CN112990615A - 干旱预警方法、装置、计算机设备和存储介质 - Google Patents

干旱预警方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN112990615A
CN112990615A CN202110567210.9A CN202110567210A CN112990615A CN 112990615 A CN112990615 A CN 112990615A CN 202110567210 A CN202110567210 A CN 202110567210A CN 112990615 A CN112990615 A CN 112990615A
Authority
CN
China
Prior art keywords
drought
early warning
preset
water
unit 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.)
Pending
Application number
CN202110567210.9A
Other languages
English (en)
Inventor
袁喆
许继军
李思诺
孙可可
董玲燕
鄢波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changjiang River Scientific Research Institute Changjiang Water Resources Commission
Original Assignee
Changjiang River Scientific Research Institute Changjiang Water Resources Commission
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changjiang River Scientific Research Institute Changjiang Water Resources Commission filed Critical Changjiang River Scientific Research Institute Changjiang Water Resources Commission
Priority to CN202110567210.9A priority Critical patent/CN112990615A/zh
Publication of CN112990615A publication Critical patent/CN112990615A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Mathematical Optimization (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Educational Administration (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Alarm Systems (AREA)

Abstract

本申请提供一种干旱预警方法、装置、计算机设备和存储介质，方法包括：获取目标预警对象在预设单位时长内的单位缺水量；基于预设的缺水累计时长，获取缺水量对应的累积缺水量；基于预设的函数分析算法，处理累积缺水量，得到干旱指数值；根据干旱指数值，确定目标预警对象的干旱等级；根据干旱等级，对目标预警对象进行水路预防控制。本方法不仅可实现对气象、农业、生态等三种对象类型进行干旱预警，还满足了符合当前监测水平的数据获取需求，有效提高了对各类型干旱对象的预警准确率。

Description

干旱预警方法、装置、计算机设备和存储介质
技术领域
本申请涉及干旱预警技术领域，具体涉及一种干旱预警方法、装置、计算机设备和存储介质。
背景技术
干旱是世界范围内普遍发生的一种复杂自然现象，因其波及范围广、持续时间长，已成为农业生产和人类生活中最严重的自然灾害之一，所以越来越多的干旱等级分析方法被提出，用以帮助人们对应不同等级采取不同解决措施。
然而，现有的干旱等级分析方法，通常是引入已开发的多项干旱指标来参与分析，但多数干旱指标仅以“降水、径流、土壤含水量”等单一因素来表征干旱等级，不仅缺乏全面性而导致评价准确率不高，且部分干旱指标所需要的输入参数类型难以获取、不同类型干旱的等级分析方式仍具有较大差异，使其在干旱预警方面具有一定局限性。
因此，现有的干旱等级分析方法存在干旱预警准确率低的技术问题。
发明内容
基于此，有必要针对上述技术问题，提供一种干旱预警方法、装置、计算机设备和存储介质，用以提高干旱预警的准确率。
第一方面，本申请提供一种干旱预警方法，包括：
获取目标预警对象在预设单位时长内的单位缺水量；
基于预设的缺水累计时长，获取所述单位缺水量对应的累积缺水量；
获取所述累积缺水量对应的干旱指数值，所述干旱指数值是根据所述累积缺水量的累积概率密度确定得到的；
根据所述干旱指数值，确定所述目标预警对象的干旱等级；
根据所述干旱等级，对所述目标预警对象进行水路预防控制。
在本申请一些实施方案中，所述获取目标预警对象在预设单位时长内的单位缺水量的步骤，包括：
获取目标预警对象的对象类型，所述对象类型为气象干旱、农业干旱以及生态干旱中的任意一个；
根据所述对象类型，获取所述目标预警对象在预设单位时长内的供水量和需水量；
根据所述供水量和所述需水量之间的水量差值，获取所述单位缺水量。
在本申请一些实施方案中，所述根据所述对象类型，获取所述目标预警对象在预设单位时长内的供水量和需水量的步骤，包括：
若所述对象类型为气象干旱，则获取预设单位时长内的气象观测数据，得到所述气象观测数据中的降水信息和天气信息；
根据所述天气信息，获取所述气象干旱的第一潜在蒸发量，作为所述目标预警对象在预设单位时长内的需水量；
确定所述降水信息中的降水量，作为所述目标预警对象在预设单位时长内的供水量。
在本申请一些实施方案中，所述根据所述对象类型，获取所述目标预警对象在预设单位时长内的供水量和需水量的步骤，包括：
若所述对象类型为农业干旱，则获取预设单位时长内的气象观测数据，得到所述气象观测数据中的天气信息；
根据所述天气信息，获取所述农业干旱的第二潜在蒸发量；
确定所述第二潜在蒸发量与预设的农作物系数之间的积值，作为所述目标预警对象在预设单位时长内的需水量；
