CN115878685A - 融合多指标的综合偏差干旱指数的旱情监测方法 - Google Patents
融合多指标的综合偏差干旱指数的旱情监测方法 Download PDFInfo
- Publication number
- CN115878685A CN115878685A CN202210750776.XA CN202210750776A CN115878685A CN 115878685 A CN115878685 A CN 115878685A CN 202210750776 A CN202210750776 A CN 202210750776A CN 115878685 A CN115878685 A CN 115878685A
- Authority
- CN
- China
- Prior art keywords
- drought
- deviation
- climate
- index
- month
- 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
Images
Classifications
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种融合多指标的综合偏差干旱指数的旱情监测方法，包括：协同陆地水储量TWS、降水PET和土壤水分SM产品数据，计算研究阶段每个日历月的月平均气候数据集；根据步骤1得到的月平均气候数据集，分别计算第i年第j月的陆地水储量、降水和土壤水分的月气候距平值；将步骤2计算得到的月气候距平值进行标准化处理，并根据标准化处理后的气候距平值构建综合偏差CD；根据步骤3计算的综合偏差CD采用标准化方法计算综合偏差干旱指数CDDI；根据步骤4计算的CDDI值捕捉干旱事件并分析干旱特征。本发明结合降水偏差捕捉到的气象干旱的发生，考虑引起农业干旱发展的土壤水分差异，再加入陆地水储量亏缺状态，可以系统地、全面地进行综合干旱监测。
Description
技术领域
本发明属于综合干旱监测的技术领域，具体涉及一种融合多指标的综合偏差干旱指数的旱情监测方法。
背景技术
干旱是水文、大气过程参与的一个复杂性质事件，甚至与物候生长，社会经济息息相关。干旱指数是监测、量化和预警水资源短缺影响程度的工具。它将一个或多个特征因子量化为单一数值，对干旱进行评估。随着时间的推移和技术的成熟，不同领域、不同学科制定了各种各样的干旱指数，如SPI和PDSI气象干旱指数，SRI和SWSI水文干旱指数，农业干旱SSI和SMDI农业干旱指数。这些指数的数据输入可以是站点监测数据，也可以是水文模拟数据或遥感数据。近年来，GRACE卫星返回的长时序、大尺度陆地水储量数据成为了干旱研究领域的一大热点。这也依赖于GRACE重力卫星具有不受地面条件显示，能获得稳定的、均匀分布且观测尺度统一的数据优点。
GRACE的陆地水储量已经被用于实际的干旱监测中。有学者借鉴PDSI的迭代思想，综合前一个月TSDI指数和当期水储量赤字情况推导出当期TSDI指数，并调查了加拿大2002-2003年干旱事件。Cao et al.(2015)基于TSDI捕获了中国西北部的干旱事件时空分布特征，证实了GRACE在中国区域干旱监测的潜力。。学者们基于水储量赤字也开展了大量研究。一方面，Wang et al.(2014)分析了陆地水储量TWSI、降水和植被指数(EVI)的时空变异性，通过去除年度变化的平均值得到异常值作为相应的干旱指数，分析了中国海河流域2003-2013年的干旱。但是这种直接忽略了干旱事件的时空差异性。另一方面，Thomas etal.(2014)提出了月陆地水储量异常和月气候学的概念，通过计算两者的偏差来量化陆地水储量赤字情况，监测了2003-2013年间美国部分地区的干旱。Sinha et al.(2019)又提出组合气候偏差指数(CCDI)对降水量和陆地水储量的偏差进行了综合，通过对印度流域的评估确定了该指数的有效性和适用性。Satish Kumar et al.(2021)在印度四个盆地分析了五个干旱指数的相关性，发现了CCDI和GRACE-DSI的高度相关性，提出了指数组合的形式可以更好得理解干旱。
尽管有很多的干旱指数，但是指数的适用性有限。陆地水储量可以体现陆地蓄水的质量变化，决定着干旱最终严重程度。此外，降水是下垫面水分的唯一来源，是造成干旱状况的主观因素。降水的高频可变性可以敏锐的体现气候对干旱的影响。CCDI指数就是结合了降水和TWS指定的。然而，气象干旱发生或结束一段时间后，可能会导致不同程度的土壤水分短缺，进而引发农业干旱的发生(
and/>
