CN112712024A - 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 - Google Patents

Abstract

本发明公开了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，包括以下步骤：基于实际蒸发数据和潜在蒸散发数据计算标准化蒸发赤字指数；基于归一化植被指数、潜在蒸散发、土地利用数据计算净初级生产力；通过三维空间结构聚类识别干旱灾害，得到干旱灾害识别信息；基于干旱灾害识别信息对净初级生产力的影响，判别干旱特征与净初级生产力的变化关系，得到评估结果；本发明明确了干旱三维结构的识别所需的指数和过程，更加符合区域干旱发展的形成机理，从而使评估结果更加真实地反映实际情况，可以为防旱抗旱提供重要的基本信息。此外，本发明聚焦干旱三维结构内净初级生产力变化，更加精准评估影响且操作简单方便。

Description

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

技术领域

本发明涉及干旱灾害对生态影响的评估研究领域，特别涉及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。

背景技术

随着全球气候变化，干旱已经成为一种主要的气候灾害，易对生态系统造成不利严重影响，特别是对陆地净初级生产力。净初级生产力指的是绿色植物在单位时间单位面积上所积累的有机物数量，是由光合作用所产生的有机物总量扣除自养呼吸后的剩余部分。净初级生产力的累积成为全球碳循环过程的重要组成部分和关键环节，在全球碳平衡中发挥着难以替代的作用。同时净初级生产力也是植物与环境相互影响的结果，体现着陆地生态系统对气候变化的响应。因此，研究干旱对净初级生产力变化的影响有助于采取适当的缓解干旱措施，为监测净初级生产力变化提供有用的信息。

识别干旱事件是评估干旱对净初级生产力影响的首要步骤。目前，识别干旱的方法包括游程理论、经验正交函数、小波分析、主成分分析及聚类分析等。游程理论是描述干旱特点最简单和普遍的方法之一；主成分分析是一种数据降维方法，有助于提取干旱必要信息，进行干旱区划；小波分析主要用于识别干旱的周期性。这些方法的共同缺点是通过研究固定区域内干旱变化或分析固定时间内的空间格局以简化时空干旱特征。在这种情况下，干旱三维结构被降为一个较低的子空间(一维或二维)，干旱事件的时空结构被破坏，进而不能结合干旱时空结构识别干旱对净初级生产力的影响。鉴于此，提出一种使用三维空间结构(纬度-经度-时间)聚类算法识别干旱灾害及其对净初级生产力的影响。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供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，用于识别干旱灾害及其对净初级生产力的影响，对于防旱抗旱及了解旱灾对净初级生产力影响有重要意义。

本发明的目的通过以下的技术方案实现：

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，包括以下步骤：

基于实际蒸发数据和潜在蒸散发数据计算标准化蒸发赤字指数；

基于归一化植被指数、潜在蒸散发、土地利用数据计算净初级生产力；

通过三维空间结构聚类识别干旱灾害，得到干旱灾害识别信息；

基于干旱灾害识别信息对净初级生产力的影响，判别干旱特征与净初级生产力的变化关系，得到评估结果。

进一步地，所述基于实际蒸发数据和潜在蒸散发数据计算标准化蒸发赤字指数，具体为：

对于月份i，蒸发赤字值ED定义为实际蒸发ET与大气蒸发需求量PET之间的差异，

ED_i＝ET_i-PET_i

使用三参数对数-逻辑分布标准化蒸发赤字值

式中，α是尺度参数，β是形状参数，γ是位置参数；

α、β、γ分别由下式计算：

γ＝W₀-αΓ(1+1/β)Γ(1-1/β)

式中Γ(β)是Gamma函数，三参数对数-逻辑分数的概率分布函数为：

最后，对各月累积蒸散亏缺量序列的概率分布进行标准化处理，得到标准化蒸发赤字指数；

令P＝1-F(x)，当P≤0.5，

当P＞0.5，

式中，c₀＝2.515517，c₁＝0.802853，c₂＝0.010328，d₁＝1.432788，d₂＝0.189269，d₃＝0.01308。

进一步地，所述基于归一化植被指数、潜在蒸散发、土地利用数据计算净初级生产力，具体如下：净初级生产力数据则基于CASA模型计算，该模型计算的净初级生产力数据应与实测数据进行对比验证；驱动CASA模型数据包括降水、气温、辐射、潜在蒸散发、土地利用数据及归一化植被指数。

进一步地，所述通过三维空间结构聚类识别干旱灾害，得到干旱灾害识别信息，如下所示：基于时间-经纬-纬度的三维结构识别干旱事件：包括识别干旱斑块；干旱斑块的选取；干旱事件的识别；干旱事件特征描述。