根据所述需水量和预设的土壤水分贮存因子，获取所述农业干旱的有效降水量，作为所述目标预警对象在预设单位时长内的供水量。
在本申请一些实施方案中，所述根据所述对象类型，获取所述目标预警对象在预设单位时长内的供水量和需水量的步骤，包括：
若所述对象类型为生态干旱，则获取预设单位时长内的气象观测数据，得到所述气象观测数据中的天气信息；
根据所述天气信息，获取所述生态干旱的第三潜在蒸发量；
计算所述第三潜在蒸发量与预设的植被系数和土壤水分系数之间的积值，作为所述目标预警对象在预设单位时长内的需水量；
获取所述生态干旱的实际蒸发量，作为所述目标预警对象在预设单位时长内的供水量。
在本申请一些实施方案中，所述获取所述累积缺水量对应的干旱指数值的步骤，包括：
基于预设的第一函数分析算法，正态化处理所述累积缺水量，得到所述累积缺水量对应的累积概率密度；
基于预设的第二函数分析算法，标准化处理所述累积概率密度，得到所述干旱指数值。
在本申请一些实施方案中，所述根据所述干旱指数值，确定所述目标预警对象的干旱等级的步骤，包括：
若所述干旱指数值小于或等于预设的第一阈值，则确定所述目标预警对象的干旱等级为第一干旱等级；
若所述干旱指数值大于所述第一阈值，并且小于或等于预设的第二阈值，则确定所述目标预警对象的干旱等级为第二干旱等级；
若所述干旱指数值大于所述第二阈值，并且小于或等于预设的第三阈值，则确定所述目标预警对象的干旱等级为第三干旱等级；
若所述干旱指数值为大于所述第三阈值，并且小于预设的第四阈值，则确定所述目标预警对象的干旱等级为第四干旱等级；
其中，所述第一阈值小于所述第二阈值，所述第二阈值小于所述第三阈值，所述第三阈值小于所述第四阈值。
第二方面，本申请提供一种干旱预警装置，包括：
第一获取模块，用于获取目标预警对象在预设单位时长内的单位缺水量；
第二获取模块，用于基于预设的缺水累计时长，获取所述单位缺水量对应的累积缺水量；
第三获取模块，用于获取所述累积缺水量对应的干旱指数值，所述干旱指数值是根据所述累积缺水量的累积概率密度确定得到的；
等级确定模块，用于根据所述干旱指数值，确定所述目标预警对象的干旱等级；
预防控制模块，用于根据所述干旱等级，对所述目标预警对象进行水路预防控制。
第三方面，本申请还提供一种计算机设备，所述计算机设备包括：
一个或多个处理器；
存储器；以及一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现第一方面中任一项所述的干旱预警方法。
第四方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行第一方面任一项所述的干旱预警方法中的步骤。
上述干旱预警方法、装置、计算机设备和存储介质，服务器通过获取目标预警对象在预设单位时长内的单位缺水量，获取单位缺水量对应的累积缺水量，以便获取该累积缺水量对应的干旱指数值，确定目标预警对象的干旱等级。采用本方法，分析各类干旱预警对象基于供需水关系的干旱评价通用模式，不仅可实现对气象、农业、生态等三种对象类型进行干旱预警，还满足了符合当前监测水平的数据获取需求，有效提高了对各类型干旱对象的预警准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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。
图1是本申请实施例中干旱预警方法的场景示意图；
图2是本申请实施例中干旱预警方法的流程示意图；
图3是本申请实施例中干旱预警方法的具体流程示意图；
图4是本申请实施例中干旱预警装置的结构示意图；
图5是本申请实施例中计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本申请的描述中，术语“例如”一词仅用来表示“用作例子、例证或说明”。本申请中被描述为“例如”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本申请所公开的原理和特征的最广范围相一致。
在本申请实施例中，本申请提供的干旱预警方法由于是在计算机设备中执行，各计算机设备的处理对象均以数据或信息的形式存在，例如时长，实质为时长信息，可以理解的是，后续实施例中若提及供水量、缺水量、蒸发量等，均为对应的数据存在，以便计算机设备进行处理，具体此处不作赘述。
本申请实施例提供一种干旱预警方法、装置、计算机设备和存储介质，以下分别进行详细说明。
参阅图1，图1为本申请提供的干旱预警方法的场景示意图，该干旱预警方法可应用于干旱预警系统中。其中，干旱预警系统包括终端100和服务器200。终端100可以是既包括接收和发射硬件的设备，即具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。终端100具体可以是台式终端或移动终端，终端100具体还可以是手机、平板电脑、笔记本电脑等中的一种。服务器200可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成；网络包含但不限于是：广域网、城域网或局域网。
本领域技术人员应该理解，图1中示出的应用环境，仅仅是适用于本申请方案的一种应用场景，并不构成对本申请方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的计算机设备，例如图1中仅示出一个服务器200，可以理解的是，该干旱预警系统还可以包括一个或多个其他服务器，或者一个或多个其他终端，具体此处不作限定。另外，该干旱预警系统还可以包括存储器，用于存储数据，如存储气象观测数据等。
本领域技术人员应该理解，图1所示的干旱预警系统的场景示意图仅仅是一个示例，本发明实施例描述的干旱预警系统以及场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着干旱预警系统的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。
参阅图2，本申请实施例提供了一种干旱预警方法，主要以该方法应用于上述图1中的服务器200来举例说明，该方法包括步骤S201至S204，具体如下：
S201，获取目标预警对象在预设单位时长内的单位缺水量。
其中，目标预警对象可以是指当前需要进行干旱预警的场景对象，例如，目前存在“气象”、“农业”、“生态”等场景，则对应的预警对象可称为“气象干旱”、“农业干旱”、“生态干旱”，目标预警对象可以是上述预警对象中的一个或多个。