2014)。同干旱之间的传播机制被一些学者关注，但目前没有明确的答案(Apurv et al.,2017；Ding et al.,2021)。WSDI主要反映深层地下水分异常，对地表水分的变化不敏感，而CCDI指数没有纳入对农业的影响。因此，急需开发一种将降水和土壤水分序列同时纳入综合干旱指数的方法，定是至关重要且合乎逻辑的。/>
发明内容
本发明的目的在于针对现有技术的不足之处，提供一种融合多指标的综合偏差干旱指数的旱情监测方法，该方法结合降水偏差捕捉到的气象干旱的发生，考虑引起农业干旱发展的土壤水分差异，再加入陆地水储量亏缺状态，可以系统地、全面地进行综合干旱监测。
为解决上述技术问题，本发明采用如下技术方案：
一种融合多指标的综合偏差干旱指数的旱情监测方法，包括如下步骤：
步骤1，协同陆地水储量TWS、降水PET和土壤水分SM产品中数据，计算研究阶段每个日历月的月平均气候数据集；
步骤2，根据步骤1得到的月平均气候数据集，分别计算第i年第j月的陆地水储量、降水和土壤水分的月气候距平值；
步骤3，将步骤2计算得到的月气候距平值进行标准化处理，并根据标准化处理后的气候距平值构建综合偏差CD；
步骤4，根据步骤3计算的综合偏差CD采用标准化方法计算综合偏差干旱指数CDDI；
步骤5，根据步骤4计算的CDDI值捕捉干旱事件并分析干旱特征。
进一步地，步骤1具体包括：
从数据中心收集陆地水储量数据、降水数据和土壤水分数据，将收集的数据进行格式预处理，并对缺失月份采用样条插值法填补数据空白，根据研究区域对处理后的数据进行数据裁剪，并根据裁剪后的数据分别计算陆地水储量、降水和土壤水分1-12月每个日历月的长期平均值，得到月平均气候数据集。
进一步地，具体步骤为：
步骤3.1，将步骤2计算得到的月气候距平值进行标准化处理，降水偏差、陆地水储量偏差和土壤水分偏差标准化的计算公式如下：
式中，PETAi,j、PETAμ、PETAσ对应表示第i年第j月降水的月气候距平值、降水平均值、降水标准差；
TWSAi,j、TWSAμ、TWSAσ对应表示第i年第j月陆地水储量的月气候距平值、陆地水储量的平均值、陆地水储量标准差；
SMAi,j、SMAμ、SMAσ对应表示第i年第j月土壤水分的月气候距平值、土壤水分的平均值、土壤水分的标准差；
CDPETA、CDTWSA、CDSMA分别对应为降水、陆地水储量和土壤水分的偏差；
步骤3.2，基于步骤3.2计算的标准化的指标偏差，通过多项式组合方式得到综合偏差：
CD＝CDPETA+CDTWSA+CDSMA。
进一步地，步骤4中，采用z-score标准化方法计算综合偏差干旱指数CDDI，综合偏差干旱指数CDDI为：
式中，CDDIi，j表示第i年第j月的综合偏差干旱指数，CDi，j表示第i年第j月的综合偏差CD，CDμ、CDσ分别对应表示综合偏差的平均值、标准差。
进一步地，步骤5具体包括：
设定干旱阈值D0，当步骤4中计算得到的CDDI值连续三个月或三个月以上低于D0被认定为干旱事件；
并参考游程理论，根据干旱事件分离出干旱特征量：干旱强度，干旱烈度和干旱历时，其中，干旱历时是干旱发生的持续时间，干旱强度是干旱持续时间内的CDDI值之和，干旱烈度是干旱持续时间内最小的CDDI值。
与现有技术相比，本发明的有益效果为：
1、本发明构建了一种综合的水文-气象-农业干旱指标：该模型将水文陆地水储量产品、气象降水观测和农业土壤水分数据相结合，克服了单一指标或变量从某一领域水分亏缺表征干旱的局限性；降水是地下水分的唯一来源，直接导致了干旱；然而，降水的高频变化和不均匀的时空分布是导致区域对气象干旱适应性差的特点；陆地水储量反映了水文循环的总储水量，可以描述生态系统对水供应变化的反应，它对大区域空间尺度的干旱监测是稳健的，土壤水分对响应降水滞后效应导致的农业干旱非常重要；因此，结合降水、陆地水储量和土壤水分来开发一个综合干旱指数可以反映多领域环境因子的综合作用结果，可实现气象、水文和农业不同领域的综合干旱监测；
2、本发明基于线性组合方式实现了多个指标偏差的组合，是一种简单快捷的偏差组合方法：目前国内外很多研究学者提出了众多指标综合方案，如权重组合、多变量联合和及其学习等，指数构建方案根据指数的选择存在差异，本发明经过与PCA和TSNE的指数构建方案的对比，发现简单的线性组合方案的监测效果最为稳定，PN指数构建方案受区域限制小，无论是潮湿的南方还是干燥的北方都可以系统地、全面地进行综合干旱监测。
附图说明
图1为本发明实施例提出的合偏差干旱指数的旱情监测方法的流程图；
图2为本发明实施例采用三种方法构建CDDI在中国流域与SPEI、SSWI和SRI相关性对比结果图；其中，(a)基于PCA、TSNE和PN构建的CDDI和常见的干旱指数的相关性比较；(b)相关性比较的箱形图统计；
