CN114169664A - 一种农业干旱相关性评估方法及系统 - Google Patents
一种农业干旱相关性评估方法及系统 Download PDFInfo
- Publication number
- CN114169664A CN114169664A CN202111133374.7A CN202111133374A CN114169664A CN 114169664 A CN114169664 A CN 114169664A CN 202111133374 A CN202111133374 A CN 202111133374A CN 114169664 A CN114169664 A CN 114169664A
- Authority
- CN
- China
- Prior art keywords
- factor
- index
- variable
- drought
- copula
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 21
- 239000002689 soil Substances 0.000 claims abstract description 69
- 241000039077 Copula Species 0.000 claims abstract description 54
- 230000001419 dependent effect Effects 0.000 claims abstract description 40
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 38
- 230000003993 interaction Effects 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 17
- 230000000694 effects Effects 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 59
- 238000001514 detection method Methods 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 108010074864 Factor XI Proteins 0.000 description 3
- 230000008407 joint function Effects 0.000 description 3
- 238000010220 Pearson correlation analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06—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
-
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Agronomy & Crop Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Animal Husbandry (AREA)
- Probability & Statistics with Applications (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
Abstract
本发明公开了一种农业干旱相关性评估方法及系统，属于农业干旱技术领域，能够解决现有农业干旱指标评估时局限性强，考虑因素不全面，应用效果较差的问题。所述方法包括：获取预设年份的土壤水分数据(SM)，并计算土壤含水量距平指数(SMAPI)、农业干旱发生频率和干旱影响范围；获取相关生态系统变量，并采用Pearson相关分析评估出相关关系满足预设规则的生态系统变量因子；以土壤含水量距平指数为因变量Y，生态系统变量因子为自变量Xi，定量识别出农业干旱指标的主导因子和交互因子；以土壤含水量距平指数为因变量Y，主导因子和交互因子为自变量Xi，构建Copula联合函数。本发明用于农业干旱监测。
Description
技术领域
本发明涉及一种农业干旱相关性评估方法及系统，属于农业干旱技术领域。
背景技术
土壤湿度和水分循环过程对特定地区的干旱有重要影响，同时土壤水分是各种气候、植被和土壤特性的综合变量，对作物供水具有调节作用。当土壤水分的含量达不到作物生长所需求的水量时，干旱事件就随之发生。农业干旱是以土壤水分和植物生长状态为特征，两者密不可分。无论是自然环境还是人类活动的影响，找寻和农业干旱指标最为相关的因子，对作物减产起到抑制作用。
在农业干旱监测中，土壤水具有重要意义。因此土壤含水量距平指数 (SMAPI)作为农业干旱指标，能有效解决不同气候区农业旱灾识别标准不一致的问题。地理检测器通过q统计量定量表征各影响因素的解释力，检测影响因素之间的相关性和贡献度。通过地理探测器分析农业干旱的空间异质性，进一步探寻贡献度高的变量。其次，Copula函数给出变量之间的联合概率密度函数，更有利于分析农业干旱指标与降雨量之间的相互影响。由于上述方法在进行农业干旱指标评估时均存在各自的局限性，因而应用效果较差。
发明内容
本发明提供了一种农业干旱相关性评估方法及系统，能够解决现有农业干旱指标评估时局限性强，考虑因素不全面，应用效果较差的问题。