其中，预设单位时长可以是指预设的最小单位计水量时长，例如，1小时、1天、1个月等。
具体地，由于“干旱状态”实际就是一种供水不能满足用水需求的状态，无论是气象干旱、农业干旱，还是生态干旱，均可认为是供需水关系异于常态的体现。因此，要解决上述几种干旱场景所面临的异常情况，首先要对其进行干旱预警，归根结底就是提前分析各个场地/环境在一段时间内的供需水平衡问题，判断各个场地/环境在该段时间内是否存在水量供不应求的情况，若是，则表示该场地/环境即将出现“干旱状态”，采取措施提前防护，即可实现对各场地/环境的干旱预警。例如，人工降雨、管道疏通、蓄水池开放等。
更具体地，本申请实施例提出的预警对象包括但不限于“气象干旱”、“农业干旱”以及“生态干旱”。对于“气象干旱”，研究其供需水平衡问题，实质就是研究其降水与蒸发之间的关系异常；对于“农业干旱”和“生态干旱”，研究其供需水平衡问题，实质就是研究植被（人工栽培植被或天然植被）在生长过程中，水资源供给量与植被需水量之间的关系异常。
进一步地，业务人员可通过终端100向服务器200提交其当前确定待分析的目标预警对象，提交方式可以是：（1）终端100的显示屏显示有预警页面，预警页面上包括多个虚拟按键，各个虚拟按键分别对应不同的预警对象，如“气象干旱”、“农业干旱”以及“生态干旱”等，业务人员触发其中一个虚拟按键，即向终端100提交其选择确定的目标预警对象，服务器200随之获取到业务人员选择提交的目标预警对象。（2）服务器200本地存储有干旱预警分析名单，该名单中记录有预先设置的预警对象，包括但不限于“气象干旱”、“农业干旱”以及“生态干旱”，服务器200可基于业务人员预设的预警分析启动时间，获取名单确定目标预警对象。（3）服务器200从区块链系统、上级服务器、下级服务器中的任意一个对象中，获取到干旱预警分析名单，基于名单确定目标预警对象。
更进一步地，单位缺水量的获取方式对于不同的目标预警对象各不相同，主要源于数据来源不同，数据来源包括但不限于气象站观测数据、林草地生态数据等。本实施例中涉及的单位缺水量获取步骤将在下文详细说明。
在一个实施例中，本步骤包括：获取目标预警对象的对象类型，所述对象类型为气象干旱、农业干旱以及生态干旱中的任意一个；根据所述对象类型，获取所述目标预警对象在预设单位时长内的供水量和需水量；根据所述供水量和所述需水量之间的水量差值，获取所述单位缺水量。
其中，供水量可以是指对应的预警对象在维持状态平衡过程中所需的水量。
其中，缺水量可以是指对应的预警对象在维持状态平衡过程中缺少的水量。
具体地，服务器200对目标预警对象进行干旱预警之前，首先需确定该对象的对象类型，因为不同对象类型对应的单位缺水量获取方式不同。在获取并确定了目标预警对象的对象类型之后，即可根据该对象类型，针对性地获取其在预设单位时长内的供水量和需水量，以便计算供水量与需水量之间的水量差值，得到该目标预警对象对应的单位缺水量。
例如，根据目标预警对象，确定预设单位时长（如给定月份：1月、3月等）的单位缺水量“WDi”：
Figure 540463DEST_PATH_IMAGE001
其中，i为预设单位时长，Si为预设单位时长的供水量，Di为预设单位时长的需水量，单位均是“mm”。
在一个实施例中，所述根据所述对象类型，获取所述目标预警对象在预设单位时长内的供水量和需水量的步骤，包括：若所述对象类型为气象干旱，则获取预设单位时长内的气象观测数据，得到所述气象观测数据中的降水信息和天气信息；根据所述天气信息，获取所述气象干旱的第一潜在蒸发量，作为所述目标预警对象在预设单位时长内的需水量；确定所述降水信息中的降水量，作为所述目标预警对象在预设单位时长内的供水量。
其中，气象观测数据可以是指气象站观测得到的数据，包括天气信息和/或降水信息，天气信息包括但不限于“地表净辐射”、“土壤热通量”、“日平均气温”、“预设高度风速”、“饱和水汽压”、“实际水汽压”、“饱和水汽压曲线斜率”、“干湿表常数”，降水信息包括但不限于“日均降水量”、“月均降水量”、“降水比例”、“降水时长”。
具体地，若服务器200待分析的目标预警对象是“气象干旱”，则其供水量Si是预设单位时长内的降水量，其需水量Di是预设单位时长内的潜在蒸发量。其中，“气象干旱”的降水量可通过基于气象观测数据获取得到，潜在蒸发量可利用气象观测数据中的气温、风速、日照、相对湿度，再结合国际粮农组织（FAO）推荐的P-M方程计算得到。
更具体地，服务器200可从气象站服务器或其他服务器处请求获得预设单位时长内的气象观测数据，再解析该数据，得到降水信息和天气信息。进而根据部分天气数据分析计算得到气象干旱的第一潜在蒸发量，即可获得“气象干旱”在预设单位时长内的需水量（潜在蒸发量“ET0”），分析方法参考如下公式：
Figure 129707DEST_PATH_IMAGE002
其中，Rn为地表净辐射（MJ·m-2·d-1），G为土壤热通量（MJ·m-2·d-1），T为日平均气温（℃），μ2为2米高处风速（m/s），es为饱和水汽压（kPa），ea为实际水汽压（kPa），Δ为饱和水汽压曲线斜率（kPa·℃-1），γ为干湿表常数（kPa·℃-1）。
进一步地，“气象干旱”在预设单位时长内的供水量，实际就是预设单位时长内对应降水信息中的降水量。
例如，2021年1月的气象观测数据中记录的总降水量为“150mm”，则“气象干旱”在预设单位时长“2021年1月”内的供水量为“150mm”。
在一个实施例中，所述根据所述对象类型，获取所述目标预警对象在预设单位时长内的供水量和需水量的步骤，包括：若所述对象类型为农业干旱，则获取预设单位时长内的气象观测数据，得到所述气象观测数据中的天气信息；根据所述天气信息，获取所述农业干旱的第二潜在蒸发量；确定所述第二潜在蒸发量与预设的农作物系数之间的积值，作为所述目标预警对象在预设单位时长内的需水量；根据所述需水量和预设的土壤水分贮存因子，获取所述农业干旱的有效降水量，作为所述目标预警对象在预设单位时长内的供水量。
具体地，若服务器200待分析的目标预警对象是“农业干旱”，则其供水量Si是预设单位时长内的有效降水量，其需水量Di是预设单位时长内的农作物需水量。其中，“农业干旱”的有效降水量可采用美国土壤保持局USDA-SCS方法计算得到，“农业干旱”的农作物需水量可采用作物系数法计算得到。
例如，“农业干旱”的农作物需水量“ETc”可通过如下公式计算得到：
