CN113609453A - 温升对农渔业的影响定量监测方法及装置 - Google Patents
温升对农渔业的影响定量监测方法及装置 Download PDFInfo
- Publication number
- CN113609453A CN113609453A CN202110912534.1A CN202110912534A CN113609453A CN 113609453 A CN113609453 A CN 113609453A CN 202110912534 A CN202110912534 A CN 202110912534A CN 113609453 A CN113609453 A CN 113609453A
- Authority
- CN
- China
- Prior art keywords
- fishery
- agriculture
- temperature
- correlation
- processing result
- 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 61
- 238000011155 quantitative monitoring Methods 0.000 title claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 115
- 238000012544 monitoring process Methods 0.000 claims abstract description 49
- 230000004044 response Effects 0.000 claims abstract description 41
- 238000012360 testing method Methods 0.000 claims abstract description 26
- 238000010606 normalization Methods 0.000 claims description 30
- 238000000546 chi-square test Methods 0.000 claims description 5
- 238000001556 precipitation Methods 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 claims description 3
- 238000009313 farming Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 229910002092 carbon dioxide Inorganic materials 0.000 description 5
- 239000007789 gas Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000010792 warming Methods 0.000 description 2
- 238000004177 carbon cycle Methods 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q50/02—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
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明涉及一种温升对农渔业的影响定量监测方法及装置，在获取到待测年份的温度关联参数和农渔业关联参数后，对温度关联参数和农渔业关联参数进行归一化处理，获得第一处理结果和第二处理结果。进一步地，将各第一处理结果作为单一特征，将各第二处理结果作为响应变量，分别测试各单一特征与响应变量的相关性，并根据相关性建立取值区间。最后，将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型。基于此，将农渔业关联参数转换成量化输出结果，便于将温升对农渔业的影响定量监测进行量化展示，满足温升对农渔业的影响定量监测需求。
Description
技术领域
本发明涉及气象气候应用技术领域，特别是涉及一种温升对农渔业的影响定量监测方法及装置。
背景技术
随着工业时代的发展，各类气体排放量的大幅增加，温室效应不断积累，导致地气系统吸收与发射的能量不平衡，能量不断在地气系统累积，从而导致温度上升，造成全球气候变暖。全球气候变暖的表征现象为大气和海洋温度明显升高、极地冰层融化、海平面持续上升等。由此可见，全球气温上升影响了人们生活的方方面面。
农渔业包括农业和渔业，均是社会生活的重要产业部门，关系着千家万户的饮食保障和结构。其中，农业和渔业的生产均对自然环境变化十分敏感。全球气温的上升，会显著改变农业和渔业的生产环境，包括温度、生产范围或生产周期等。由于温度上升对环境改变包括宏观和微观等诸多因素，而这些因素作用于农业和渔业的生产过程又是极其复杂的。因此，目前在研究温度上升对农渔业的影响虽可获得多类型的温度关联参数和农渔业关联参数，然而仍缺乏将温升作用于农业和渔业的生产这一过程建立定量化关系的方式，无法满足温升对农渔业的影响定量监测需求。
发明内容
基于此，有必要针对缺乏将温升作用于农业和渔业的生产这一过程建立定量化关系的方式，无法满足温升对农渔业的影响定量监测需求这一不足，提供一种温升对农渔业的影响定量监测方法及装置。
一种温升对农渔业的影响定量监测方法，包括步骤：
获取待测年份的温度关联参数和农渔业关联参数；