一方面，本发明提供了一种农业干旱相关性评估方法，所述方法包括：
获取预设年份的土壤水分数据(SM)，并计算土壤含水量距平指数 (SMAPI)、农业干旱发生频率和干旱影响范围；
获取相关生态系统变量，并采用Pearson相关分析评估出相关关系满足预设规则的生态系统变量因子；
以所述土壤含水量距平指数为因变量Y，所述生态系统变量因子为自变量Xi，定量识别出农业干旱指标的主导因子和交互因子；
以所述土壤含水量距平指数为因变量Y，所述主导因子和交互因子为自变量Xi，构建Copula联合函数。
可选的，所述以所述土壤含水量距平指数为因变量Y，所述生态系统变量因子为自变量Xi定量识别出农业干旱指标的主导因子和交互因子，具体包括：
以所述土壤含水量距平指数为因变量Y，所述生态系统变量因子为自变量Xi，在Arc Gis基础上分别基于地理探测器单因子探测、交互探测功能，定量识别出农业干旱指标的主导因子和交互因子。
可选的，所述以所述土壤含水量距平指数为因变量Y，所述主导因子和交互因子为自变量Xi，构建Copula联合函数，具体包括：
对不同Copula函数的拟合优度进行评价，得到最优Copula函数；
以所述土壤含水量距平指数为因变量Y，所述主导因子和交互因子为自变量Xi，基于所述最优Copula函数构建出Copula联合函数。
可选的，所述对不同Copula函数的拟合优度进行评价，得到最优 Copula函数，具体包括：
利用最小平方欧式距离对不同Copula函数的拟合优度进行评价，得到最优Copula函数。
可选的，所述相关生态系统变量包括降水转化率(PCE)、温度(Ta)、高程(Dem)、人类活动(LUCC)、归一化植被指数(NDVI)、地区生产总值(GDP)、中国公里网格人口分布数据集(POP)中的一种或多种。
可选的，所述土壤含水量距平指数(SMAPI)为当前时段土壤水分与预设年份同期土壤水分平均值之差除以预设年份同期土壤水分平均值；
所述农业干旱发生频率为干旱发生的总月数与预设年份月数之比；
所述干旱影响范围为在指定时间范围内，某地区干旱发生面积占区域内总面积的百分比。
另一方面，本发明提供了一种农业干旱相关性评估系统，所述系统包括：
获取模块，用于获取预设年份的土壤水分数据，并计算土壤含水量距平指数、农业干旱发生频率和干旱影响范围；
评估模块，用于获取相关生态系统变量，并采用Pearson相关分析评估出相关关系满足预设规则的生态系统变量因子；
识别模块，用于以所述土壤含水量距平指数为因变量Y，所述生态系统变量因子为自变量Xi，定量识别出农业干旱指标的主导因子和交互因子；
构建模块，用于以所述土壤含水量距平指数为因变量Y，所述主导因子和交互因子为自变量Xi，构建Copula联合函数。
可选的，所述识别模块具体用于：
以所述土壤含水量距平指数为因变量Y，所述生态系统变量因子为自变量Xi，在Arc Gis基础上分别基于地理探测器单因子探测、交互探测功能，定量识别出农业干旱指标的主导因子和交互因子。
可选的，所述构建模块具体用于：
对不同Copula函数的拟合优度进行评价，得到最优Copula函数；
以所述土壤含水量距平指数为因变量Y，所述主导因子和交互因子为自变量Xi，基于所述最优Copula函数构建出Copula联合函数。
可选的，所述构建模块具体用于：
利用最小平方欧式距离对不同Copula函数的拟合优度进行评价，得到最优Copula函数。
本发明能产生的有益效果包括：
本发明提供的农业干旱相关性评估方法，通过预先获取多年来土壤水分数据(SM)，以土壤含水量距平指数(SMAPI)作为农业干旱指标，通过农业干旱发生频率和干旱影响范围研究农业干旱事件的时空分布；接着获取相关生态系统变量并采用Pearson相关分析，初步评估相关关系较好的生态系统变量因子；然后基于地理探测器以SMAPI为因变量Y，生态系统变量因子为自变量Xi定量识别出农业干旱指标的主导因子和交互因子，进行研究区域的空间分异性评估。在此基础上，得出与因变量Y之间具有良好的相关性存在的生态系统变量因子Xi，从而构建Copula联合函数表征其相依结构。本发明对农业干旱特征识别，考虑因素全面，更具有物理和数理统计意义，应用效果较好。
附图说明
图1为本发明实施例提供的农业干旱相关性评估方法流程图；
图2为本发明实施例提供的研究区域示意图；
图3为本发明实施例提供的研究区域Ⅰ区(a)、Ⅱ区(b)轻旱及其以上发生干旱范围示意图；
图4为本发明实施例提供的影响春(a)、夏(b)、秋(c)和冬(d)土壤湿度的主导因子q值统计；
图5为本发明实施例提供的农业干旱相关性评估系统框图。
具体实施方式
下面结合实施例详述本发明，但本发明并不局限于这些实施例。
本发明实施例提供了一种农业干旱相关性评估方法，如图1所示，所述方法包括：
步骤11、获取预设年份的土壤水分数据(SM)，并计算土壤含水量距平指数(SMAPI)、农业干旱发生频率和干旱影响范围。
其中，预设年份可以为近几年，或预先设定的某些年份，本发明实施例对此不做限定。
所述土壤含水量距平指数(SMAPI)为当前时段土壤水分与预设年份同期土壤水分平均值之差除以预设年份同期土壤水分平均值。
所述农业干旱发生频率为单位时间内干旱事件超过一定阈值的发生频繁程度，即干旱发生的总月数与预设年份月数之比。
所述干旱影响范围为在指定时间范围内，某地区干旱发生面积占区域内总面积的百分比。
示例的，本发明实施例选择某区域作为研究区域，以其界线进行分区划分。分为：Ⅰ区北部干旱半干旱生态区和Ⅱ区东北部湿润半湿润生态区，如图2所示。以土壤含水量距平指数(SMAPI)作为农业干旱指标，通过农业干旱发生频率和干旱影响范围研究农业干旱事件的时空分布，如图3所示。