Figure 706182DEST_PATH_IMAGE003
其中，ET0为潜在蒸发量，Rn为地表净辐射（MJ·m-2·d-1），G为土壤热通量（MJ·m-2·d-1），γ为干湿表常数（kPa·℃-1），T为日平均气温（℃），μ2为2米高处风速（m/s），es为饱和水汽压（kPa），ea为实际水汽压（kPa），Kc为农作物系数。
又例如，“农业干旱”的有效降水量“Pe”可通过如下公式计算得到：
Figure 773495DEST_PATH_IMAGE004
其中，Pe≤min(Pt, ETc)；Pt为月降水量，
Figure 259971DEST_PATH_IMAGE005
为给定月度时间尺度t到0.8242的 降水量，ETc农作物需水量，SF为土壤水分贮存因子，通常取SF=1.0。
在一个实施例中，所述根据所述对象类型，获取所述目标预警对象在预设单位时长内的供水量和需水量的步骤，包括：若所述对象类型为生态干旱，则获取预设单位时长内的气象观测数据，得到所述气象观测数据中的天气信息；根据所述天气信息，获取所述生态干旱的第三潜在蒸发量；计算所述第三潜在蒸发量与预设的植被系数和土壤水分系数之间的积值，作为所述目标预警对象在预设单位时长内的需水量；获取所述生态干旱的实际蒸发量，作为所述目标预警对象在预设单位时长内的供水量。
具体地，若服务器200待分析的目标预警对象是“生态干旱”，则其供水量Si是预设单位时长内的实际蒸发量，其需水量Di是预设单位时长内的植被需水量。其中，“生态干旱”的实际蒸发量可采用水量平衡公式计算得到，“生态干旱”的植被需水量“ETq”可采用如下公式计算得到：
Figure 754537DEST_PATH_IMAGE006
其中，ET0为潜在蒸发量，单位是mm，可由彭曼公式计算得到；Kc为植被系数，Ks为土壤水分系数。
S202，基于预设的缺水累计时长，获取所述单位缺水量对应的累积缺水量。
其中，缺水累计时长可以是基于业务需求预设的缺水量分析时长，例如，1月、3月等。
具体地，服务器200在获取到单位缺水量之后，可进一步按照预设的缺水累计时长，统计预设时段内的累积缺水量，以此分析目标预警对象的干旱等级。
例如，累积缺水量“WD”可通过如下公式计算得到：
Figure 552729DEST_PATH_IMAGE007
其中，累积缺水量
Figure 423733DEST_PATH_IMAGE008
中的n为总月份数，k为给定时间尺度，即缺水累计时长；n 为总月份数。
Figure 764716DEST_PATH_IMAGE009
为（n-1）的供水量，
Figure 554817DEST_PATH_IMAGE010
为（n-1）的需水量。但需说明的是，如单位缺水量 并非是以“月份”为单位，则获取累积缺水量所选的时长也不以“月份”计算，可按“日”、 “周”、“年”等，具体本申请实施例不做限定。
S203，获取所述累积缺水量对应的干旱指数值，所述干旱指数值是根据所述累积缺水量的累积概率密度确定得到的。
其中，累积概率密度可以是指经一定处理所得与累积缺水量有关的函数。
具体地，服务器200可采用3个参数的Log-logistic概率分布，对当前所得的累积缺水量进行正态处理，即可得到累积概率密度。而进一步对累积概率密度进行标准化处理，即可得到干旱指数值，表示为“SDI”，分析“SDI”的数值区间，即可确定目标预警对象的干旱等级。
在一个实施例中，本步骤包括：基于预设的第一函数分析算法，正态化处理所述累积缺水量，得到所述累积缺水量对应的累积概率密度；基于预设的第二函数分析算法，标准化处理所述累积概率密度，得到所述干旱指数值。
具体地，若将累积缺水量设为“x”，则采用第一函数分析算法对其进行正态化处理的相关公式为：
Figure 981251DEST_PATH_IMAGE011
其中，
Figure 124787DEST_PATH_IMAGE012
为累积缺水量x的正态函数，参数“α”、“β”和“γ”分别为尺度、形状和 位置参数，具体可采用线性矩方法拟合获得。
更具体地，服务器200分析得到累积概率密度“F(x)”之后，即可采用第二函数分析方法，即对其进行标准化处理（如：P=1-F(x)）以获取干旱指数值，而获取干旱指数值“SDI”的相关公式如下：
Figure 444910DEST_PATH_IMAGE013
其中，c0、c1和c2可分别取值为2.515517、0.802853和0.010328；d1、d2和d3可分别取值为1.432788、0.189269和0.001308，上述参数取值均为提高干旱预警准确率所做实验的最优选择。
S204，根据所述干旱指数值，确定所述目标预警对象的干旱等级。
其中，干旱等级可以是为标识各预警对象干旱程度所设置的等级，包括但不限于“重度干旱”、“中度干旱”、“轻度干旱”、“正常无干旱”等四个干旱等级。当然，在其他实施例中还可设置更多或更少的等级数量，以期实现对预警对象的准确干旱预警。
具体地，服务器200获取到目标预警对象的干旱指数值之后，即可将其对照预设的干旱等级表，确定当前所得干旱指数值归属的等级区间，以此判定目标预警对象的干旱等级，进而响应不同干旱等级对应的预警措施，播放预警提示声或启动预警指示灯，以提示相关工作人员对目标预警对象可能存在的干旱情况做出及时防治。
在一个实施例中，本步骤包括：若所述干旱指数值小于或等于预设的第一阈值，则确定所述目标预警对象的干旱等级为第一干旱等级；若所述干旱指数值大于所述第一阈值，并且小于或等于预设的第二阈值，则确定所述目标预警对象的干旱等级为第二干旱等级；若所述干旱指数值大于所述第二阈值，并且小于或等于预设的第三阈值，则确定所述目标预警对象的干旱等级为第三干旱等级；若所述干旱指数值为大于所述第三阈值，并且小于预设的第四阈值，则确定所述目标预警对象的干旱等级为第四干旱等级；其中，所述第一阈值小于所述第二阈值，所述第二阈值小于所述第三阈值，所述第三阈值小于所述第四阈值。
其中，本实施例涉及的第一阈值可以是“-2”、第二阈值可以是“-1.5”、第三阈值可以是“-1”、第四阈值可以是“0”。但在其他实施例中，上述阈值可以是取其他值，如全数正值，具体本申请实施例不做限定。
具体地，本申请实施例提出的干旱等级具体划分如下表所示：
Figure 546858DEST_PATH_IMAGE015