进一步地，所述识别干旱斑块，具体为：基于SEDI指数的三维干旱图，捕捉每一时间维度内干旱斑块；不同干旱指数，基于不同的阈值来识别干旱；而SEDI与标准降水蒸散指数都采取同样的标准化方法，SEDI值与标准化降水蒸散指数的概率分布基本一致，故当SEDI值小于-1时，判定干旱的发生；从初始时间维度识别干旱斑块，对于初始月份的二维区域图，遍历搜索网格内的所有SEDI值；当某一格网值低于-1时，则鉴定为干旱的起点，相邻区域的网格也被检测；如相邻网格SEDI值也小于-1，则将该网格归为当前干旱斑块；搜索过程直到区域图内没有网格处于干旱状况；识别完初始时间维度内干旱斑块后，继续识别随后时间维度的干旱斑块。

进一步地，所述干旱斑块的选取，选择面积大于某一阈值的干旱斑块；斑块面积阈值设定为具体实施例区域面积的1.6％；当干旱斑块低于此阈值，则不考虑此斑块，而高于此阈值，则选取为干旱斑块。

进一步地，所述干旱事件识别，计算连续两个月的斑块重叠面积及重叠百分比；若重叠面积占具体实施例区域面积的1.6％，且重叠部分占较小干旱斑块的50％，则认为两个干旱斑块属于同一事件；否则，他们则被认为独立的干旱事件；重叠面积确保两个干旱斑块在空间上是连续的和连接的，重叠百分比则保证重叠区域的有效性，最后将识别的干旱事件与土壤水对比验证。

进一步地，所述干旱事件特征描述，包括历时、严重性、面积、强度、和干旱中心；

干旱历时定义为干旱事件持续的月份；严重性定义为：

S(i,j,k)＝SEDI(i,j,k)×area(i,j)×1month

式中，DS_n为第n个干旱事件的严重性；i，j分别表格格网的经度和维度，k为干旱事件的时间步长；area为格网的面积；S(i,j,k)为第n个干旱事件k月份格网i,j的干旱严重性；

干旱面积是指某一干旱事件所影响的面积，即影响区域在经度和维度的投影面积；而干旱强度定义为严重性除以历时和面积的乘积；干旱中心是干旱事件斑块的几何中心，代表干旱事件的中心位置，由经度和维度组成，定义为：

式中，DC_i和DC_j分别表示干旱中心的经度和位置。

进一步地，所述基于干旱灾害识别信息对净初级生产力的影响，判别干旱特征与净初级生产力的变化关系，得到评估结果，具体为：基于干旱灾害识别信息提取的干旱三维结构，提取具有相同时空纬度的净初级生产力三维数据，分析三维结构内净初级生产力变化；

每个格网的净初级生产力异常定义为：

式中，ΔNPP(i,j,k)表示在干旱事件中格网i,j,k月份NPP的异常值；NPP(i,j,k)表示在格网i,j,k月份净初级生产力的实测值；

表示在格网i,j,k月份净初级生产力平均值；

干旱事件引起净初级生产力的总变化定义为

式中，TNA_n表示干旱引起净初级生产力的总变化，负值表示干旱引起净初级生产力损失，正值则表示干旱没造成净初级生产力损失；

最后分析干旱严重性、面积及强度与净初级生产力的总变化的联系。

本发明与现有技术相比，具有如下优点和有益效果：

本发明相对于现有技术具有如下的优点和效果：干旱结构是研究干旱特征的重要基础。本发明明确了干旱三维结构的识别所需的指数和过程，更加符合区域干旱发展的形成机理，从而使评估结果更加真实地反映实际情况，可以为防旱抗旱提供重要的基本信息。对比其他干旱对净初级生产力影响评估模型，本发明聚焦干旱三维结构内净初级生产力变化，能更加精准评估干旱的影响且具有操作简单方便的优势。

附图说明

图1为本发明所述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流程框图；

图2为本发明所述实施例中评估方法流程图；

图3为本发明所述实施例中干旱事件严重性与土壤水相关性示意图；

图4为本发明所述实施例中干旱事件空间分布图；

图5为本发明所述实施例中干旱事件严重性、受影响面积和强度时间变化及这些特征在月时间尺度的变化示意图；

图6为本发明所述实施例中严重干旱事件空间分布及相应的月尺度时间演化示意图；其中，图6a为1962/12-1963/10的相关图，图6b为2009/9-2010/9的相关图，图6c为2011/2-2011/12的相关图，图6d为1998/9-1999/6的相关图，图6e为2003/11-2004/8的相关图；