对温度关联参数和农渔业关联参数进行归一化处理，获得第一处理结果和第二处理结果；其中，第一处理结果为温度关联参数的归一化处理结果，第二处理结果为农渔业关联参数的归一化处理结果；
将各第一处理结果作为单一特征，将各第二处理结果作为响应变量，分别测试各单一特征与响应变量的相关性；
根据相关性建立取值区间；
将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型。
上述的温升对农渔业的影响定量监测方法，在获取到待测年份的温度关联参数和农渔业关联参数后，对温度关联参数和农渔业关联参数进行归一化处理，获得第一处理结果和第二处理结果。进一步地，将各第一处理结果作为单一特征，将各第二处理结果作为响应变量，分别测试各单一特征与响应变量的相关性，并根据相关性建立取值区间。最后，将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型。基于此，将农渔业关联参数转换成量化输出结果，便于将温升对农渔业的影响定量监测进行量化展示，满足温升对农渔业的影响定量监测需求。
在其中一个实施例中，对温度关联参数和农渔业关联参数进行归一化处理的过程，包括步骤：
获取历史年份的温度关联参数和农渔业关联参数；
比对历史年份的温度关联参数与待测年份的温度关联参数，获得第一处理结果；
比对历史年份的农渔业关联参数与待测年份的农渔业关联参数，获得第二处理结果。
在其中一个实施例中，分别测试各单一特征与响应变量的相关性的过程，包括步骤：
通过卡方检验的方式，分别测试各单一特征与响应变量的相关性。
在其中一个实施例中，根据相关性建立取值区间的过程，包括步骤：
根据皮尔森相关系数算法，为相关性建立取值区间。
在其中一个实施例中，温度关联参数包括温度参数或降水量参数；
农渔业关联参数包括土地生产率、单产变化或渔业存量。
在其中一个实施例中，将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型的过程，如下式：
Ra1/Ra0＝[(-0.004)*(T-T1900)^2+0.0012*T1900*(T-T1900)+0.0952*dP+1]
其中，Ra1/Ra0表示实际土地生产率和理论土地生产率的比值，T表示各年距平温度，T1900表示公园1900年温度，dp表示降雨变化量。
在其中一个实施例中，将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型的过程，还如下式：
其中，ΔYijk表示j作物k国数据点i的单产变化；ΔTijk表示温度，ΔCO2ijk表示CO2浓度，ΔPijk表示降雨的变化；εijk为dummy变量，1表示来自统计数据；Aijk为dummy变量，1表示采取适应措施；Cj为dummy变量，1表示该数据点有作物j；
表示k国j作物的基准温度；
其中
在其中一个实施例中，C3作物的A为100ppm；C4作物的A为50ppm；ΔCO2是相对于基准值360ppm的值。
在其中一个实施例中，将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型的过程，如下式：
R1/R0＝{1-0.012956*[T1-T1900]^2}
其中，R1表示实际渔业存量，R0表示理论渔业存量，T1表示实际温度，T1900表示公元1900年的温度。
一种温升对农渔业的影响定量监测装置，包括：
参数获取模块，用于获取待测年份的温度关联参数和农渔业关联参数；
归一化处理模块，用于对温度关联参数和农渔业关联参数进行归一化处理，获得第一处理结果和第二处理结果；其中，第一处理结果为温度关联参数的归一化处理结果，第二处理结果为农渔业关联参数的归一化处理结果；
特征测试模块，用于将各第一处理结果作为单一特征，将各第二处理结果作为响应变量，分别测试各单一特征与响应变量的相关性；
区间建立模块，用于根据相关性建立取值区间；
结果输出模块，用于将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型。
上述的温升对农渔业的影响定量监测装置，在获取到待测年份的温度关联参数和农渔业关联参数后，对温度关联参数和农渔业关联参数进行归一化处理，获得第一处理结果和第二处理结果。进一步地，将各第一处理结果作为单一特征，将各第二处理结果作为响应变量，分别测试各单一特征与响应变量的相关性，并根据相关性建立取值区间。最后，将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型。基于此，将农渔业关联参数转换成量化输出结果，便于将温升对农渔业的影响定量监测进行量化展示，满足温升对农渔业的影响定量监测需求。
一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现上述任一实施例的温升对农渔业的影响定量监测方法。
上述的计算机存储介质，在获取到待测年份的温度关联参数和农渔业关联参数后，对温度关联参数和农渔业关联参数进行归一化处理，获得第一处理结果和第二处理结果。进一步地，将各第一处理结果作为单一特征，将各第二处理结果作为响应变量，分别测试各单一特征与响应变量的相关性，并根据相关性建立取值区间。最后，将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型。基于此，将农渔业关联参数转换成量化输出结果，便于将温升对农渔业的影响定量监测进行量化展示，满足温升对农渔业的影响定量监测需求。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一实施例的温升对农渔业的影响定量监测方法。