分析可知，当服务器200获取到的干旱指数值“SDI”小于或等于第一阈值时，目标预警对象的干旱等级为第一干旱等级，即“重度干旱”；当服务器200获取到的干旱指数值“SDI”在第一阈值至第二阈值之间时，目标预警对象的干旱等级为第二干旱等级，即“中度干旱”；当服务器200获取到的干旱指数值“SDI”在第二阈值至第三阈值之间时，目标预警对象的干旱等级为第三干旱等级，即“轻度干旱”；当服务器200获取到的干旱指数值“SDI”在第三阈值至第四阈值之间时，目标预警对象的干旱等级为第四干旱等级，即“正常五干旱”。由此，服务器200可在确定了目标预警对象的干旱等级之后，对应给等级预设的预警措施，实现预警提示。
S205，根据所述干旱等级，对所述目标预警对象进行水路预防控制。
具体地，若目标预警对象的干旱等级是“重度干旱”，则服务器200可立即播放预警提示音，和/或启动预警指示灯，和/或展示预警提示页面；若目标预警对象的干旱等级是“中度干旱”，则服务器200可立即展示预警提示页面；若目标预警对象的干旱等级是“轻度干旱”，则服务器200可立即将其记录至日志中，以待工作人员定期查阅获知；若目标预警对象的干旱等级是“正常无干旱，则服务器200可退出当前预警分析程序，跳转至下一个预警对象分析预警。
上述实施例所述的干旱预警方法，服务器通过获取目标预警对象在预设单位时长内的单位缺水量，获取单位缺水量对应的累积缺水量，以便获取该累积缺水量对应的干旱指数值，确定目标预警对象的干旱等级。采用本方法，分析各类干旱预警对象基于供需水关系的干旱评价通用模式，不仅可实现对气象、农业、生态等三种对象类型进行干旱预警，还满足了符合当前监测水平的数据获取需求，有效提高了对各类型干旱对象的预警准确率。
为了使本领域技术人员充分理解本申请提出的干旱预警方案，本申请还提供了以下三种应用场景（气象干旱、农业干旱和生态干旱分别在2013年的干旱分析情况），结合图3详细说明上文所述的干旱预警方法：
第一方面，某区域的气象干旱：其一，采用逐月降水和潜在蒸发量来分别表征供水量和需水量，并计算对应的缺水量，具体如表2：
Figure 195008DEST_PATH_IMAGE016
注：WD<0表示水分匮缺，WD>0表示水分富余，WD=0表示供需平衡，下同
其二，时间尺度k=3，即3个月的累积缺水量，计算累积缺水量，结果如表3：
Figure 266870DEST_PATH_IMAGE017
其三，根据表3中“WD3”的计算结果，利用最小二乘法可拟合得到参数α、β和γ，并计算得到各时段的“WD3”正态化处理后的数值F(x)，具体如表4所示：
Figure 582444DEST_PATH_IMAGE018
其四，对累积概率密度“F(x)”进行标准化处理，得到干旱指数值“SDI”，具体如表5所示：
Figure 324135DEST_PATH_IMAGE020
其五，根据上述计算得到的SDI值，判定干旱等级，具体如表6所示：
Figure 849795DEST_PATH_IMAGE021
第二方面，某区域的农业干旱：其一，采用逐月有效降水和农作物需水量来分别表征供水量和需水量，并计算对应的缺水量，具体如表7：
Figure 600713DEST_PATH_IMAGE022
注：WD<0表示水分匮缺，WD>0表示水分富余，WD=0表示供需平衡，下同
其二，时间尺度k=3，即3个月的累积缺水量，计算累积缺水量，结果如表8：
Figure 770794DEST_PATH_IMAGE023
其三，根据表8中“WD3”的计算结果，利用最小二乘法可拟合得到参数α、β和γ，并计算得到各时段的“WD3”正态化处理后的数值F(x)，具体如表9所示：
Figure 214545DEST_PATH_IMAGE025
其四，对累积概率密度“F(x)”进行标准化处理，得到干旱指数值“SDI”，具体如表10所示：
Figure 961921DEST_PATH_IMAGE027
其五，根据上述计算得到的SDI值，判定干旱等级，具体如表11所示：
Figure 250951DEST_PATH_IMAGE028
第三方面，某区域的生态干旱：其一，采用逐月有效降水和农作物需水量来分别表征供水量和需水量，并计算对应的缺水量，具体如表12：
Figure 287258DEST_PATH_IMAGE030
注：WD<0表示水分匮缺，WD>0表示水分富余，WD=0表示供需平衡，下同
其二，时间尺度k=3，即3个月的累积缺水量，计算累积缺水量，结果如表13：
Figure 26544DEST_PATH_IMAGE031
其三，根据表13中“WD3”的计算结果，利用最小二乘法可拟合得到参数α、β和γ，并计算得到各时段的“WD3”正态化处理后的数值F(x)，具体如表14所示：
Figure 871003DEST_PATH_IMAGE033
其四，对累积概率密度“F(x)”进行标准化处理，得到干旱指数值“SDI”，具体如表15所示：
Figure 963724DEST_PATH_IMAGE034
其五，根据上述计算得到的SDI值，判定干旱等级，具体如表16所示：
Figure 967452DEST_PATH_IMAGE036
上述实施例所述的干旱预警方法，提出了基于供需水关系的干旱评价通用模式，不仅可实现对气象、农业、生态等三种对象类型进行干旱预警、提升预警灵活性，还满足了符合当前监测水平的数据获取需求，有效提高了对各类型干旱对象的预警准确率。
为了更好实施本申请实施例中的干旱预警方法，在干旱预警方法基础之上，本申请实施例中还提供一种干旱预警装置，如图4所示，干旱预警装置400包括：
第一获取模块410，用于获取目标预警对象在预设单位时长内的单位缺水量；
第二获取模块420，用于基于预设的缺水累计时长，获取所述单位缺水量对应的累积缺水量；
第三获取模块430，用于获取所述累积缺水量对应的干旱指数值，所述干旱指数值是根据所述累积缺水量的累积概率密度确定得到的；
等级确定模块440，用于根据所述干旱指数值，确定所述目标预警对象的干旱等级；
预防控制模块450，用于根据所述干旱等级，对所述目标预警对象进行水路预防控制。
在本申请一些实施例中，第一获取模块410还用于获取目标预警对象的对象类型，所述对象类型为气象干旱、农业干旱以及生态干旱中的任意一个；根据所述对象类型，获取所述目标预警对象在预设单位时长内的供水量和需水量；根据所述供水量和所述需水量之间的水量差值，获取所述单位缺水量。
在本申请一些实施例中，第一获取模块410还用于若所述对象类型为气象干旱，则获取预设单位时长内的气象观测数据，得到所述气象观测数据中的降水信息和天气信息；根据所述天气信息，获取所述气象干旱的第一潜在蒸发量，作为所述目标预警对象在预设单位时长内的需水量；确定所述降水信息中的降水量，作为所述目标预警对象在预设单位时长内的供水量。