步骤12、获取相关生态系统变量，并采用Pearson相关分析评估出相关关系满足预设规则的生态系统变量因子。
具体的，获取相关生态系统变量并采用Pearson相关分析，初步评估出相关关系较好的生态系统变量因子。
其中，所述相关生态系统变量包括降水转化率(PCE)、温度(Ta)、高程 (Dem)、人类活动(LUCC)、归一化植被指数(NDVI)、地区生产总值(GDP)、中国公里网格人口分布数据集(POP)中的一种或多种。
接着上述例子研究Ⅰ区和Ⅱ区中SMAPI和不同生态系统变量的pearson 相关性，具体数据如表1和表2所示。
表1 Ⅰ区SMAPI和不同生态系统变量的pearson相关性
表2 Ⅱ区SMAPI和不同生态系统变量的pearson相关性
注：*.、**.在0.05、0.01级别(双尾)，相关性显著。
步骤13、以土壤含水量距平指数为因变量Y，生态系统变量因子为自变量Xi，定量识别出农业干旱指标的主导因子和交互因子。
具体的，以土壤含水量距平指数(SMAPI)为因变量Y，生态系统变量因子为自变量Xi，在Arc Gis基础上分别基于地理探测器单因子探测、交互探测功能，定量识别出农业干旱指标的主导因子和交互因子，以进行研究区域的空间分异性评估，如图4所示。
步骤14、以土壤含水量距平指数为因变量Y，主导因子和交互因子为自变量Xi，构建Copula联合函数。
具体的，可以对不同Copula函数的拟合优度进行评价，得到最优 Copula函数；
以土壤含水量距平指数为因变量Y，主导因子和交互因子为自变量 Xi，基于最优Copula函数构建出Copula联合函数。
从常用的5种Copula函数中进行取舍，利用最小平方欧式距离对不同Copula函数的拟合优度进行评价，寻找最能刻画SMAPI和生态系统变量因子相依关系的Copula函数。经过研究发现t-Copula函数可以更好地定量描述两者之间的联合分布。
继续上述例子，基于地理探测器的基础，得出与因变量Y之间具有良好的相关性存在的生态系统变量因子Xi为：PCE和Ta，从而构建SMAPI 和PCE、SMAPI和Ta之间Copula联合函数表征其相依结构。
本发明通过预先获取多年来土壤水分数据(SM)，以土壤含水量距平指数(SMAPI)作为农业干旱指标，通过农业干旱发生频率和干旱影响范围研究农业干旱事件的时空分布；接着获取相关生态系统变量并采用Pearson 相关分析，初步评估相关关系较好的生态系统变量因子；然后基于地理探测器以SMAPI为因变量Y，生态系统变量因子为自变量Xi定量识别出农业干旱指标的主导因子和交互因子，进行研究区域的空间分异性评估。在此基础上，得出与因变量Y之间具有良好的相关性存在的生态系统变量因子Xi，从而构建Copula联合函数表征其相依结构。本发明对农业干旱特征识别，考虑因素全面，更具有物理和数理统计意义，应用效果较好。
本发明另一实施例提供一种农业干旱相关性评估系统，如图5所示，所述系统包括：
获取模块21，用于获取预设年份的土壤水分数据，并计算土壤含水量距平指数、农业干旱发生频率和干旱影响范围。
评估模块22，用于获取相关生态系统变量，并采用Pearson相关分析评估出相关关系满足预设规则的生态系统变量因子；
识别模块23，用于以土壤含水量距平指数为因变量Y，生态系统变量因子为自变量Xi，定量识别出农业干旱指标的主导因子和交互因子。
识别模块23具体用于，以土壤含水量距平指数为因变量Y，生态系统变量因子为自变量Xi，在Arc Gis基础上分别基于地理探测器单因子探测、交互探测功能，定量识别出农业干旱指标的主导因子和交互因子。
构建模块24，用于以土壤含水量距平指数为因变量Y，主导因子和交互因子为自变量Xi，构建Copula联合函数。
构建模块24具体用于：
对不同Copula函数的拟合优度进行评价，得到最优Copula函数；
以土壤含水量距平指数为因变量Y，主导因子和交互因子为自变量 Xi，基于最优Copula函数构建出Copula联合函数。
进一步的，构建模块24具体用于：
利用最小平方欧式距离对不同Copula函数的拟合优度进行评价，得到最优Copula函数。
上述评估系统中各个模块的具体描述可以参考评估方法中对每个步骤的描述，在此不再赘述，上述评估系统可以实现与评估方法侧同样的功能。
以上所述，仅是本申请的几个实施例，并非对本申请做任何形式的限制，虽然本申请以较佳实施例揭示如上，然而并非用以限制本申请，任何熟悉本专业的技术人员，在不脱离本申请技术方案的范围内，利用上述揭示的技术内容做出些许的变动或修饰均等同于等效实施案例，均属于技术方案范围内。
Claims (10)
1.一种农业干旱相关性评估方法，其特征在于，所述方法包括：
获取预设年份的土壤水分数据(SM)，并计算土壤含水量距平指数(SMAPI)、农业干旱发生频率和干旱影响范围；
获取相关生态系统变量，并采用Pearson相关分析评估出相关关系满足预设规则的生态系统变量因子；
以所述土壤含水量距平指数为因变量Y，所述生态系统变量因子为自变量Xi，定量识别出农业干旱指标的主导因子和交互因子；
以所述土壤含水量距平指数为因变量Y，所述主导因子和交互因子为自变量Xi，构建Copula联合函数。
2.根据权利要求1所述的方法，其特征在于，所述以所述土壤含水量距平指数为因变量Y，所述生态系统变量因子为自变量Xi定量识别出农业干旱指标的主导因子和交互因子，具体包括：
