干旱风险、保障粮食安全等提供科学参考依据。
Description
技术领域
本发明属于干旱预报预警技术领域，涉及一种流域尺度骤发干旱精准识别方法。
背景技术
一般而言，传统干旱事件是一种演变较为缓慢的水文气候现象，这是因为传统干旱主要取决于降水和蒸散发的长期(月尺度或更长时间尺度)变化。然而，在短时间尺度(周或候)上大气环流异常(如异常位势高度场和水汽通量场)，可以导致干旱事件的迅速发生。近期，“骤发干旱(flash drought)”一词已被用来形容这些快速发生的干旱事件。例如，2012年5-6月期间美国中南部地区、2017年3月中下旬美国新墨西哥州、2018年5-6月期间美国弗吉尼亚州、以及2018年7月份美国北达科他州均发生了较为严重的骤发干旱事件，这些事件对当地农业和畜牧业造成了严重影响，尤其是2012年的干旱事件成为美国历史上最严重的自然灾害之一。有研究表明，从1979-2010年中国骤发干旱发生次数增加了1倍以上，人为变暖可能会在未来几十年中加重我国的骤发旱情。骤发干旱属于干旱事件的细化分类，近些年备受关注，逐渐成为干旱领域一个新的研究热点和难点。
骤发干旱作为一种新的干旱类型，发生迅速，缺乏预警。特别是在植物生长季或暖季的亚热带农业区域，由于在短期内气温高于正常水平，同时降水较少，较强的蒸散发能力导致土壤含水量迅速降低，进而在该区域容易发生骤发干旱事件。目前，常用的干旱指数较难准确识别骤发干旱事件，例如SPEI(标准化降水蒸散指数)和PDSI(帕默尔干旱指数)主要采用降水和气温观测数据来监测长期(月及以上时间尺度)干旱事件，由于其输入数据一般是月尺度的，因此，不能及时反映天气尺度(10天以内)的状况，进而较难监测骤发干旱事件。鉴于骤发干旱事件对农业生产的严重影响，有必要对骤发干旱事件的识别方法进行深入研究，尤其针对湿润流域生态农业区。
到目前为止，骤发干旱事件没有统一而明确的定义，但根据其词义，应满足两个基本条件，第一是发生迅速(flash)，第二属于干旱事件(drought)。现阶段主要采用以下两种方案识别骤发干旱事件。
第一是以Otkin为主要学者提出的强度变化率方案，如前一时刻和后一时刻(一般采用月均值)土壤含水量或蒸散发的变化率(Otkin et al.,2016；Ford and Labosier,2017)，只要达到指定的变化率阈值，且当前状况属于干旱范畴，则称之为骤发干旱事件。Otkin et al.(2018)认为骤发干旱事件的定义应该着重于强度变化率，而非短时间尺度(如采用候时间尺度)。这种定义方式较难识别短时间尺度的细节特征，进而较难区分骤发干旱和长期干旱，有些长期大干旱是由于骤发干旱引起的，但不能模糊地认为此次长期大干旱就是骤发干旱事件。
第二是以Mo和Lettenmaier为主要学者提出的短时间尺度方案，如基于候、周和旬等短时间尺度，只要相关变量组合达到设置标准(例如土壤含水量低于第40百分位数、气温距平高于1倍标准差和蒸散发距平大于0)，则认为是骤发干旱事件(Mo and Lettenmaier,2015；2016；Wang et al.,2016；Zhang et al.,2017；2018)。这种识别方案着重于短时间尺度的不同变量组合情景，这既没有表征干旱发生的迅速程度，也无法完全保证在此组合情景下属于干旱事件。为此，申请人(Zhang et al.,2019)在后续探索中指出不同变量的组合属于并发事件(联合事件或者复合事件)范畴，例如同时满足土壤含水量低于第40百分位数、气温距平高于1倍标准差和蒸散发距平大于0，这种事件严格意义上不能称之为骤发干旱事件。
单方面考虑强度变化率或短时间尺度，不利于精准识别骤发干旱事件。因此，有必要在强调干旱强度变化率的基础上，引入短时间尺度概念(监测骤发干旱的一项重要现实意义是为长期大干旱做预警，因此时间尺度不宜过长)，深化骤发干旱定量监测指标的定义标准，这对提高骤发干旱事件的预警预报能力有十分重要的意义，将使干旱研究获得一次新的突破，并有力推动干旱理论研究及其监测技术的发展。
发明内容
本发明的目的在于针对现有骤发干旱识别方法的不足，提出一种流域尺度骤发干旱精准识别方法。该方法综合考虑强度变化率(迅速程度指标)和短时间尺度方案，来精准识别骤发干旱事件，从而提高骤发干旱事件的监测能力。
为了达到上述目的，本发明采用的技术方案为：
一种流域尺度骤发干旱精准识别方法，包括以下步骤：
(1)构建流域VIC陆面水文模型
(1.1)水文气象观测数据和地理空间资料预处理
收集流域出口水文站逐日流量资料、流域内逐日气象观测资料以及地理空间资料，对这些资料进行预处理，具体为：
收集流域内降水、气温和风速等逐日气象观测资料，对每个气象站点资料进行质量检验，将缺测值大于总时间序列1％的气象站点进行剔除，小于1％的缺测值采用同一时刻(即同一天)邻近气象站点数据进行插补。收集流域总出口水文站逐日流量资料，并对该数据进行质量检验。收集流域内数字高程模型DEM、土壤数据和土地覆被资料等地理空间资料，利用ArcGIS平台进行基础地理空间数据的预处理(如坐标系统配准、分类和参数提取等)。
(1.2)构建流域VIC陆面水文模型
基于地理空间资料、流域出口水文站逐日流量资料、以及逐日气象观测数据等，构建流域VIC陆面水文模型，并进行模型参数率定和结果验证。
所述的VIC陆面水文模型是一种基于正交网格的分布式陆面水文模型，采用VIC陆面水文模型输出质量较优的土壤含水量和蒸散发资料，该VIC陆面水文模型能够同时模拟陆面水量平衡和能量平衡，该模型网格尺度上的水量平衡方程为：
式中：ds/dt、P、E和R分别为蓄水变化量(mm)，降水量(mm)，蒸散发(mm)和径流量(mm)。地表能量平衡方程为：
Rn＝H+ρwλvE+G
式中：Rn为净辐射通量(W·m-2)，H为感热通量(W·m-2)，ρw为水体密度(kg·m-3)，λv为汽化的潜热通量(J·kg-1)，ρwλvE表示潜热通量(W·m-2)，G为地表热通量(W·m-2)。
流域总蒸散发量计算公式如下：
式中：Cn表示第n层的植被覆盖比例，Ec,n为每种植被的冠层蒸发量(mm)，Et,n代表每种植被的蒸腾量(mm)，CN+1是裸土面积比例，E1代表裸土蒸发量(mm)，N为网格数。总蒸散发量为植被冠层蒸发量、蒸腾量和裸土蒸发量，按照不同地表覆被种类面积比例进行加权求和。