在本申请一些实施例中，第一获取模块410还用于若所述对象类型为农业干旱，则获取预设单位时长内的气象观测数据，得到所述气象观测数据中的天气信息；根据所述天气信息，获取所述农业干旱的第二潜在蒸发量；确定所述第二潜在蒸发量与预设的农作物系数之间的积值，作为所述目标预警对象在预设单位时长内的需水量；根据所述需水量和预设的土壤水分贮存因子，获取所述农业干旱的有效降水量，作为所述目标预警对象在预设单位时长内的供水量。
在本申请一些实施例中，第一获取模块410还用于若所述对象类型为生态干旱，则获取预设单位时长内的气象观测数据，得到所述气象观测数据中的天气信息；根据所述天气信息，获取所述生态干旱的第三潜在蒸发量；计算所述第三潜在蒸发量与预设的植被系数和土壤水分系数之间的积值，作为所述目标预警对象在预设单位时长内的需水量；获取所述生态干旱的实际蒸发量，作为所述目标预警对象在预设单位时长内的供水量。
在本申请一些实施例中，第三获取模块430还用于基于预设的第一函数分析算法，正态化处理所述累积缺水量，得到所述累积缺水量对应的累积概率密度；基于预设的第二函数分析算法，标准化处理所述累积概率密度，得到所述干旱指数值。
在本申请一些实施例中，等级确定模块440还用于若所述干旱指数值小于或等于预设的第一阈值，则确定所述目标预警对象的干旱等级为第一干旱等级；若所述干旱指数值大于所述第一阈值，并且小于或等于预设的第二阈值，则确定所述目标预警对象的干旱等级为第二干旱等级；若所述干旱指数值大于所述第二阈值，并且小于或等于预设的第三阈值，则确定所述目标预警对象的干旱等级为第三干旱等级；若所述干旱指数值为大于所述第三阈值，并且小于预设的第四阈值，则确定所述目标预警对象的干旱等级为第四干旱等级；其中，所述第一阈值小于所述第二阈值，所述第二阈值小于所述第三阈值，所述第三阈值小于所述第四阈值。
上述实施例，分析提出了基于供需水关系的干旱评价通用模式，不仅可实现对气象、农业、生态等三种对象类型进行干旱预警，还满足了符合当前监测水平的数据获取需求，有效提高了对各类型干旱对象的预警准确率。
在本申请一些实施例中，干旱预警装置400可以实现为一种计算机程序的形式，计算机程序可在如图5所示的计算机设备上运行。计算机设备的存储器中可存储组成该干旱预警装置400的各个程序模块，比如，图4所示的第一获取模块410、第二获取模块420、第三获取模块430以及等级确定模块440。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的干旱预警方法中的步骤。
例如，图5所示的计算机设备可以通过如图4所示的干旱预警装置400中的第一获取模块410执行步骤S201。计算机设备可通过第二获取模块420执行步骤S202。计算机设备可通过第三获取模块430执行步骤S203。计算机设备可通过等级确定模块440执行步骤S204。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的计算机设备通过网络连接通信。该计算机程序被处理器执行时以实现一种干旱预警方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在本申请一些实施例中，提供了一种计算机设备，包括一个或多个处理器；存储器；以及一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述干旱预警方法的步骤。此处干旱预警方法的步骤可以是上述各个实施例的干旱预警方法中的步骤。
在本申请一些实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器进行加载，使得处理器执行上述干旱预警方法的步骤。此处干旱预警方法的步骤可以是上述各个实施例的干旱预警方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上对本申请实施例所提供的一种干旱预警方法、装置、计算机设备和存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种干旱预警方法，其特征在于，包括：
获取目标预警对象在预设单位时长内的单位缺水量；
基于预设的缺水累计时长，获取所述单位缺水量对应的累积缺水量；
获取所述累积缺水量对应的干旱指数值，所述干旱指数值是根据所述累积缺水量的累积概率密度确定得到的；
根据所述干旱指数值，确定所述目标预警对象的干旱等级；
根据所述干旱等级，对所述目标预警对象进行水路预防控制。
2.如权利要求1所述的干旱预警方法，其特征在于，所述获取目标预警对象在预设单位时长内的单位缺水量的步骤，包括：
获取目标预警对象的对象类型，所述对象类型为气象干旱、农业干旱以及生态干旱中的任意一个；
根据所述对象类型，获取所述目标预警对象在预设单位时长内的供水量和需水量；
根据所述供水量和所述需水量之间的水量差值，获取所述单位缺水量。
3.如权利要求2所述的干旱预警方法，其特征在于，所述根据所述对象类型，获取所述目标预警对象在预设单位时长内的供水量和需水量的步骤，包括：
若所述对象类型为气象干旱，则获取预设单位时长内的气象观测数据，得到所述气象观测数据中的降水信息和天气信息；
根据所述天气信息，获取所述气象干旱的第一潜在蒸发量，作为所述目标预警对象在预设单位时长内的需水量；
确定所述降水信息中的降水量，作为所述目标预警对象在预设单位时长内的供水量。
4.如权利要求2所述的干旱预警方法，其特征在于，所述根据所述对象类型，获取所述目标预警对象在预设单位时长内的供水量和需水量的步骤，包括：
若所述对象类型为农业干旱，则获取预设单位时长内的气象观测数据，得到所述气象观测数据中的天气信息；
根据所述天气信息，获取所述农业干旱的第二潜在蒸发量；
确定所述第二潜在蒸发量与预设的农作物系数之间的积值，作为所述目标预警对象在预设单位时长内的需水量；
根据所述需水量和预设的土壤水分贮存因子，获取所述农业干旱的有效降水量，作为所述目标预警对象在预设单位时长内的供水量。
5.如权利要求2所述的干旱预警方法，其特征在于，所述根据所述对象类型，获取所述目标预警对象在预设单位时长内的供水量和需水量的步骤，包括：
若所述对象类型为生态干旱，则获取预设单位时长内的气象观测数据，得到所述气象观测数据中的天气信息；
根据所述天气信息，获取所述生态干旱的第三潜在蒸发量；
计算所述第三潜在蒸发量与预设的植被系数和土壤水分系数之间的积值，作为所述目标预警对象在预设单位时长内的需水量；