上述的计算机设备，在获取到待测年份的温度关联参数和农渔业关联参数后，对温度关联参数和农渔业关联参数进行归一化处理，获得第一处理结果和第二处理结果。进一步地，将各第一处理结果作为单一特征，将各第二处理结果作为响应变量，分别测试各单一特征与响应变量的相关性，并根据相关性建立取值区间。最后，将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型。基于此，将农渔业关联参数转换成量化输出结果，便于将温升对农渔业的影响定量监测进行量化展示，满足温升对农渔业的影响定量监测需求。
附图说明
图1为一实施方式的CEMA模型示意图；
图2为一实施方式的温升对农渔业的影响定量监测方法流程图；
图3为另一实施方式的温升对农渔业的影响定量监测方法流程图；
图4为一实施方式的量化输出示意图；
图5为一实施方式的温升对农渔业的影响定量监测装置模块结构图；
图6为一实施方式的计算机内部构造示意图。
具体实施方式
为了更好地理解本发明的目的、技术方案以及技术效果，以下结合附图和实施例对本发明进行进一步的讲解说明。同时声明，以下所描述的实施例仅用于解释本发明，并不用于限定本发明。
为建立气候变化与农渔业的影响关联，本发明实施例提供了一种CEMA(ClimateEconomic Model for Assessment)模型。图1为一实施方式的CEMA模型示意图，如图1所示，以CEMA模型的碳循环模块来表征气候变化。其中，与经济中农渔业相关联的气候变化，在工业时代最突出的是二氧化碳CO2的浓度变化，进而影响气候响应，表征为辐射强迫后的温度变化。最后，温度变化尤其是温度升高作用于农渔业。
因此，基于CEMA模型，本发明实施例的温度关联参数优选选用温度。需要注意的是，在CEMA模型的构建逻辑下，温度关联参数还可选用降水量、季风次数、特定气体浓度等与温度变化相关的边际参数。在其中一个实施例中，温度关联参数可从历年的温度记录中获取。
作为一个较优的实施方式，温度关联参数包括温度和/或降水量参数。需要注意的是，较优的实施方式为开放式限定，即气候关联参数包括但不限于温度和/或降水量参数。为配合农渔业的领域的关联响应，农渔业关联参数包括土地生产率、单产变化或渔业存量。
基于此，本发明实施例提供了一种温升对农渔业的影响定量监测方法。
图2为一实施方式的温升对农渔业的影响定量监测方法流程图，如图2所示，一实施方式的温升对农渔业的影响定量监测方法包括步骤S100至步骤S104：
S100，获取待测年份的温度关联参数和农渔业关联参数；
S101，对温度关联参数和农渔业关联参数进行归一化处理，获得第一处理结果和第二处理结果；其中，第一处理结果为温度关联参数的归一化处理结果，第二处理结果为农渔业关联参数的归一化处理结果；
S102，将各第一处理结果作为单一特征，将各第二处理结果作为响应变量，分别测试各单一特征与响应变量的相关性；
S103，根据相关性建立取值区间；
S104，将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型。
其中，温度关联参数和农渔业关联参数以年份为单位，根据时间进行持续记录。获取待测年份的温度关联参数和农渔业关联参数作为基础，使后续的量化输出最贴合待测年份的情况，以提高量化输出的参考价值。
进一步地，将温度关联参数归一化处理为第一处理结果，将农渔业关联参数归一化处理为第二处理结果。通过归一化处理，获得标准化数据(0，1)的第一处理结果和第二处理结果，便于后续的数据处理。
在其中一个实施例中，步骤S101中的归一化处理方式包括数据缩放处理或特征标准化处理。在其中一个实施例中，图3为另一实施方式的温升对农渔业的影响定量监测方法流程图，如图3所示，步骤S101中对温度关联参数和农渔业关联参数进行归一化处理的过程，包括步骤S200至步骤S202：
S200，获取历史年份的温度关联参数和农渔业关联参数；
S201，比对历史年份的温度关联参数与待测年份的温度关联参数，获得第一处理结果；
S202，比对历史年份的农渔业关联参数与待测年份的农渔业关联参数，获得第二处理结果。
其中，将温度关联参数和农渔业关联参数分别进行归一化处理，获得第一处理结果和第二处理结果，以便于后续的数据数学处理。
在完成归一化处理后，将各第一处理结果作为单一特征，将各第二处理结果作为响应变量，通过数学关联测试各单一特征与响应变量的相关性。
在其中一个实施例中，如图3所示，步骤S102中分别测试各单一特征与响应变量的相关性的过程，包括步骤S203：
S203，通过卡方检验的方式，分别测试各单一特征与响应变量的相关性。
其中，以卡方检验的方式进行相关性测试，将第一处理结果和第二处理结果作为卡方检验的两个变量，检验两个变量之间的相关性，并将相关性以数值形式的方式进行输出。
在确定各单一特征与响应变量的相关性数值形式后，根据相关性的数值建立取值区间，便于确定各取值范围。
在其中一个实施例中，步骤S103中根据相关性建立取值区间的过程，包括步骤S204：
S204，根据皮尔森相关系数算法，为相关性建立取值区间。
其中，在确定单一特征与响应变量的相关性后，将该相关性转换为线性相关的取值区间[-1，1]，其中大于0表示正相关，小于0表示负相关，0表示无相关关系。将各单一特征与响应变量进行取值排序，相当于为各温度关联参数和农渔业关联参数的相关性进行排序。
基于此，选取取值区间中满足预设取值区间对应的温度关联参数即可对温度关联参数进行优选。在其中一个实施例中，选取相关性取值在[-1，-X]∪[X，1]内的温度关联参数。X包括0.5-0.8在内的数值，作为一个较优的实施方式，X为0.7。基于此，选取相关性较高的温度关联参数，剔除相关性低、影响力小的温度关联参数，以进行后续的数学关联。