为了准确计算土壤蒸散发量以及建立上下层土壤水分运动机制，VIC模型采用三层土壤结构，即VIC-3L，主要在原先模型的上层土壤之上加入10cm的顶薄层。裸土蒸发只会发生在顶薄层，根据新安江模型，采用下渗容量曲线，由上两层土壤产生地表径流。下渗容量曲线方程式如下：
式中：w和wm为土壤下渗能力和最大下渗能力(mm)，A为土壤下渗能力小于w的面积比例，b土壤下渗形状参数。
根据ARNO模型，由底层土壤(第三层土壤)产生基流，其公式如下：
式中：Dm为最大基流(mm·d-1)，Ds为Dm的比例系数，θs为土壤孔隙度，Ws为土壤最大含水量(θs)的比例系数，θ3为第三层(底层)土壤含水量(mm)。基于阈值Wsθs来判断基流消退过程是线性还是非线性过程。
每个网格尺度上的VIC结果通过专门的汇流程序计算得出流量模拟值。在汇流模型中，本发明基于线性圣维南方程的河道汇流程序来模拟流域出口的径流量。线性圣维南方程计算公式如下：
式中：Q为流量、t为时间、x为河道(空间坐标系统沿着河道方向的轴)、D和C分别为扩散系数和脉冲波速系数。
(1.3)水文过程验证
对流域VIC模型进行参数率定及水文过程验证，通常采用Nash-Sutcliffe(NSE)效率系数，决定系数R2和相对误差Bias三项指标来评价VIC模型在流域水文过程模拟中的适宜程度。通过水量平衡分析，重点核查水循环过程中的土壤含水量和蒸散发资料(用于构建骤发干旱指数)。可采用权威土壤含水量和蒸散发资料(如GLDAS v2陆面同化资料)与本发明得出的结果进行比对验证，以验证本发明中VIC模型输出关键变量数据的可靠性。
(2)构建流域尺度骤发干旱精准识别指标
(2.1)骤发干旱精准识别指标设计思路
基于短时间尺度(候值，即五日均值)气象台站观测资料(如气温和降水)和VIC模型输出资料(如蒸散发和土壤含水量)的多种联合阈值组合，通过综合考虑强度变化率(迅速程度指标)和短时间尺度方案，科学定义骤发干旱定量监测指标，构建流域尺度骤发干旱精准识别指标，从而精准识别骤发干旱事件。本发明所采用以下设计思路：
骤发干旱事件主要由两个组成部分：预警候(主要用以判别干旱的迅速程度)和特定干旱候(主要用以识别干旱的持续时间和烈度)。需要注意的是，预警候的下一候必须是特定干旱候，如果只满足单独的预警候条件，则不能称为骤发干旱事件。单个骤发干旱事件的持续时间必须在两候以上(因为单独一候干旱的破坏力有限)。本项发明的骤发干旱精准识别指标不仅可以提高骤发干旱事件的识别准确度，而且可以提供干旱事件的早期预警。
预警候的识别方案为：每个站点(网格)每候时间尺度同时满足Zsm<-1、SM<40％和Tmax anomaly>0.5STD。Zsm为后一候土壤含水量的百分位数减去前一候土壤含水量的百分数，再进行标准化得出最终的Zsm值，经计算，当Zsm<-1时，则后一候土壤含水量要比前一候土壤含水量至少下降约10％。SM<40％表示土壤含水量小于第40百分位数阈值。Tmaxanomaly>0.5STD表示最高气温距平大于0.5倍的标准差值，用以区分骤发干旱和传统干旱事件的阈值标准，在骤发干旱发生期间，一般蒸散发能力较强，而气温是影响蒸散发能力的最主要因素。
特定干旱候识别方案：每个站点(网格)每候时间尺度同时满足SM<30％和Tmaxanomaly>0.5STD。一般认为土壤含水量SM<30％，则认为是干旱事件，用Tmax anomaly>0.5STD来区分骤发干旱和传统干旱事件。
(2.2)流域尺度骤发干旱精准识别指标效果验证
利用干旱灾害统计年鉴资料，并通过检验骤发干旱阈值标准下的水文气象时空特征，进而分析骤发干旱监测指标的科学性和准确性。为了更严谨地验证本发明骤发干旱监测指标的科学性，拟采用两种方案对本发明所定义的骤发干旱监测指标进行效果检验与评价：①基于候时间尺度(SC_PDSI)指数(自适应的帕默尔干旱指数)所构建的骤发干旱监测方案；②基于蒸散胁迫指数(ESI)和快速变化指数(RCI)所定义的骤发干旱监测方案。此两种方案均采用候时间尺度，采用与本发明较为一致的骤发干旱设计思路(预警候+特定干旱候)。
基于候时间尺度SC_PDSI指数(自适应的帕默尔干旱指数)所构建的骤发干旱监测方案，具体为：首先准备候时间尺度(五日均值)的气象输入数据，如气温和降水，其次通过土壤质地数据，计算每个网格土壤有效持水能力，最后构建SC_PDSI指数。采用后一候时间的SC_PDSI值减去前一候时间的SC_PDSI值，其差值<-1时，则认为达到骤发干旱的迅速程度阈值。满足迅速程度阈值的后一候也应满足干旱标准(SC_PDSI<-1)，一共持续两候以上，则可称之为一个骤发干旱事件。
基于蒸散胁迫指数(ESI)和快速变化指数(RCI)所定义的骤发干旱监测方案，具体为：首先，获取实际蒸散发和潜在蒸散发资料，ESI为实际蒸散发与潜在蒸散发的比值；其次，对比前一候和后一候时刻ESI值的变化速率，以判别其迅速程度(RCI)，对ESI值进行标准化，将标准化后的值大于1或小于-1定义为干旱事件；最后，满足持续两候以上阈值标准的事件称之为一个骤发干旱事件。
(3)流域尺度骤发干旱等级标准划分
基于步骤(2.1)骤发干旱精准识别指标，进行骤发干旱基本特征的分析，如发生频次、持续时间和覆盖范围等。在深刻理解上述基本时空特征和本发明所设计骤发干旱监测指标结构的基础上，分别从单站点(局地)角度和单位时间角度(即同一时次)，设计构建能够表征不同强度等级骤发干旱事件的指标体系。
(3.1)骤发干旱量级指数设计
从单站点(局地)角度，构建能够同时考虑骤发干旱烈度(单位时间内的强度)和持续时间的骤发干旱量级指数(FDMI)，计算公式如下：
FDMI＝EWP+SDP
EWP＝|Zsm1-(-1)|·|Tanom1-0.5STD|·|SM1-40％|
SDP＝|Tanom2-0.5STD|·|SM1-30％|+|Tanomi-0.5STD|·|SMi-30％|