图7为本发明所述实施例中干旱事件对净初级生产力影响示意图；

图8为本发明所述实施例中干旱事件严重性、强度、受影响区域和净初级生产力的相关性示意图；

图9为本发明所述实施例中累积净初级生产力异常的空间分布、相应的月干旱特征和净初级生产力变化的时间演化、累积净初级生产力与标准化蒸发赤字的散点图；其中，图9a为2011年2月至12月干旱事件的相关图，图9b为2009年9月至2010年9月干旱事件的相关图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例：

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，如图1所示，包括下述步骤：

步骤(1)：基于实际蒸发和潜在蒸散发数据计算标准化蒸发赤字指数。基于归一化植被指数、潜在蒸散发、土地利用数据计算净初级生产力；

步骤(2)：运用三维空间结构聚类算法识别干旱灾害；

步骤(3)：基于干旱三维空间结构识别干旱对净初级生产力的影响，判别干旱特征与净初级生产力变化关系。

以下为本实施例对本发明的技术方案的详细描述，评估方法具体步骤如图2所示。

1、计算标准化蒸发赤字指数及净初级生产力

实施例标准化蒸散赤字指数(SEDI)具体计算过程如下：

1)对于月份i，蒸发赤字值(ED)定义为实际蒸发(ET)与大气蒸发需求量(PET)之间的差异

ED_i＝ET_i-PET_i (1)

2)使用三参数对数-逻辑分布标准化蒸发赤字值

式中，α是尺度参数，β是形状参数，γ是位置参数；

α、β、γ分别由下式计算：

γ＝W₀-αΓ(1+1/β)Γ(1-1/β) (5)

式中Γ(β)是Gamma函数，三参数对数-逻辑分数的概率分布函数为：

最后，对各月累积蒸散亏缺量序列的概率分布进行标准化处理。

令P＝1-F(x)，当P≤0.5，

当P＞0.5，

式中，c₀＝2.515517，c₁＝0.802853，c₂＝0.010328，d₁＝1.432788，d₂＝0.189269，d₃＝0.01308。

而净初级生产力数据则基于Carnegie-Ames-Stanford Approach(CASA)模型计算。驱动CASA模型数据包括降水、气温、辐射、潜在蒸散发、土地利用数据、及归一化植被指数。该模型计算的净初级生产力数据应与实测数据进行对比验证。

2、识别具有三维结构的干旱事件

a)识别干旱斑块。基于SEDI指数的三维(时间-经纬-纬度)干旱图，捕捉每一时间维度内干旱斑块。不同干旱指数，一般基于不同的阈值来识别干旱，如标准化降水蒸散指数值低于负一时，则判定干旱的发生。如采取干旱识别阈值过低，则可能导致干旱斑块面积的增加，高估了干旱状况；但采取阈值过高，则可能导致干旱斑块面积减少，低估了干旱状况。因此，有必要采取合理的干旱阈值。而SEDI与标准降水蒸散指数都采取同样的标准化方法，SEDI值与标准化降水蒸散指数的概率分布基本一致，故当SEDI值小于-1时，判定干旱的发生。从初始时间维度识别干旱斑块，对于初始月份的二维区域图，遍历搜索网格内的所有SEDI值；当某一格网值小于-1时，则鉴定为干旱的起点，相邻区域的网格也被检测；如相邻网格SEDI值也低于-1，则将该网格归为当前干旱斑块。这一搜索过程直到区域图内没有网格处于干旱状况。识别完初始时间维度内干旱斑块后，继续识别随后时间维度的干旱斑块。

b)干旱斑块的选取。选择面积大于某一阈值的干旱斑块。当干旱斑块面积过小，可能误判干旱延续时间，而干旱斑块面积过大，则会忽略小规模干旱事件。因此，有必要基于合理的阈值来选取干旱斑块。本实施例中，斑块面积阈值为具体研究区区域面积的1.6％；当干旱斑块低于此阈值，则不考虑此斑块，而高于此阈值，则选取为干旱斑块。

c)干旱事件识别。计算连续两个月的斑块重叠面积及重叠百分比。若重叠面积占具体实施例区域面积的1.6％，且重叠部分占较小干旱斑块的50％，则认为两个干旱斑块属于同一事件；否则，他们则被认为独立的干旱事件。重叠面积确保两个干旱斑块在空间上是连续的和连接的，重叠百分比则保证重叠区域的有效性。最后将识别的干旱事件与土壤水对比验证。

d)干旱事件特征描述，包括历时、严重性、面积、强度、和干旱中心等。

干旱历时定义为干旱事件持续的月份；严重性定义为：

S(i,j,k)＝SEDI(i,j,k)×area(i,j)×1month (10)