以所述土壤含水量距平指数为因变量Y，所述生态系统变量因子为自变量Xi，在ArcGis基础上分别基于地理探测器单因子探测、交互探测功能，定量识别出农业干旱指标的主导因子和交互因子。
3.根据权利要求1或2所述的方法，其特征在于，所述以所述土壤含水量距平指数为因变量Y，所述主导因子和交互因子为自变量Xi，构建Copula联合函数，具体包括：
对不同Copula函数的拟合优度进行评价，得到最优Copula函数；
以所述土壤含水量距平指数为因变量Y，所述主导因子和交互因子为自变量Xi，基于所述最优Copula函数构建出Copula联合函数。
4.根据权利要求3所述的方法，其特征在于，所述对不同Copula函数的拟合优度进行评价，得到最优Copula函数，具体包括：
利用最小平方欧式距离对不同Copula函数的拟合优度进行评价，得到最优Copula函数。
5.根据权利要求1所述的方法，其特征在于，所述相关生态系统变量包括降水转化率(PCE)、温度(Ta)、高程(Dem)、人类活动(LUCC)、归一化植被指数(NDVI)、地区生产总值(GDP)、中国公里网格人口分布数据集(POP)中的一种或多种。
6.根据权利要求1所述的方法，其特征在于，所述土壤含水量距平指数(SMAPI)为当前时段土壤水分与预设年份同期土壤水分平均值之差除以预设年份同期土壤水分平均值；
所述农业干旱发生频率为干旱发生的总月数与预设年份月数之比；
所述干旱影响范围为在指定时间范围内，某地区干旱发生面积占区域内总面积的百分比。
7.一种农业干旱相关性评估系统，其特征在于，所述系统包括：
获取模块，用于获取预设年份的土壤水分数据，并计算土壤含水量距平指数、农业干旱发生频率和干旱影响范围；
评估模块，用于获取相关生态系统变量，并采用Pearson相关分析评估出相关关系满足预设规则的生态系统变量因子；
识别模块，用于以所述土壤含水量距平指数为因变量Y，所述生态系统变量因子为自变量Xi，定量识别出农业干旱指标的主导因子和交互因子；
构建模块，用于以所述土壤含水量距平指数为因变量Y，所述主导因子和交互因子为自变量Xi，构建Copula联合函数。
8.根据权利要求7所述的系统，其特征在于，所述识别模块具体用于：
以所述土壤含水量距平指数为因变量Y，所述生态系统变量因子为自变量Xi，在ArcGis基础上分别基于地理探测器单因子探测、交互探测功能，定量识别出农业干旱指标的主导因子和交互因子。
9.根据权利要求7或8所述的系统，其特征在于，所述构建模块具体用于：
对不同Copula函数的拟合优度进行评价，得到最优Copula函数；
以所述土壤含水量距平指数为因变量Y，所述主导因子和交互因子为自变量Xi，基于所述最优Copula函数构建出Copula联合函数。
10.根据权利要求9所述的系统，其特征在于，所述构建模块具体用于：
利用最小平方欧式距离对不同Copula函数的拟合优度进行评价，得到最优Copula函数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111133374.7A CN114169664A (zh) | 2021-09-27 | 2021-09-27 | 一种农业干旱相关性评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111133374.7A CN114169664A (zh) | 2021-09-27 | 2021-09-27 | 一种农业干旱相关性评估方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114169664A true CN114169664A (zh) | 2022-03-11 |
Family
ID=80476796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111133374.7A Pending CN114169664A (zh) | 2021-09-27 | 2021-09-27 | 一种农业干旱相关性评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114169664A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105335603A (zh) * | 2015-07-17 | 2016-02-17 | 清华大学 | 一种度量引水灌溉地区干旱程度的方法 |
| CN107782701A (zh) * | 2017-09-20 | 2018-03-09 | 北京师范大学 | 一种多源遥感数据的农业干旱监测方法 |
| CN108710989A (zh) * | 2018-04-19 | 2018-10-26 | 西安理工大学 | 一种基于联合分布函数的综合干旱指数 |
| CN108732649A (zh) * | 2018-05-11 | 2018-11-02 | 河海大学 | 一种基于气象干旱传递的水文干旱预测预警方法 |
| CN109815627A (zh) * | 2019-02-22 | 2019-05-28 | 北京师范大学 | 一种径流变异影响因子确定方法及系统 |
| CN110555561A (zh) * | 2019-09-06 | 2019-12-10 | 清华大学 | 一种中长期径流集合预报方法 |
| CN111831969A (zh) * | 2020-07-01 | 2020-10-27 | 中山大学 | 一种基于改进联合干旱指数的干旱恢复潜力评估方法 |