式中：FDMI表示骤发干旱量级指数，EWP为预警候(骤发干旱事件的第一候)指标，SDP为特定干旱候(骤发干旱事件的第2候、第3候…第n候，必须为紧接着预警候下面的连续候)指标。Zsm1为第一候土壤含水量的变化速率(标准化值)，-1为第一候土壤含水量变化速率标准化的阈值标准，Tanom1为第一候最高气温距平，0.5STD为0.5倍的最高气温距平标准差，SM1为第一候土壤含量百分位数。Tanom2和Tanomi为第二候和连续的第i候最高气温距平，SM1和SMi为第二候和连续的第i候土壤含量百分位数。
(3.2)骤发干旱严重程度及其覆盖范围指数设计
从单位时间角度(即同一时次)，构建能够同时表征站点(网格)骤发干旱严重程度及其覆盖范围的骤发干旱指数(FDSCI)，计算公式如下
FDSCI＝1×FDMI1+2×FDMI2+3×FDMI3+4×FDMI4
式中：FDSCI为骤发干旱严重程度及其覆盖范围指数，1-4表示FDMI的四个强度等级，分别表示轻度、中度、重度和极端骤发干旱事件，FDMI1-4为这四个强度等级骤发干旱事件在同一时次内的覆盖范围(用百分位数表示)，AFDSCI为FDSCI次数的累加值。
(3.3)对FDMI和FDSCI进行数理统计，确定不同强度等级骤发干旱事件的阈值标准
分别将FDMI和FDSCI所有值进行降序排列，将前0-25％范围的指数值作为极端骤发干旱事件的阈值标准，将前25-50％范围的指数值作为重度骤发干旱事件的阈值标准，将前50-75％范围的指数值作为中度骤发干旱事件的阈值标准，将前75-100％范围的指数值作为轻度骤发干旱事件的阈值标准。进行不同强度等级骤发干旱事件的阈值标准划分。
与现有技术相比，本发明的有益效果为：本发明基于多种水文气象要素的组合试验，综合考虑强度变化速率和短时间尺度两种方案，深化骤发干旱事件定义，提出骤发干旱精准识别方案，从而提高骤发干旱事件的监测准确度，这可望突破以往基于单一变量(土壤含水量或蒸散发量)或单一特征(强度变化率或短时间尺度方案)骤发干旱识别技术的瓶颈。在骤发干旱精准识别技术的基础上，分别从单站点和单位时间角度，设计出不同强度等级的骤发干旱指数，这对深化和完善骤发干旱事件的形成机理，是一次有益的理论创新探索。
附图说明
图1为本发明的技术流程图；
图2为本发明实施案例中VIC(Yuqing)和GLDAS v2(Noah v3.3)的逐月土壤含水量距平值；
图3为本发明实施案例中VIC(Yuqing)和GLDAS v2(Noah v3.3)的逐月土壤含水量距平散点图；
图4为本发明实施案例中VIC(Yuqing)和GLDAS v2(Noah v3.3)的逐月土壤含水量距平箱线图；
图5为本发明实施案例中VIC(Yuqing)和GLDAS v2(Noah v3.3)的逐月蒸散发距平值；
图6为本发明实施案例中VIC(Yuqing)和GLDAS v2(Noah v3.3)的逐月蒸散发距平散点图；
图7为本发明实施案例中VIC(Yuqing)和GLDAS v2(Noah v3.3)的逐月蒸散发距平箱线图；
图8为本发明实施案例中骤发干旱精准识别指标设计示意图；
图9a为本发明实施案例中骤发干旱预警候发生频次；
图9b为本发明实施案例中骤发干旱事件发生频次；
图9c为本发明实施案例中骤发干旱预警候频次与骤发干旱事件频次的比值；
图10a为本发明实施案例中骤发干旱发生总候数；
图10b为本发明实施案例中骤发干旱候数发生概率；
图10c为本发明实施案例中平均每个骤发干旱事件持续候数；
图11a为本发明实施案例中骤发干旱发生频次的年际变化；
图11b为本发明实施案例中骤发干旱发生候数的年际变化；
图11c为本发明实施案例中平均每个骤发干旱事件发生频次的年际变化。
具体实施方式
下面通过实施案例，并结合附图，对本发明做进一步说明。下述说明是为了更加清楚地说明本发明的技术方案，而不能以此来限定本发明的保护范围。
赣江流域(鄱阳湖流域第一大子流域)是我国南方湿润流域生态农业重要区域，近些年频受干旱袭击，例如2003年特大高温和干旱事件，2009年长期大干旱事件，以及2013年和2018年特大干旱事件，其中2003年夏季江西省遭受的骤发干旱灾害，造成与农业生产相关的直接经济损失高达19亿元(Zhang et al.,2017；陈双溪,2005)，这些干旱事件的骤发程度在逐渐加大。为了减轻骤发干旱对赣江流域生态环境和社会经济所造成的影响，本发明通过科学定义骤发干旱精准识别指标体系，提高赣江流域骤发干旱事件的识别准确度，从而提高其预警预报精度、提升防灾减灾能力和区域农业管理水平具有重大的理论价值和应用价值。
本发明提供一种流域尺度骤发干旱精准识别方法，具体实施步骤如下：
(1)构建流域VIC陆面水文模型
(1.1)水文气象观测数据和地理空间资料预处理
本发明案例所用到的水文数据为赣江流域总出口(外洲水文站)1960-2012年逐日流量资料。这套水文数据在发布之前进行了严格核实和质量控制，整个时间序列没有缺测值。这套流量资料主要用于VIC陆面水文模型参数率定，以便于验证VIC模型在赣江流域水文模拟中的可靠性。收集流域内降水、气温和风速等逐日水文气象观测资料，对每个气象站点资料进行质量检验，将缺测值大于总时间序列1％的气象站点进行剔除，小于1％的缺测值采用同一时刻(即同一天)邻近气象站点数据进行插补，最终选用赣江流域47个气象站点，这为驱动VIC陆面水文模型提供了高质量的气象输入数据。流域内90m分辨率的DEM用于生成VIC水系；赣江流域实测水系用于校准VIC水系(重点校准流向)；1km空间分辨率的土地覆被资料(包括相关的植被参数)和土壤数据(包括相关土壤层的物化属性)用于构建VIC模型的地理空间数据。
(1.2)构建流域VIC陆面水文模型
基于DEM、土壤数据、土地覆被资料以及水文气象观测数据等，构建流域VIC陆面水文模型。为了满足VIC模型气象输入数据的制备要求，基于观测站点资料，采用泰森多边形加权法将气象数据插值成0.125°分辨率的网格。将土壤和土地覆盖资料统一重采样成0.125°分辨率的网格。在完成VIC模型产流计算后，需要核实VIC网格流向，从而准确模拟汇流过程。
(1.3)水文过程验证
对流域VIC模型进行参数率定及水文过程验证。通常采用Nash-Sutcliffe(NSE)效率系数，决定系数R2和相对误差Bias三项指标来评价VIC模型在流域水文过程模拟中的适宜程度，具体计算公式如下：