获取所述生态干旱的实际蒸发量，作为所述目标预警对象在预设单位时长内的供水量。
6.如权利要求1所述的干旱预警方法，其特征在于，所述获取所述累积缺水量对应的干旱指数值的步骤，包括：
基于预设的第一函数分析算法，正态化处理所述累积缺水量，得到所述累积缺水量对应的累积概率密度；
基于预设的第二函数分析算法，标准化处理所述累积概率密度，得到所述干旱指数值。
7.如权利要求1所述的干旱预警方法，其特征在于，所述根据所述干旱指数值，确定所述目标预警对象的干旱等级的步骤，包括：
若所述干旱指数值小于或等于预设的第一阈值，则确定所述目标预警对象的干旱等级为第一干旱等级；
若所述干旱指数值大于所述第一阈值，并且小于或等于预设的第二阈值，则确定所述目标预警对象的干旱等级为第二干旱等级；
若所述干旱指数值大于所述第二阈值，并且小于或等于预设的第三阈值，则确定所述目标预警对象的干旱等级为第三干旱等级；
若所述干旱指数值为大于所述第三阈值，并且小于预设的第四阈值，则确定所述目标预警对象的干旱等级为第四干旱等级；
其中，所述第一阈值小于所述第二阈值，所述第二阈值小于所述第三阈值，所述第三阈值小于所述第四阈值。
8.一种干旱预警装置，其特征在于，包括：
第一获取模块，用于获取目标预警对象在预设单位时长内的单位缺水量；
第二获取模块，用于基于预设的缺水累计时长，获取所述单位缺水量对应的累积缺水量；
第三获取模块，用于获取所述累积缺水量对应的干旱指数值，所述干旱指数值是根据所述累积缺水量的累积概率密度确定得到的；
等级确定模块，用于根据所述干旱指数值，确定所述目标预警对象的干旱等级；
预防控制模块，用于根据所述干旱等级，对所述目标预警对象进行水路预防控制。
9.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；
存储器；以及一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现权利要求1至7中任一项所述的干旱预警方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1至7中任一项所述的干旱预警方法中的步骤。
CN202110567210.9A 2021-05-24 2021-05-24 干旱预警方法、装置、计算机设备和存储介质 Pending CN112990615A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110567210.9A CN112990615A (zh) 2021-05-24 2021-05-24 干旱预警方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110567210.9A CN112990615A (zh) 2021-05-24 2021-05-24 干旱预警方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN112990615A true CN112990615A (zh) 2021-06-18

Family

ID=76337121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110567210.9A Pending CN112990615A (zh) 2021-05-24 2021-05-24 干旱预警方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN112990615A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113837666A (zh) * 2021-11-23 2021-12-24 长江水利委员会长江科学院 一种基于改进cmi指数的农业干旱评估方法
CN114190264A (zh) * 2021-11-18 2022-03-18 国网河北省电力有限公司营销服务中心 一种精准灌溉方案确定方法、系统及终端设备
CN117435849A (zh) * 2023-12-15 2024-01-23 华中科技大学 一种农业干旱监测方法、系统、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106372422A (zh) * 2016-04-08 2017-02-01 中国水利水电科学研究院 一种内陆河三元结构的干旱评价系统
CN106845096A (zh) * 2017-01-12 2017-06-13 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） 一种基于多指标的旱情综合评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106372422A (zh) * 2016-04-08 2017-02-01 中国水利水电科学研究院 一种内陆河三元结构的干旱评价系统
CN106845096A (zh) * 2017-01-12 2017-06-13 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） 一种基于多指标的旱情综合评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李思诺: "变化环境下阿克苏河流域干旱演变特征分析", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114190264A (zh) * 2021-11-18 2022-03-18 国网河北省电力有限公司营销服务中心 一种精准灌溉方案确定方法、系统及终端设备
CN114190264B (zh) * 2021-11-18 2022-11-08 国网河北省电力有限公司营销服务中心 一种精准灌溉方案确定方法、系统及终端设备
CN113837666A (zh) * 2021-11-23 2021-12-24 长江水利委员会长江科学院 一种基于改进cmi指数的农业干旱评估方法
CN113837666B (zh) * 2021-11-23 2022-02-11 长江水利委员会长江科学院 一种基于改进作物水分指数的农业干旱评估方法
CN117435849A (zh) * 2023-12-15 2024-01-23 华中科技大学 一种农业干旱监测方法、系统、设备及存储介质