图3为本发明实施例的十大流域2003-2020年CDDI时序图；
图4为本发明实施例采用的游程理论原理图。
具体实施方式
下面将结合本发明实施例对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合具体实施例对本发明作进一步说明，但不作为本发明的限定。
如图1所示，本发明公开了一种融合多指标的综合偏差干旱指数的旱情监测方法，包括如下步骤：
步骤1，协同陆地水储量TWS、降水PET和土壤水分SM产品中数据，计算研究阶段每个日历月的月平均气候数据集；
在本实施例中，分别从GRACE、GLDAS和GPCC数据中心收集2003年1月至2020年12月之间中国区域的陆地水储量数据、降水数据和土壤水分数据；
之后将收集的数据进行数据格式预处理，重采样到0.25°×0.25°的空间格网上，进行质量控制；对于土壤水分数据，我们将土壤层的体积含水量数据聚合到一起计算，即土壤水分数据输入为0-200cm的土壤水分数据；
而GRACE数据集在2003年到2020年间，存在20个月的离散数据缺失，具体包括2003年6月、2011年1月、2011年6月、2012年5月、2012年10月、2013年3月、2013年8月、2013年9月、2014年2月、2014年7月、2014年12月、2015年6月、2015年10月、2015年11月、2016年4月、2016年9月、2016年10月、2017年2月、2018年8月、2018年9月。这20个月的数据缺失采用三次样条插值法借助前后月的陆地水储量数据和变化趋势预估插值得到。GRACE和GRACE-FO交替服役期间，存在11个月的间隔期(20017年7月-2018年5月)。由于缺失数据是相邻的，考虑插值问题会产生误差，因此基于降水重构的数据集作为间隔期陆地水储量变化的估计。
然后将上述步骤得到的数据根据研究区域进行数据裁剪；最后分别计算陆地水储量、降水和土壤水分1-12月每个日历月的长期平均值，得到月平均气候数据集；
上式中，clim表示月平均气候，j表示月，取值为1-12，N表示年数。
步骤2，根据步骤1得到的月平均气候数据集，结合第i年第j月的降水、陆地水储量和土壤水分的时序数据，分别计算第i年第j月的陆地水储量、降水和土壤水分的月气候距平值，并将该月气候距平值作为特定日历月偏离月平均气候正常值的量化标准；具体地，
式中，PETAi，j，TWSAi，j，SMAi，j分别表示第i年第j月的降水、陆地水储量和土壤水分的月气候距平值，PETi，j，TWSi，j，SMi，j分别表示第i年第j月的降水、陆地水储量和土壤水分的时序数据。
步骤3，将步骤2计算得到的月气候距平值进行标准化处理，并根据标准化后的气候距平值构建综合偏差CD；
在本实施例中，该步骤具体包括：
步骤3.1，分别对步骤2得到的多个指标的月气候距平值进行标准化处理，以减少指标间干旱差异的影响；降水偏差、陆地水储量偏差和土壤含水量土壤水分偏差标准化的计算公式如下：
式中，PETAi,j、PETAμ、PETAσ对应表示第i年第j月降水的月距平值、降水平均值、降水标准差；
TWSAi,j、TWSAμ、TWSAσ对应表示第i年第j月陆地水储量的月距平值、陆地水储量的平均值、陆地水储量标准差；
SMAi,j、SMAμ、SMAσ对应表示第i年第j月土壤水分的月距平值、土壤水分的平均值、土壤水分的标准差；
CDPETA、CDTWSA、CDSMA分别对应为降水、陆地水储量和土壤水分的偏差；
步骤3.2，基于步骤3.2计算的标准化的指标偏差，进行偏差组合得到综合偏差：
可以通过PCA、TSNE和PN三种方法实现偏差组合；其中，多项式(Polynomial,PN)、主成分分析(Pricipal Component Anlysis，PCA)和t分布-随机邻近嵌入法(t-Distributed Stochastic Neighbor Embedding，TSNE)分别被用来对月气候偏差距平进行综合，最后通过与标准化降水蒸散指数(Standardized Precipitation EvapotranspirationIndex，SPEI)、标准化土壤水分指数(Standardized Soil Water Index，SSWI)和标准化径流指数(Standardized Runoff index，SRI)的相关性对比，确定PN基于多项式方法效果最好。因此，在本实施例中，采用基于多项式综合方法对三个指标的标准化的月气候距平月气候偏差进行线性组合，即CDPN＝CDPETA+CDTWSA+CDSMA。
步骤4，根据步骤3计算的综合偏差CD采用标准化方法计算综合偏差干旱指数CDDI；