式中：Qm,i和Qs,i分别为时间步长i(日和月时间尺度)的变量观测值和模拟值，Qm,avg和Qs,avg分别为多年平均观测值和模拟值，n为时间序列长度。NSE和R2值越接近于1，说明模拟效果越好。
在率定期(1960-1990年)，日、月尺度流量的NSE效率系数分别为0.8和0.9，决定系数R2值分别为0.84和0.95，表明时间尺度越长(粗)，VIC模型模拟效果越好。日、月尺度流量的偏差系数Bias值分别为6.9％和7.0％，表明模式模拟值与观测值较为接近。在验证期(1991-2012年)，月尺度的NSE和R2值较率定期略高，然而，日尺度的NSE和R2值较率定期略低，验证期的Bias值略优于率定期。根据模型评价结果，VIC模型在赣江流域径流过程中的模拟具有较高可信度。
通过水量平衡分析，重点核查水循环过程中的土壤含水量和蒸散发资料(用于构建骤发干旱指数)。可采用权威土壤含水量和蒸散发资料(如GLDAS v2陆面同化资料)与本发明得出的结果进行比对验证，以验证本发明中VIC模型输出关键变量数据的可靠性。根据图2、3、4和图5、6、7，GLDAS v2(Noah v3.3)的土壤含水量和蒸散发变化趋势和本案例得出相应数据基本一致。GLDAS v2(Noah v3.3)资料的变化幅度较本案例VIC(Yuqing)小，这可能是由于GLDAS v2(Noah v3.3)所同化的气象观测资料较VIC(Yuqing)少。上述资料对比验证，表明了VIC模型在赣江流域土壤含水量和蒸散发中的模拟具有较高的可信度，这为赣江流域骤发干旱精准识别方案的构建提供了数据基础。
(2)构建流域尺度骤发干旱精准识别指标
(2.1)骤发干旱精准识别指标设计思路
基于短时间尺度(候值，即五日均值)赣江流域气象台站观测资料(如气温和降水)和VIC模型输出资料(如蒸散发和土壤含水量)的多种联合阈值组合，通过综合考虑强度变化率(迅速程度指标)和短时间尺度方案，科学定义骤发干旱精准识别指标。经过多次数值试验尝试及深入思考，得出骤发干旱精准识别指标示意图(图8)。本发明中骤发干旱事件主要由两个组成部分：预警候(主要用以判别干旱的迅速程度)和特定干旱候(主要用以识别干旱的持续时间和烈度)。需要注意的是，预警候的下一候必须是特定干旱候，如果只满足单独的预警候条件，则不能称为骤发干旱事件。单个骤发干旱事件的持续时间必须在两候以上(因为单独一候干旱的破坏力有限)。
预警候的识别方案为：每个站点(网格)每候时间尺度同时满足Zsm<-1、SM<40％和Tmax anomaly>0.5STD。Zsm为后一候土壤含水量的百分位数减去前一候土壤含水量的百分数，再进行标准化得出最终的Zsm值，经计算，当Zsm<-1时，则后一候土壤含水量要比前一候土壤含水量至少下降约10％。SM<40％表示土壤含水量低于第40百分位数阈值。Tmaxanomaly>0.5STD表示最高气温距平大于0.5倍的标准差值，用以区分骤发干旱和传统干旱事件的阈值标准，在骤发干旱发生期间，一般蒸散发能力较强，而气温是影响蒸散发能力的最主要因素。
特定干旱候识别方案：每个站点(网格)每候时间尺度同时满足SM<30％和Tmaxanomaly>0.5STD。一般认为土壤含水量SM<30％，则认为是干旱事件，用Tmax anomaly>0.5STD来区分骤发干旱和传统干旱事件。
这种识别指标不仅可以提高骤发干旱事件的预警预报能力，而且可以区分骤发干旱和长期干旱的关系。本发明案例骤发干旱精准识别指标的结果如图9、图10和图11所示。在1961-2013年期间赣江流域预警候发生的频次为50-75次(图9a)，即0.9-1.4次/年。根据1/(发生总次数/总年数)，可以得出赣江流域骤发干旱事件平均1.5-2.0年一遇(图9b)。在赣江流域发生骤发干旱预警候事件条件下，发生骤发干旱事件的概率为45-70％，流域中部和北部区域概率较高(图9c)。赣江流域近53年(1961-2013年)骤发干旱发生候数在100-250之间，赣江流域北部骤发干旱发生候数较多(图10a)。骤发干旱发生候数概率为骤发干旱发生候数与总候数之比，赣江流域发生候数概率在4-10％(图10b)，流域北部发生概率较高，超过8％。赣江流域平均每个骤发干旱事件的持续时间为4.5-6候(图10c)，即22.5-30天。尽管赣江流域骤发干旱在1961-2013年呈略微下降趋势，但在1997-2013年呈现较为明显的上升趋势(图11)。
(2.2)流域尺度骤发干旱精准识别指标效果验证
利用干旱灾害统计年鉴资料，并通过检验骤发干旱阈值标准下的水文气象时空特征，进而分析骤发干旱监测指标的科学性和准确性。为了更严谨地验证本发明骤发干旱事件的识别效果，可采用以下两种方案进行进一步验证分析。
基于候时间尺度SC_PDSI指数(自适应的帕默尔干旱指数)所构建的骤发干旱监测方案。首先准备候时间尺度(五日均值)的气象输入数据，如气温和降水，其次通过土壤质地数据计算每个网格土壤有效持水能力，最后构建SC_PDSI指数。采用后一候时间的SC_PDSI值减去前一候时间的SC_PDSI值，其差值<-1时，则认为达到骤发干旱的迅速程度阈值。满足迅速程度阈值的后一候也应满足干旱标准(SC_PDSI<-1)，一共持续两候以上，则可称之为一个骤发干旱事件。
基于蒸散胁迫指数(ESI)和快速变化指数(RCI)所定义的骤发干旱监测方案。首先，获取实际蒸散发和潜在蒸散发资料，ESI为实际蒸散发与潜在蒸散发的比值；其次，对比前一候和后一候时刻ESI值的变化速率，以判别其迅速程度(RCI)，对ESI值进行标准化，将标准化后的值大于1或小于-1定义为干旱事件；最后，满足持续两候以上阈值标准的事件称之为一个骤发干旱事件。
(3)流域尺度骤发干旱等级标准划分
基于综合考虑强度变化率(迅速程度指标)和短时间尺度方案的骤发干旱监测指标，进行骤发干旱基本特征的分析，如发生频次、持续时间和覆盖范围等。在深刻理解上述基本时空特征和本发明所设计骤发干旱监测指标结构的基础上，分别从两方面设计出能够表征不同强度等级骤发干旱事件的指数。
(3.1)骤发干旱量级指数设计
从单站点(局地)角度，构建能够同时考虑骤发干旱烈度(单位时间内的强度)和持续时间的骤发干旱量级指数(FDMI)，拟采用以下方案进行设计，以某一个站点(网格)某一次骤发干旱事件为例。
FDMI＝EWP+SDP