温度关联参数与农渔业关联参数建立数学关联后，可根据数学关联和温度关联参数定量计算农渔业关联参数，得到农渔业关联参数的数学结果。在后续年份，也可根据该数学关联的影响监测模型，只输入温度关联参数来计算农渔业关联参数。
在其中一个实施例中，步骤S104中将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型的过程，如下式：
Ra1/Ra0＝[(-0.004)*(T-T1900)^2+0.0012*T1900*(T-T1900)+0.0952*dP+1]
其中，Ra1/Ra0表示实际土地生产率和理论土地生产率的比值，T表示各年距平温度，T1900表示公园1900年温度，dp表示降雨变化量。
在其中一个实施例中，步骤S104中将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型的过程，还如下式：
其中，ΔYijk表示j作物k国数据点i的单产变化；ΔTijk表示温度，ΔCO2ijk表示CO2浓度(ppm)，ΔPijk表示降雨的变化(％)；εijk为dummy变量，1表示来自统计数据；Aijk为dummy变量，1表示采取适应措施；Cj为dummy变量，1表示该数据点有作物j；
表示k国j作物的基准温度；
其中
其中，ΔYijk是相对于1995-2005年基准温度的％变化。
在其中一个实施例中，C3作物的A为100ppm；C4作物的A为50ppm；ΔCO2是相对于基准值360ppm的值，代入后，j作物k国数据点i的单产变化如下式：
在其中一个实施例中，上式中各类作物的对应参数如下表1和表2所示。
表1：
表2：
在其中一个实施例中，将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型的过程，如下式：
R1/R0＝{1-0.012956*[T1-T1900]^2}
其中，R1表示实际渔业存量，R0表示理论渔业存量，T1表示实际温度，T1900表示公元1900年的温度。
图4为一实施方式的量化输出示意图，如图4所示，假设理论渔业存量为1，当温度相较于1900年上升1.5℃时，实际渔业存量为0.97；当温度相较于1900年上升2℃时，实际渔业存量为0.947；当温度相较于1900年上升4℃时，实际渔业存量为0.79。
上述任一实施例的温升对农渔业的影响定量监测方法，在获取到待测年份的温度关联参数和农渔业关联参数后，对温度关联参数和农渔业关联参数进行归一化处理，获得第一处理结果和第二处理结果。进一步地，将各第一处理结果作为单一特征，将各第二处理结果作为响应变量，分别测试各单一特征与响应变量的相关性，并根据相关性建立取值区间。最后，将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型。基于此，将农渔业关联参数转换成量化输出结果，便于将温升对农渔业的影响定量监测进行量化展示，满足温升对农渔业的影响定量监测需求。
基于此，本发明实施例还提供了一种温升对农渔业的影响定量监测装置。
图5为一实施方式的温升对农渔业的影响定量监测装置模块结构图，如图5所示，一实施方式的温升对农渔业的影响定量监测装置包括模块100、模块101、模块102、模块103和模块104：
参数获取模块100，用于获取待测年份的温度关联参数和农渔业关联参数；
归一化处理模块101，用于对温度关联参数和农渔业关联参数进行归一化处理，获得第一处理结果和第二处理结果；其中，第一处理结果为温度关联参数的归一化处理结果，第二处理结果为农渔业关联参数的归一化处理结果；
特征测试模块102，用于将各第一处理结果作为单一特征，将各第二处理结果作为响应变量，分别测试各单一特征与响应变量的相关性；
区间建立模块103，用于根据相关性建立取值区间；
结果输出模块104，用于将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型。
上述的温升对农渔业的影响定量监测装置，在获取到待测年份的温度关联参数和农渔业关联参数后，对温度关联参数和农渔业关联参数进行归一化处理，获得第一处理结果和第二处理结果。进一步地，将各第一处理结果作为单一特征，将各第二处理结果作为响应变量，分别测试各单一特征与响应变量的相关性，并根据相关性建立取值区间。最后，将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型。基于此，将农渔业关联参数转换成量化输出结果，便于将温升对农渔业的影响定量监测进行量化展示，满足温升对农渔业的影响定量监测需求。
本发明实施例还提供了一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述任一实施例的温升对农渔业的影响定量监测方法。
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，计算机程序可存储于一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。其中，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/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
与上述的计算机存储介质对应的是，在一个实施例中还提供一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行程序时实现如上述各实施例中的任意一种温升对农渔业的影响定量监测方法。