在本实施例中，采用z-score标准化方法得到CDDI，综合偏差干旱指数CDDI为：
式中，CDDIi，j表示第i年第j月的综合偏差干旱指数，CDi，j表示第i年第j月的综合偏差CD，CDμ、CDσ分别对应表示综合偏差的平均值、标准差。
图2给出了10个流域基于PCA、TSNA和PN三种方法构建的CDDI指标与SPEI、SSWI、SRI干旱指标之间的相关系数统计情况。根据图2(a)，在中国北部的NWB、YEB、HRB和LRB四个流域中，CDDI_TSNE干旱指数与通用指数间的相关性较差。而在中国南部的5个流域中，PCA在SWB、YZRB和HHRB三个流域表现出较差的相关性。对于SRB、PRB、SEB三个流域而言，三种CDDI与通用指数间都存在良好的相关性。基于PN构建的CDDI指数与常用指数都具有较高的相关性。在与SPEI对比中，CDDI_PN与SPEI最高和最低相关的流域分别为SEB(0.78)和HRB(0.44)。与SSWI的一致性最高，在SRB流域相关性达到了0.81，最差的相关性为YRB流域(0.55)。根据图2(b)不难发现，基于PCA和TSNE构建的CDDI指数相关性差异太大。而基于PN构建CDDI指数在十个流域中表征干旱的能力整体差异不大，主要体现在与三个指数都有相对稳定的相关性。
步骤5，根据步骤4计算的CDDI值捕捉干旱事件并分析干旱特征；该步骤还包括：
步骤5.1：设定干旱阈值D0，当CDDI值连续三个月或三个月以上低于D0被认定为干旱事件；在本实施例中，可以设定标准正态分布的第30,20,10,5,2个百分位数为干旱阈值；随着百分位的减小，干旱强度增加，根据z分位数和标准化正态分布表，CDDI的五个干旱等级对应的阈值分比为D0(-0.5)、D1(-0.8)、D2(-1.2)、D3(-1.6)、D4(-2.0)；未发生干旱的区域不做统计；根据旱情评估经验，当CDDI值连续三个月或三个月以上小于-0.5被定义为干旱事件；
图3中对捕捉到的干旱事件进行了编号，并根据干旱程度绘制了不同的颜色条，颜色越重的条带表示干旱程度越大；
步骤5.2：图4是游程理论识别事件的概念图。当灾害指数低于阈值D0时，且持续时间超过一定长度(3个月)时被认为灾害事件发生，并参考游程理论，我们分离出干旱特征量：干旱强度，干旱烈度和干旱历时。干旱历时是干旱发生的持续时间，干旱强度是干旱持续时间内综合偏差干旱指数之和，干旱烈度是干旱持续时间内最小的综合偏差干旱指数值，如图4所示，根据图4对CDDI捕捉到的干旱事件进行特征描述，十大流域干旱事件特征的详细信息在附表1中。
表1中国十大流域旱情特征统计表
根据上述表1的计算结果，绘制了从2003年至2020年中国区域干旱特征的可视化结果，根据可视化结果可以得到：中国南部长江流域的A区域干旱频次高。过去18年大约经历了8-12次干旱。而且该区域旱情持续时间较长，约40-60月。干旱强度和干旱烈度较高，表明这些地区经历了强烈的干旱。松花江流域的B区表明该区域长期经历旱情，单次干旱烈度较轻但是总体旱情强度严重。长江流域的C和西北流域南部的D区与B区相反，这些区域旱情频次和历时都较低，干旱强度没有B区严重但是干旱烈度最大的集中区。E区与B区类似，过去18年长期经历旱情，但单次旱情相对较轻。干旱次数、强度和烈度在F区域都较小，表明该区域干旱的危害相对较小。
本发明利用的土壤水分产品、降水产品和陆地水储量产品构建综合偏差模型，并采用多项式简单组合的方法计算综合偏差干旱指数，利用中国十大流域对所提方法进行了测试，结果表明所提出的干旱监测方法能够捕捉到已有报道或研究的干旱事件，证实了综合偏差干旱指数的有效性。
以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。
Claims (5)
1.一种融合多指标的综合偏差干旱指数的旱情监测方法，其特征在于，包括如下步骤：
步骤1，协同陆地水储量TWS、降水PET和土壤水分SM产品数据，计算研究阶段每个日历月的月平均气候数据集；
步骤2，根据步骤1得到的月平均气候数据集，分别计算第i年第j月的陆地水储量、降水和土壤水分的月气候距平值；
步骤3，将步骤2计算得到的月气候距平值进行标准化处理，并根据标准化处理后的气候距平值构建综合偏差CD；
步骤4，根据步骤3计算的综合偏差CD采用标准化方法计算综合偏差干旱指数CDDI；
步骤5，根据步骤4计算的CDDI值捕捉干旱事件并分析干旱特征。
2.根据权利要求1所述的融合多指标的综合偏差干旱指数的旱情监测方法，其特征在于，步骤1具体包括：
从数据中心收集陆地水储量数据、降水数据和土壤水分数据，将收集的数据进行格式预处理，并对缺失月份采用样条插值法填补数据空白，根据研究区域对处理后的数据进行数据裁剪，并根据裁剪后的数据分别计算陆地水储量、降水和土壤水分1-12月每个日历月的长期平均值，得到月平均气候数据集。