EWP＝|Zsm1-(-1)|·|Tanom1-0.5STD|·|SM1-40％|
SDP＝|Tanom2-0.5STD|·|SM1-30％|+|Tanomi-0.5STD|·|SMi-30％|
式中：FDMI表示骤发干旱量级指数，EWP为预警候(骤发干旱事件的第一候)指标，SDP为特定干旱候(骤发干旱事件的第2候、第3候…第n候，必须为紧接着预警候下面的连续候)指标。Zsm1为第一候土壤含水量的变化速率(标准化值)，-1为第一候土壤含水量变化速率标准化的阈值标准，Tanom1为第一候最高气温距平，0.5STD为0.5倍的最高气温距平标准差，SM1为第一候土壤含量百分位数。Tanom2和Tanomi为第二候和连续的第i候最高气温距平，SM1和SMi为第二候和连续的第i候土壤含量百分位数。对流域内所有站点(网格)所有骤发干旱事件的FDMI指数进行降序排序，拟将前0-25％范围的FDMI指数值作为极端骤发干旱事件的阈值标准，将前25-50％范围的FDMI指数值作为重度骤发干旱事件的阈值标准，将前50-75％范围的FDMI指数值作为中度骤发干旱事件的阈值标准，将前75-100％范围的FDMI指数值作为轻度骤发干旱事件的阈值标准。
(3.2)骤发干旱严重程度及其覆盖范围指数设计
从单位时间角度(即同一时次)，构建能够同时表征站点(网格)骤发干旱严重程度及其覆盖范围的骤发干旱指数(FDSCI)，拟采用以下方法进行设计，以某一时次流域各网格骤发干旱事件状况为例。
FDSCI＝1×FDMI1+2×FDMI2+3×FDMI3+4×FDMI4
式中：FDSCI为骤发干旱严重程度及其覆盖范围指数，1-4表示FDMI的四个强度等级，分别表示轻度、中度、重度和极端骤发干旱事件，FDMI1-4为这四个强度等级骤发干旱事件在同一时次内的覆盖范围(用百分位数表示)，AFDSCI为FDSCI次数的累加值。以表1为例。
表1不同强度等级骤发干旱事件的覆盖范围(％)
根据表1，第一时次的FDSCI＝0×15+1×36+2×22+3×18+4×9＝170，第二时次的FDSCI＝0×50+1×28+2×15+3×5+4×5＝93，则两次事件的累加值AFDSCI＝170+93＝263。将所有时次的FDSCI值进行降序排列，将前0-25％范围的FDSCI指数值作为极端骤发干旱事件的阈值标准，将前25-50％范围的FDSCI指数值作为重度骤发干旱事件的阈值标准，将前50-75％范围的FDSCI指数值作为中度骤发干旱事件的阈值标准，将前75-100％范围的FDSCI指数值作为轻度骤发干旱事件的阈值标准。进行不同强度等级骤发干旱事件的阈值标准划分。这种方案主要以某一时次骤发干旱事件的覆盖范围为基础，用以识别该时次下整个流域骤发干旱事件的严重程度。
以上所述实施例仅表达本发明的实施方式，但并不能因此而理解为对本发明专利的范围的限制，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。
Claims (4)
1.一种流域尺度骤发干旱精准识别方法，其特征在于，该精准识别方法包括以下步骤：
(1)构建流域VIC陆面水文模型
(1.1)水文气象观测数据和地理空间资料预处理
收集流域出口水文站逐日流量资料、流域内逐日气象观测资料以及地理空间资料，对这些资料进行预处理；其中地理空间资料包括流域内数字高程模型DEM、土壤数据和土地覆被资料：
(1.2)基于地理空间资料、流域出口水文站逐日流量资料、以及逐日气象观测数据等，构建流域VIC陆面水文模型，并进行模型参数率定和结果验证；
(1.3)水文过程验证
对流域VIC陆面水文模型进行参数率定及水文过程验证，采用NSE效率系数，决定系数R2和相对误差Bias三项指标评价流域VIC陆面水文模型在流域水文过程模拟中的适宜程度；采用权威土壤含水量和蒸散发资料与结果进行比对，验证流域VIC陆面水文模型输出关键变量数据的可靠性；
(2)构建流域尺度骤发干旱精准识别指标
(2.1)骤发干旱精准识别指标设计思路
基于短时间尺度气象台站观测资料和VIC模型输出资料的多种联合阈值组合，通过综合考虑强度变化率和短时间尺度方案，构建流域尺度骤发干旱精准识别指标，精准识别骤发干旱事件；所述的短时间尺度表示候值，即五日均值；
骤发干旱事件由两个识别方案：预警候和特定干旱候，预警候主要用以判别干旱的迅速程度，特定干旱候主要用以识别干旱的持续时间和烈度；预警候的下一候必须是特定干旱候，如果只满足单独的预警候条件，则不能称为骤发干旱事件；单个骤发干旱事件的持续时间必须在两候以上；
(2.2)流域尺度骤发干旱精准识别指标效果验证
利用干旱灾害统计年鉴资料，并通过检验骤发干旱阈值标准下的水文气象时空特征，进而分析骤发干旱监测指标的科学性和准确性；采用两种方案对所定义的骤发干旱监测指标进行效果检验与评价：①基于候时间尺度SC_PDSI指数所构建的骤发干旱监测方案；②基于蒸散胁迫指数ESI和快速变化指数RCI所定义的骤发干旱监测方案；两种方案均采用候时间尺度，采用的骤发干旱识别方案也为预警候和特定干旱候；
(3)流域尺度骤发干旱等级标准划分
基于步骤(2.1)骤发干旱精准识别指标，进行骤发干旱基本特征的分析；分别从单站点角度和单位时间角度，构建能够表征不同强度等级骤发干旱事件的指标体系，其中，单站点表示局地；单位时间表示同一时次；
(3.1)骤发干旱量级指数设计
从单站点角度，构建能够同时考虑骤发干旱烈度和持续时间的骤发干旱量级指数FDMI，计算公式如下：
FDMI＝EWP+SDP
EWP＝|Zsm1-(-1)|·|Tanom1-0.5STD|·|SM1-40％|
SDP＝|Tanom2-0.5STD|·|SM1-30％|+|Tanomi-0.5STD|·|SMi-30％|
式中：FDMI表示骤发干旱量级指数；EWP为预警候指标，预警候为骤发干旱事件的第一候；SDP为特定干旱候指标，特定干旱候为骤发干旱事件的第2候、第3候…第n候，必须为紧接着预警候下面的连续候；Zsm1为第一候土壤含水量的变化速率；-1为第一候土壤含水量变化速率标准化的阈值标准；Tanom1为第一候最高气温距平；0.5STD为0.5倍的最高气温距平标准差；SM1为第一候土壤含量百分位数；Tanom2和Tanomi为第二候和连续的第i候最高气温距平；SM1和SMi为第二候和连续的第i候土壤含量百分位数；