该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。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、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终端通过网络连接通信。该计算机程序被处理器执行时以实现一种温升对农渔业的影响定量监测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
上述计算机设备，在获取到待测年份的温度关联参数和农渔业关联参数后，对温度关联参数和农渔业关联参数进行归一化处理，获得第一处理结果和第二处理结果。进一步地，将各第一处理结果作为单一特征，将各第二处理结果作为响应变量，分别测试各单一特征与响应变量的相关性，并根据相关性建立取值区间。最后，将取值区间中满足预设取值区间对应的温度关联参数，与农渔业关联参数执行数学关联，获得用于将待测年份的农渔业关联参数量化输出的影响监测模型。基于此，将农渔业关联参数转换成量化输出结果，便于将温升对农渔业的影响定量监测进行量化展示，满足温升对农渔业的影响定量监测需求。
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。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，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，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种温升对农渔业的影响定量监测方法，其特征在于，包括步骤：
获取待测年份的温度关联参数和农渔业关联参数；
对所述温度关联参数和农渔业关联参数进行归一化处理，获得第一处理结果和第二处理结果；其中，所述第一处理结果为所述温度关联参数的归一化处理结果，所述第二处理结果为所述农渔业关联参数的归一化处理结果；
将各所述第一处理结果作为单一特征，将各所述第二处理结果作为响应变量，分别测试各所述单一特征与所述响应变量的相关性；
根据所述相关性建立取值区间；
将所述取值区间中满足预设取值区间对应的温度关联参数，与所述农渔业关联参数执行数学关联，获得用于将所述待测年份的农渔业关联参数量化输出的影响监测模型。
2.根据权利要求1所述的温升对农渔业的影响定量监测方法，其特征在于，所述对所述温度关联参数和农渔业关联参数进行归一化处理的过程，包括步骤：
获取历史年份的温度关联参数和农渔业关联参数；
比对所述历史年份的温度关联参数与所述待测年份的温度关联参数，获得所述第一处理结果；
比对所述历史年份的农渔业关联参数与所述待测年份的农渔业关联参数，获得所述第二处理结果。
3.根据权利要求1所述的温升对农渔业的影响定量监测方法，其特征在于，所述分别测试各所述单一特征与所述响应变量的相关性的过程，包括步骤：
通过卡方检验的方式，分别测试各所述单一特征与所述响应变量的相关性。
4.根据权利要求1所述的温升对农渔业的影响定量监测方法，其特征在于，所述根据所述相关性建立取值区间的过程，包括步骤：
根据皮尔森相关系数算法，为所述相关性建立取值区间。
5.根据权利要求1至4任意一项所述的温升对农渔业的影响定量监测方法，其特征在于，所述温度关联参数包括温度参数或降水量参数；
所述农渔业关联参数包括土地生产率、单产变化或渔业存量。
6.根据权利要求5所述的温升对农渔业的影响定量监测方法，其特征在于，所述将所述取值区间中满足预设取值区间对应的温度关联参数，与所述农渔业关联参数执行数学关联，获得用于将所述待测年份的农渔业关联参数量化输出的影响监测模型的过程，如下式：
Ra1/Ra0＝[(-0.004)*(T-T1900)^2+0.0012*T1900*(T-T1900)+0.0952*dP+1]
其中，Ra1/Ra0表示实际土地生产率和理论土地生产率的比值，T表示各年距平温度，T1900表示公园1900年温度，dp表示降雨变化量。
7.根据权利要求6所述的温升对农渔业的影响定量监测方法，其特征在于，所述将所述取值区间中满足预设取值区间对应的温度关联参数，与所述农渔业关联参数执行数学关联，获得用于将所述待测年份的农渔业关联参数量化输出的影响监测模型的过程，还如下式：
其中，ΔYijk表示j作物k国数据点i的单产变化；ΔTijk表示温度，ΔCO2ijk表示CO2浓度，ΔPijk表示降雨的变化；εijk为dummy变量，1表示来自统计数据；Aijk为dummy变量，1表示采取适应措施；Cj为dummy变量，1表示该数据点有作物j；
表示k国j作物的基准温度；
其中
8.根据权利要求7所述的温升对农渔业的影响定量监测方法，其特征在于，所述C3作物的A为100ppm；所述C4作物的A为50ppm；ΔCO2是相对于基准值360ppm的值。
9.根据权利要求5至8所述的温升对农渔业的影响定量监测方法，其特征在于，所述将所述取值区间中满足预设取值区间对应的温度关联参数，与所述农渔业关联参数执行数学关联，获得用于将所述待测年份的农渔业关联参数量化输出的影响监测模型的过程，如下式：
R1/R0＝{1-0.012956*[T1-T1900]^2}
其中，R1表示实际渔业存量，R0表示理论渔业存量，T1表示实际温度，T1900表示公元1900年的温度。
10.一种温升对农渔业的影响定量监测装置，其特征在于，包括：
参数获取模块，用于获取待测年份的温度关联参数和农渔业关联参数；
归一化处理模块，用于对所述温度关联参数和农渔业关联参数进行归一化处理，获得第一处理结果和第二处理结果；其中，所述第一处理结果为所述温度关联参数的归一化处理结果，所述第二处理结果为所述农渔业关联参数的归一化处理结果；
特征测试模块，用于将各所述第一处理结果作为单一特征，将各所述第二处理结果作为响应变量，分别测试各所述单一特征与所述响应变量的相关性；