CN117435849B (zh) * 2023-12-15 2024-03-29 华中科技大学 一种农业干旱监测方法、系统、设备及存储介质

Similar Documents

Publication Publication Date Title
CN112990615A (zh) 干旱预警方法、装置、计算机设备和存储介质
Tebaldi et al. Estimated impacts of emission reductions on wheat and maize crops
Russo et al. Assessing the role of drought events on wildfires in the Iberian Peninsula
Tachiiri et al. Assessing Mongolian snow disaster risk using livestock and satellite data
Coelho et al. Climate diagnostics of three major drought events in the Amazon and illustrations of their seasonal precipitation predictions
Vicente‐Serrano et al. Spatio‐temporal variability of droughts in Bolivia: 1955–2012
Hao et al. Risk assessment to China’s agricultural drought disaster in county unit
Liang et al. Climate change in the Tibetan plateau three rivers source region: 1960–2009
Sarker et al. Performance of rain-fed Aman rice yield in Bangladesh in the presence of climate change
Mosaedi et al. Sensitivity analysis of monthly reference crop evapotranspiration trends in Iran: a qualitative approach
Deni et al. The best probability models for dry and wet spells in Peninsular Malaysia during monsoon seasons
Yao et al. Spatial-temporal variation and impacts of drought in Xinjiang (Northwest China) during 1961–2015
Diarra et al. Impact of climate change on cotton production in Burkina Faso
Ralston et al. Population trends influence species ability to track climate change
Potopová et al. Projected changes in the evolution of drought on various timescales over the Czech Republic according to Euro‐CORDEX models
Kang et al. Climate change impacts on conventional and flash droughts in the Mekong River Basin
Yadeta et al. Climate change posed agricultural drought and potential of rainy season for effective agricultural water management, Kesem sub-basin, Awash Basin, Ethiopia
Jach et al. Sensitivity of land–atmosphere coupling strength to changing atmospheric temperature and moisture over Europe
Zahid et al. Return levels of temperature extremes in southern Pakistan
Jiang et al. Modeling large fire frequency and burned area in canadian terrestrial ecosystems with poisson models
Gosper et al. Application and validation of visual fuel hazard assessments in dry Mediterranean-climate woodlands
Qian et al. Long-term changes of forest biomass and its driving factors in karst area, Guizhou, China
Lawal et al. Investigating the response of leaf area index to droughts in southern African vegetation using observations and model simulations
Rungee et al. Evapotranspiration and runoff patterns across California's Sierra Nevada
Ravindranath et al. Season-ahead forecasting of water storage and irrigation requirements–an application to the southwest monsoon in India

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