(3.2)骤发干旱严重程度及其覆盖范围指数设计
从单位时间角度，构建能够同时表征站点或网格骤发干旱严重程度及其覆盖范围的骤发干旱指数FDSCI，计算公式如下
FDSCI＝1×FDMI1+2×FDMI2+3×FDMI3+4×FDMI4
式中：FDSCI为骤发干旱严重程度及其覆盖范围指数；1-4表示FDMI的四个强度等级，分别表示轻度、中度、重度和极端骤发干旱事件；FDMI1-4为这四个强度等级骤发干旱事件在同一时次内的覆盖范围，用百分位数表示；AFDSCI为FDSCI次数的累加值；
(3.3)对FDMI和FDSCI进行数理统计，确定不同强度等级骤发干旱事件的阈值标准
分别将FDMI和FDSCI所有值进行降序排列，将前0-25％范围的指数值作为极端骤发干旱事件的阈值标准，将前25-50％范围的指数值作为重度骤发干旱事件的阈值标准，将前50-75％范围的指数值作为中度骤发干旱事件的阈值标准，将前75-100％范围的指数值作为轻度骤发干旱事件的阈值标准；进行不同强度等级骤发干旱事件的阈值标准划分。
2.根据权利要求1所述的一种流域尺度骤发干旱精准识别方法，其特征在于，所述的步骤(1.2)中VIC陆面水文模型是一种基于正交网格的分布式陆面水文模型，采用VIC陆面水文模型输出质量较优的土壤含水量和蒸散发资料，该VIC陆面水文模型能够同时模拟陆面水量平衡和能量平衡；为准确计算土壤蒸散发量以及建立上下层土壤水分运动机制，VIC模型采用三层土壤结构，即VIC-3L。
3.根据权利要求1所述的一种流域尺度骤发干旱精准识别方法，其特征在于，所述的步骤(2.1)中：
预警候的识别方案为：每个站点每候时间尺度同时满足Zsm<-1、SM<40％和Tmaxanomaly>0.5STD；Zsm为后一候土壤含水量的百分位数减去前一候土壤含水量的百分数；SM<40％表示土壤含水量小于第40％百分位数阈值；Tmax anomaly>0.5STD表示最高气温距平大于0.5倍的标准差值，用以区分骤发干旱和传统干旱事件的阈值标准；
特定干旱候识别方案：每个站点每候时间尺度同时满足SM<30％和Tmax anomaly>0.5STD；当土壤含水量SM<30％，认为是干旱事件，用Tmax anomaly>0.5STD区分骤发干旱和传统干旱事件。
4.根据权利要求1所述的一种流域尺度骤发干旱精准识别方法，其特征在于，所述的步骤(2.1)中：所述的步骤(2.2)中：
基于候时间尺度SC_PDSI指数所构建的骤发干旱监测方案为：首先准备候时间尺度，即五日均值的气象输入数据，其次通过土壤质地数据，计算每个网格土壤有效持水能力，最后构建SC_PDSI指数；采用后一候时间的SC_PDSI值减去前一候时间的SC_PDSI值，其差值<-1时，则认为达到骤发干旱的迅速程度阈值；满足迅速程度阈值的后一候也应满足干旱标准SC_PDSI<-1，一共持续两候以上，则称之为一个骤发干旱事件；
基于蒸散胁迫指数ESI和快速变化指数RCI所定义的骤发干旱监测方案为：首先，获取实际蒸散发和潜在蒸散发资料，ESI为实际蒸散发与潜在蒸散发的比值；其次，对比前一候和后一候时刻ESI值的变化速率，以判别其迅速程度RCI，对ESI值进行标准化，将标准化后的值大于1或小于-1定义为干旱事件；最后，满足持续两候以上阈值标准的事件称之为一个骤发干旱事件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910495135.2A CN110334404B (zh) | 2019-06-10 | 2019-06-10 | 一种流域尺度骤发干旱精准识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910495135.2A CN110334404B (zh) | 2019-06-10 | 2019-06-10 | 一种流域尺度骤发干旱精准识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110334404A true CN110334404A (zh) | 2019-10-15 |
| CN110334404B CN110334404B (zh) | 2023-10-24 |
Family
ID=68140831
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910495135.2A Active CN110334404B (zh) | 2019-06-10 | 2019-06-10 | 一种流域尺度骤发干旱精准识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110334404B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111947707A (zh) * | 2020-07-03 | 2020-11-17 | 中国气象局兰州干旱气象研究所 | 干旱半干旱区地表水分循环全分量监测与识别方法 |
| CN112395557A (zh) * | 2020-11-26 | 2021-02-23 | 华南理工大学 | 一种基于瞬时发展速率识别骤发干旱的方法 |
| CN112966960A (zh) * | 2021-03-23 | 2021-06-15 | 西安理工大学 | 一种基于土壤湿度的多阈值干旱综合风险评价方法 |
| CN113361742A (zh) * | 2020-12-28 | 2021-09-07 | 中国长江三峡集团有限公司 | 一种基于水文模拟的区域综合干旱识别方法 |
| CN115859583A (zh) * | 2022-11-21 | 2023-03-28 | 上海勘测设计研究院有限公司 | 降水和初始状态对干旱过程影响的定量分析方法及系统 |
| CN116911069A (zh) * | 2023-09-06 | 2023-10-20 | 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) | 一种基于条件概率的水文干旱恢复预估方法 |