区间建立模块，用于根据所述相关性建立取值区间；
结果输出模块，用于将所述取值区间中满足预设取值区间对应的温度关联参数，与所述农渔业关联参数执行数学关联，获得用于将所述待测年份的农渔业关联参数量化输出的影响监测模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110912534.1A CN113609453B (zh) | 2021-08-10 | 2021-08-10 | 温升对农渔业的影响定量监测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110912534.1A CN113609453B (zh) | 2021-08-10 | 2021-08-10 | 温升对农渔业的影响定量监测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113609453A true CN113609453A (zh) | 2021-11-05 |
| CN113609453B CN113609453B (zh) | 2024-02-06 |
Family
ID=78340105
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110912534.1A Active CN113609453B (zh) | 2021-08-10 | 2021-08-10 | 温升对农渔业的影响定量监测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113609453B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113627511A (zh) * | 2021-08-04 | 2021-11-09 | 中国科学院科技战略咨询研究院 | 气候变化对交通业的影响模型训练方法及影响监测方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107368687A (zh) * | 2017-07-25 | 2017-11-21 | 中国农业科学院农业信息研究所 | 一种气象单产模型的优选方法及装置 |
| CN113111311A (zh) * | 2021-04-09 | 2021-07-13 | 安徽农业大学 | 一种沿淮地区小麦产量影响因子筛选方法 |
-
2021
- 2021-08-10 CN CN202110912534.1A patent/CN113609453B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107368687A (zh) * | 2017-07-25 | 2017-11-21 | 中国农业科学院农业信息研究所 | 一种气象单产模型的优选方法及装置 |
| CN113111311A (zh) * | 2021-04-09 | 2021-07-13 | 安徽农业大学 | 一种沿淮地区小麦产量影响因子筛选方法 |
Non-Patent Citations (3)
| Title |
|---|
| SHUAI CHEN 等: "Response and adaptation of agriculture to climate change: Evidence from China", 《JOURNAL OF DEVELOPMENT ECONOMICS》, vol. 148, pages 1 - 5 * |
| 侯麟科;仇焕广;汪阳洁;孙来祥;: "气候变化对我国农业生产的影响――基于多投入多产出生产函数的分析", 农业技术经济, no. 03, pages 4 - 14 * |
| 秦鹏程;姚凤梅;曹秀霞;张佳华;曹倩;: "利用作物模型研究气候变化对农业影响的发展过程", 中国农业气象, no. 02, pages 240 - 245 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113627511A (zh) * | 2021-08-04 | 2021-11-09 | 中国科学院科技战略咨询研究院 | 气候变化对交通业的影响模型训练方法及影响监测方法 |
| CN113627511B (zh) * | 2021-08-04 | 2024-02-02 | 中国科学院科技战略咨询研究院 | 气候变化对交通业的影响模型训练方法及影响监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113609453B (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yu et al. | Modified palmer drought severity index: model improvement and application | |
| CN111797129B (zh) | 一种气候变化情景下水文旱情评估方法 | |
| Tam et al. | CMIP5 drought projections in Canada based on the Standardized Precipitation Evapotranspiration Index | |
| Brown et al. | Trends in US surface humidity, 1930–2010 | |
| Tang et al. | Spatial and temporal patterns of global soil heterotrophic respiration in terrestrial ecosystems | |