| CN111898258A (zh) * | 2020-07-17 | 2020-11-06 | 武汉大学 | 一种水文循环变异驱动下二维干旱灾害评估方法 |
| CN112765808A (zh) * | 2021-01-15 | 2021-05-07 | 黄河勘测规划设计研究院有限公司 | 一种生态干旱的监测与评估方法 |
| CN113095621A (zh) * | 2021-03-09 | 2021-07-09 | 武汉大学 | 一种基于土壤水分对气象时滞的农业干旱监测方法 |
-
2021
- 2021-09-27 CN CN202111133374.7A patent/CN114169664A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105335603A (zh) * | 2015-07-17 | 2016-02-17 | 清华大学 | 一种度量引水灌溉地区干旱程度的方法 |
| CN107782701A (zh) * | 2017-09-20 | 2018-03-09 | 北京师范大学 | 一种多源遥感数据的农业干旱监测方法 |
| CN108710989A (zh) * | 2018-04-19 | 2018-10-26 | 西安理工大学 | 一种基于联合分布函数的综合干旱指数 |
| CN108732649A (zh) * | 2018-05-11 | 2018-11-02 | 河海大学 | 一种基于气象干旱传递的水文干旱预测预警方法 |
| CN109815627A (zh) * | 2019-02-22 | 2019-05-28 | 北京师范大学 | 一种径流变异影响因子确定方法及系统 |
| CN110555561A (zh) * | 2019-09-06 | 2019-12-10 | 清华大学 | 一种中长期径流集合预报方法 |
| CN111831969A (zh) * | 2020-07-01 | 2020-10-27 | 中山大学 | 一种基于改进联合干旱指数的干旱恢复潜力评估方法 |
| CN111898258A (zh) * | 2020-07-17 | 2020-11-06 | 武汉大学 | 一种水文循环变异驱动下二维干旱灾害评估方法 |
| CN112765808A (zh) * | 2021-01-15 | 2021-05-07 | 黄河勘测规划设计研究院有限公司 | 一种生态干旱的监测与评估方法 |
| CN113095621A (zh) * | 2021-03-09 | 2021-07-09 | 武汉大学 | 一种基于土壤水分对气象时滞的农业干旱监测方法 |
Non-Patent Citations (5)
| Title |
|---|
| SONG-BAI SONG等: ""Pair-copula decomposition constructions for multivariate hydrological droughtfrequency analysis"", 《2011 INTERNATIONAL SYMPOSIUM ON WATER RESOURCE AND ENVIRONMENTAL PROTECTION》 * |
| 吐尔洪•肉斯旦: ""基于土壤含水量距平指数的塔里木流域时空演变特征"", 《水利科技与经济》 * |
| 吕潇然等: ""基于植被状态指数的云南省农业干旱状况时空分析"", 《地球信息科学学报》 * |
| 周玉良等: ""基于帕尔默旱度模式的干旱识别及其特征值频率分析"", 《农业工程学报》 * |
| 廖显薇等: ""基于Copula函数的松花江流域水文干旱频率分析"", 《灌溉排水学报》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Feng et al. | Modeling the current land suitability and future dynamics of global soybean cultivation under climate change scenarios | |
| Sun et al. | Multiple drought indices for agricultural drought risk assessment on the Canadian prairies | |
| Brown et al. | Classifying multiyear agricultural land use data from Mato Grosso using time-series MODIS vegetation index data | |
| Rutherford et al. | Assessing land-use statistics to model land cover change in a mountainous landscape in the European Alps | |
| Chen et al. | Forest structure in space: a case study of an old growth spruce-fir forest in Changbaishan Natural Reserve, PR China | |