| CN116955886A (zh) * | 2023-05-17 | 2023-10-27 | 武汉大学 | 一种强度速度耦合的多尺度标准化旱涝急转指数计算方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103268424A (zh) * | 2013-05-31 | 2013-08-28 | 中国科学院遥感与数字地球研究所 | 地表饮用水源集水区生态监测方法 |
| US20160113215A1 (en) * | 2014-10-24 | 2016-04-28 | Kevin Layton | Methods for ameliorating water shortages and drought conditions using induced precipitation recycling |
| CN107480867A (zh) * | 2017-07-25 | 2017-12-15 | 河海大学 | 自适应变尺度干旱评价模型及评价方法 |
-
2019
- 2019-06-10 CN CN201910495135.2A patent/CN110334404B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103268424A (zh) * | 2013-05-31 | 2013-08-28 | 中国科学院遥感与数字地球研究所 | 地表饮用水源集水区生态监测方法 |
| US20160113215A1 (en) * | 2014-10-24 | 2016-04-28 | Kevin Layton | Methods for ameliorating water shortages and drought conditions using induced precipitation recycling |
| CN107480867A (zh) * | 2017-07-25 | 2017-12-15 | 河海大学 | 自适应变尺度干旱评价模型及评价方法 |
Non-Patent Citations (4)
| Title |
|---|
| YUQING ZHANG等: "Flash droughts in a typical humid and subtropical basin:A case study in the Gan river basin, China", 《JOURNAL OF HYDROLOGY》, no. 551, pages 162 - 176, XP085142831, DOI: 10.1016/j.jhydrol.2017.05.044 * |
| 张余庆: "气候变化背景下赣江流域骤发干旱研究", 《万方》 * |
| 陈昌春: "变化环境下江西省干旱特征与径流变化研究", 《中国博士学位论文全文数据库 (基础科学辑)》, no. 03, pages 009 - 9 * |
| 马俊超;杭庆丰;李琼芳;李昊洋;李鹏程;虞美秀;: "基于VIC模型的滦河流域综合干旱指数的构建与应用", 水资源与水工程学报, no. 02 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111947707A (zh) * | 2020-07-03 | 2020-11-17 | 中国气象局兰州干旱气象研究所 | 干旱半干旱区地表水分循环全分量监测与识别方法 |
| CN112395557A (zh) * | 2020-11-26 | 2021-02-23 | 华南理工大学 | 一种基于瞬时发展速率识别骤发干旱的方法 |
| CN113361742A (zh) * | 2020-12-28 | 2021-09-07 | 中国长江三峡集团有限公司 | 一种基于水文模拟的区域综合干旱识别方法 |
| CN113361742B (zh) * | 2020-12-28 | 2023-10-10 | 中国长江三峡集团有限公司 | 一种基于水文模拟的区域综合干旱识别方法 |
| CN112966960A (zh) * | 2021-03-23 | 2021-06-15 | 西安理工大学 | 一种基于土壤湿度的多阈值干旱综合风险评价方法 |
| CN115859583A (zh) * | 2022-11-21 | 2023-03-28 | 上海勘测设计研究院有限公司 | 降水和初始状态对干旱过程影响的定量分析方法及系统 |
| CN116955886A (zh) * | 2023-05-17 | 2023-10-27 | 武汉大学 | 一种强度速度耦合的多尺度标准化旱涝急转指数计算方法 |
| CN116955886B (zh) * | 2023-05-17 | 2024-03-26 | 武汉大学 | 一种强度速度耦合的多尺度标准化旱涝急转指数计算方法 |
| CN116911069A (zh) * | 2023-09-06 | 2023-10-20 | 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) | 一种基于条件概率的水文干旱恢复预估方法 |
| CN116911069B (zh) * | 2023-09-06 | 2023-12-08 | 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) | 一种基于条件概率的水文干旱恢复预估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110334404B (zh) | 2023-10-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110334404A (zh) | 一种流域尺度骤发干旱精准识别方法 | |
| CN107390298B (zh) | 一种复杂山地下垫面大风的模拟方法及装置 | |