| Dutta et al. | Model development in DNDC for the prediction of evapotranspiration and water use in temperate field cropping systems | |
| Schlosser et al. | A model-based investigation of soil moisture predictability and associated climate predictability | |
| Huang et al. | Improving the global MODIS GPP model by optimizing parameters with FLUXNET data | |
| Yang et al. | Reliability of the global climate models during 1961–1999 in arid and semiarid regions of China | |
| Zhang et al. | Impacts of climate change on drought risk of winter wheat in the North China Plain | |
| CN112182882B (zh) | 一种顾及物侯信息的植被冠层蒸腾反演方法 | |
| Xu et al. | Combined MODIS land surface temperature and greenness data for modeling vegetation phenology, physiology, and gross primary production in terrestrial ecosystems | |
| Jiang et al. | Multi-fractal scaling comparison of the air temperature and the surface temperature over China | |
| Liu et al. | The contribution of forest and grassland change was greater than that of cropland in human-induced vegetation greening in China, especially in regions with high climate variability | |
| CN115718746A (zh) | 基于机器学习的稻田甲烷排放量预测方法 | |
| CN113609453A (zh) | 温升对农渔业的影响定量监测方法及装置 | |
| Li et al. | Variation of parameters in a Flux-Based Ecosystem Model across 12 sites of terrestrial ecosystems in the conterminous USA | |
| Guest et al. | Comparing the performance of the DNDC, Holos, and VSMB models for predicting the water partitioning of various crops and sites across Canada | |
| Lai et al. | Modeling the impacts of temperature and precipitation changes on soil CO2 fluxes from a Switchgrass stand recently converted from cropland | |
| Eini et al. | Comparison of process-based and statistical approaches for simulation and projections of rainfed crop yields | |
| Wang et al. | Temporal shifts in controls over methane emissions from a boreal bog | |
| Li et al. | Effects of global climate change on the hydrological cycle and crop growth under heavily irrigated management–A comparison between CMIP5 and CMIP6 | |
| Zhang et al. | Comparisons of changes in compound dry and hot events in China based on different drought indicators | |
| Noguera et al. | Assessment of parametric approaches to calculate the Evaporative Demand Drought Index | |
| CN114386710A (zh) | 基于stl-rf-lstm的湖泊蓝藻水华长期预报方法与系统 |
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 |