| Santos et al. | Analysis of forest cover changes and trends in the Brazilian semiarid region between 2000 and 2018 | |
| CN112765808A (zh) | 一种生态干旱的监测与评估方法 | |
| Ksiazek-Mikenas et al. | Traits for stress-tolerance are associated with long-term plant survival on green roofs | |
| Zhao et al. | Long-term changes in soil chemical properties with cropland-to-orchard conversion on the Loess Plateau, China: Regulatory factors and relations with apple yield | |
| CN115575601A (zh) | 基于水汽通量散度的植被旱灾指数评估方法和系统 | |
| CN110516943B (zh) | 一种基于地表温度的春灌期灌溉面积动态监测遥感方法 | |
| Srinivasan et al. | Mapping of soil nutrient variability and delineating site-specific management zones using fuzzy clustering analysis in eastern coastal region, India | |
| CN117807549A (zh) | 一种农田土壤肥力评价方法及系统 | |
| Wei et al. | A new drought index and its application based on geographically weighted regression (GWR) model and multi-source remote sensing data | |
| Ben Mhenni et al. | Assessment of drought frequency, severity, and duration and its impacts on vegetation greenness and agriculture production in Mediterranean dryland: A case study in Tunisia | |
| CN117455127B (zh) | 一种基于智慧园林的植物碳汇动态数据监测系统 | |
| Pei et al. | Analysis of spring drought in Northeast China from the perspective of atmosphere, snow cover, and soil | |
| Amatya et al. | Comparison of hydrology of two Atlantic coastal plain forests | |
| Bellanthudawa et al. | Spectral index-based time series analysis of canopy resistance and resilience in a watershed under intermittent weather changes | |
| Fang et al. | Assessment of dynamic drought-induced ecosystem risk: Integrating time-varying hazard frequency, exposure and vulnerability | |
| CN114169664A (zh) | 一种农业干旱相关性评估方法及系统 | |
| Hermance | Historical variability of rainfall in the African East Sahel of Sudan: implications for development | |
| Wang et al. | The Variability of Net Primary Productivity and Its Response to Climatic Changes Based on the Methods of Spatiotemporal Decomposition in the Yellow River Basin, China. | |
| AU2021105767A4 (en) | Risk Assessment Method of Winter Wheat Summer Maize Disaster | |
| Hong et al. | Nonlinear trade-off relationship and critical threshold between ecosystem services and climate resilience for sustainable urban development |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220311 |
|
| RJ01 | Rejection of invention patent application after publication |