| Senarath et al. | On the calibration and verification of two‐dimensional, distributed, Hortonian, continuous watershed models | |
| Yang et al. | Investigating land surface effects on the moisture transport over South America with a moisture tagging model | |
| Bouraoui et al. | Evaluation of the impact of climate changes on water storage and groundwater recharge at the watershed scale | |
| Douinot et al. | Ecohydrological modelling with EcH2O‐iso to quantify forest and grassland effects on water partitioning and flux ages | |
| Nazemosadat et al. | On the relationships between the Madden–Julian oscillation and precipitation variability in southern Iran and the Arabian Peninsula: Atmospheric circulation analysis | |
| Brocca et al. | Improving the representation of soil moisture by using a semi‐analytical infiltration model | |
| Odongo et al. | Sensitivity analysis and calibration of the Modified Universal Soil Loss Equation (MUSLE) for the upper Malewa catchment, Kenya | |
| Wu et al. | Modelling temperature, moisture and surface heat balance in bare soil under seasonal frost conditions in China | |
| Zarrin et al. | Future changes in precipitation extremes over Iran: Insight from a CMIP6 bias-corrected multi-model ensemble | |
| CN108961402A (zh) | 多卫星遥感降水反演在大尺度复杂流域的时空精度标定方法 | |
| CN106644919A (zh) | 一种测定表土属性变化与侵蚀效应的试验方法 | |
| You et al. | Quality control of soil water data in Applied Climate Information System—Case study in Nebraska | |
| Yang et al. | Effect of observation network design on meteorological forecasts of Asian dust events | |
| Li et al. | Improvement of the multi-source weighted-ensemble precipitation dataset and application in the arid area of Tianshan Mountains, central Asia | |
| Mambu | GIS-based rainfall estimator evaluation and interpolation analysis using ArcGIS | |
| Zhao et al. | A comprehensive method for error separation in hydrological modelling | |
| Ghahreman et al. | Solar radiation estimation from rainfall and temperature data in arid and semi-arid climates of Iran | |
| Chen et al. | Assessing effect of time scale on the solar radiation sunshine duration relationship | |
| Li et al. | Regionalization of coaxial correlation diagrams for the semi-humid and semi-arid catchments in Northern China | |
| Hu et al. | Analysis on ecological suitability planting area of Chinese medicinal yam | |
| CN117992725B (zh) | 一种全球草地土壤水分阈值计算方法 | |
| Kifle et al. | Hydrological modelling of climate change impacts in Awash River basin: A case of Borkena River Catchment, Ethiopia | |
| Georgakakos et al. | Lake acidification studies: The role of input uncertainty in long‐term predictions |
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 |