式中，DS_n为第n个干旱事件的严重性；i，j分别表格格网的经度和维度，k为干旱事件的时间步长；area为格网的面积；S(i,j,k)为第n个干旱事件k月份格网i,j的干旱严重性。

干旱面积是指某一干旱事件所影响的面积，即，影响区域在经度和维度的投影面积。而干旱强度定义为严重性除以历时和面积的乘积。干旱中心是干旱事件斑块的几何中心，代表干旱事件的中心位置(由经度和维度组成)，定义为：

式中，DC_i和DC_j分别表示干旱中心的经度和位置。

3、实施例干旱事件分析

图3显示了本发明实施例识别的干旱事件严重性与土壤水相关性，可知，干旱事件严重性与土壤水呈现良好的相关关系，相关系数均大于0.95，表明该方法可很好地识别干旱事件。图4显示了本发明实施例干旱事件特征的空间分布图，可知长历时和严重的干旱事件的中心主要集中在流域的中上游，下游地区干旱事件历时较短、严重性较低。图5显示了本实施例干旱事件严重性、影响面积和强度的时间变化趋势，可知2000年之后，本实施例经历频繁的干旱灾害。

图6显示了本发明实施例前5名严重干旱事件的空间分布及相应的月尺度时间演化。图6a显示了本实施例1960年以来最严重的干旱事件，该事件始于1962年12月，位于流域西部；随后在1963年1月转移至流域中部，但2-3月停留在流域西部；4-10月一直在流域中部徘徊，直至消失。

4、评估干旱对净初级生产力影响

为了评估净初级生产力对大规模和严重干旱事件的反应，关注三维结构内干旱影响区域的净初级生产力变化。基于提取的干旱三维结构，提取具有相同时空纬度的净初级生产力三维数据。然后，分析三维结构内净初级生产力变化。每个格网的净初级生产力异常定义为：

式中ΔNPP(i,j,k)表示在干旱事件中格网i,j,k月份NPP的异常值；NPP(i,j,k)表示在格网i,j,k月份净初级生产力的实测值；

表示在格网i,j,k月份净初级生产力平均值

干旱事件引起净初级生产力的总变化定义为：

式中TNA_n表示干旱引起净初级生产力的总变化，负值表示干旱引起净初级生产力损失，正值则表示干旱没造成净初级生产力损失。最后分析干旱严重性、面积及强度与净初级生产力的总变化的联系。

图7显示了本实施例干旱事件对净初级生产力影响，可知在干旱事件中，60％受影响区域的净初级生产力呈现减少趋势，严重的干旱事件可使净初级生产力减少10TgC左右。图8显示了本实施例干旱事件严重性、强度、受影响区域与净初级生产力变化的相关性，可知净初级生产力变化与干旱事件严重性、强度、受影响区域呈明显的正相关性。

图9显示了本实施例中累积净初级生产力异常的空间分布、相应的月干旱特征和净初级生产力变化的时间演化、累积净初级生产力与标准化蒸发赤字的散点图。图9a显示了2011年2月至12月的干旱事件，图9b显示了2009年9月至2010年9月的干旱事件，可知这两干旱事件基本导致净初级生产力减少。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (9)

1.一种基于三维结构的干旱对净初级生产力影响的评估方法，其特征在于，包括以下步骤：

基于实际蒸发数据和潜在蒸散发数据计算标准化蒸发赤字指数；

基于归一化植被指数、潜在蒸散发、土地利用数据计算净初级生产力；

通过三维空间结构聚类识别干旱灾害，得到干旱灾害识别信息；

基于干旱灾害识别信息对净初级生产力的影响，判别干旱特征与净初级生产力的变化关系，得到评估结果。

2.根据权利要求1所述的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，其特征在于，所述基于实际蒸发数据和潜在蒸散发数据计算标准化蒸发赤字指数，具体为：

对于月份i，蒸发赤字值ED定义为实际蒸发ET与大气蒸发需求量PET之间的差异，

ED_i＝ET_i-PET_i

使用三参数对数-逻辑分布标准化蒸发赤字值：

式中，α是尺度参数，β是形状参数，γ是位置参数；

α、β、γ分别由下式计算：

γ＝W₀-αΓ(1+1/β)Γ(1-1/β)

式中Γ(β)是Gamma函数，三参数对数-逻辑分数的概率分布函数为：

最后，对各月累积蒸散亏缺量序列的概率分布进行标准化处理，得到标准化蒸发赤字指数；

令P＝1-F(x)，当P≤0.5，

当P＞0.5，

式中，c₀＝2.515517，c₁＝0.802853，c₂＝0.010328，d₁＝1.432788，d₂＝0.189269，d₃＝0.01308。

3.根据权利要求2所述的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，其特征在于，所述基于归一化植被指数、潜在蒸散发、土地利用数据计算净初级生产力，具体如下：净初级生产力数据则基于CASA模型进行常规计算，该模型计算的净初级生产力数据应与实测数据进行对比验证；驱动CASA模型数据包括降水、气温、辐射、潜在蒸散发、土地利用数据及归一化植被指数。

4.根据权利要求1所述的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，其特征在于，所述通过三维空间结构聚类识别干旱灾害，得到干旱灾害识别信息，如下所示：基于时间-经纬-纬度的三维结构识别干旱事件：包括识别干旱斑块；干旱斑块的选取；干旱事件的识别；干旱事件特征描述。

5.根据权利要求4所述的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，其特征在于，所述识别干旱斑块，具体为：基于SEDI指数的三维干旱图，捕捉每一时间维度内干旱斑块；不同干旱指数，基于不同的阈值来识别干旱；而SEDI与标准降水蒸散指数都采取同样的标准化方法，SEDI值与标准化降水蒸散指数的概率分布基本一致，故当SEDI值小于-1时，判定干旱的发生；从初始时间维度识别干旱斑块，对于初始月份的二维区域图，遍历搜索网格内的所有SEDI值；当某一格网值低于-1时，则鉴定为干旱的起点，相邻区域的网格也被检测；如相邻网格SEDI值也小于-1，则将该网格归为当前干旱斑块；搜索过程直到区域图内没有网格处于干旱状况；识别完初始时间维度内干旱斑块后，继续识别随后时间维度的干旱斑块。

6.根据权利要求5所述的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，其特征在于，所述干旱斑块的选取，选择面积大于某一阈值的干旱斑块；斑块面积阈值设定为具体实施例区域面积的1.6％；当干旱斑块低于此阈值，则不考虑此斑块，而高于此阈值，则选取为干旱斑块。

7.根据权利要求6所述的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，其特征在于，所述干旱事件识别，计算连续两个月的斑块重叠面积及重叠百分比；若重叠面积占具体实施例区域面积的1.6％，且重叠部分占较小干旱斑块的50％，则认为两个干旱斑块属于同一事件；否则，他们则被认为独立的干旱事件；重叠面积确保两个干旱斑块在空间上是连续的和连接的，重叠百分比则保证重叠区域的有效性，最后将识别的干旱事件与土壤水对比验证。

8.根据权利要求7所述的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，其特征在于，所述干旱事件特征描述，包括历时、严重性、面积、强度、和干旱中心；

干旱历时定义为干旱事件持续的月份；严重性定义为：

S(i,j,k)＝SEDI(i,j,k)×area(i,j)×1month

式中，DS_n为第n个干旱事件的严重性；i，j分别表格格网的经度和维度，k为干旱事件的时间步长；area为格网的面积；S(i,j,k)为第n个干旱事件k月份格网i,j的干旱严重性；

干旱面积是指某一干旱事件所影响的面积，即影响区域在经度和维度的投影面积；而干旱强度定义为严重性除以历时和面积的乘积；干旱中心是干旱事件斑块的几何中心，代表干旱事件的中心位置，由经度和维度组成，定义为：

式中，DC_i和DC_j分别表示干旱中心的经度和位置。

9.根据权利要求8所述的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，其特征在于，所述基于干旱灾害识别信息对净初级生产力的影响，判别干旱特征与净初级生产力的变化关系，得到评估结果，具体为：基于干旱灾害识别信息提取的干旱三维结构，提取具有相同时空纬度的净初级生产力三维数据，分析三维结构内净初级生产力变化；

每个格网的净初级生产力异常定义为：

式中，ΔNPP(i,j,k)表示在干旱事件中格网i,j,k月份NPP的异常值；NPP(i,j,k)表示在格网i,j,k月份净初级生产力的实测值；

表示在格网i,j,k月份净初级生产力平均值；

干旱事件引起净初级生产力的总变化定义为

式中，TNA_n表示干旱引起净初级生产力的总变化，负值表示干旱引起净初级生产力损失，正值则表示干旱没造成净初级生产力损失；

最后分析干旱严重性、面积及强度与净初级生产力的总变化的联系。

Images