3.根据权利要求1所述的融合多指标的综合偏差干旱指数的旱情监测方法，其特征在于，具体步骤为：
步骤3.1，将步骤2计算得到的月气候距平值进行标准化处理，降水偏差、陆地水储量偏差和土壤水分偏差标准化的计算公式如下：
式中，PETAi,j、PETAμ、PETAσ对应表示第i年第j月降水的月气候距平值、降水平均值、降水标准差；
TWSAi,j、TWSAμ、TWSAσ对应表示第i年第j月陆地水储量的月气候距平值、陆地水储量的平均值、陆地水储量标准差；
SMAi,j、SMAμ、SMAσ对应表示第i年第j月土壤水分的月气候距平值、土壤水分的平均值、土壤水分的标准差；
CDPETA、CDTWSA、CDSMA分别对应为降水、陆地水储量和土壤水分的偏差；
步骤3.2，基于步骤3.2计算的标准化的指标偏差，通过多项式组合方式得到综合偏差：
CD＝CDPETA+CDTWSA+CDSMA。
4.根据权利要求1所述的融合多指标的综合偏差干旱指数的旱情监测方法，其特征在于，步骤4中，采用z-score标准化方法计算综合偏差干旱指数CDDI，综合偏差干旱指数CDDI为：
式中，CDDIi,j表示第i年第j月的综合偏差干旱指数，CDi,j表示第i年第j月的综合偏差CD，CDμ、CDσ分别对应表示综合偏差的平均值、标准差。
5.根据权利要求1所述的融合多指标的综合偏差干旱指数的旱情监测方法，其特征在于，步骤5具体包括：
设定干旱阈值D0，当步骤4中计算得到的CDDI值连续三个月或三个月以上低于D0被认定为干旱事件；
并参考游程理论，根据干旱事件分离出干旱特征量：干旱强度，干旱烈度和干旱历时，其中，干旱历时是干旱发生的持续时间，干旱强度是干旱持续时间内的CDDI之和，干旱烈度是干旱持续时间内最小的CDDI值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210750776.XA CN115878685A (zh) | 2022-06-28 | 2022-06-28 | 融合多指标的综合偏差干旱指数的旱情监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210750776.XA CN115878685A (zh) | 2022-06-28 | 2022-06-28 | 融合多指标的综合偏差干旱指数的旱情监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115878685A true CN115878685A (zh) | 2023-03-31 |
Family
ID=85769466
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210750776.XA Pending CN115878685A (zh) | 2022-06-28 | 2022-06-28 | 融合多指标的综合偏差干旱指数的旱情监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115878685A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116934518A (zh) * | 2023-09-12 | 2023-10-24 | 中国科学院地理科学与资源研究所 | 一种基于标准化陆地水储量指数的干旱遥感监测方法 |
-
2022
- 2022-06-28 CN CN202210750776.XA patent/CN115878685A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116934518A (zh) * | 2023-09-12 | 2023-10-24 | 中国科学院地理科学与资源研究所 | 一种基于标准化陆地水储量指数的干旱遥感监测方法 |
| CN116934518B (zh) * | 2023-09-12 | 2023-12-26 | 中国科学院地理科学与资源研究所 | 一种基于标准化陆地水储量指数的干旱遥感监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fischer et al. | Global agro-ecological zones v4–model documentation | |
| Anandhi et al. | Vulnerability assessment of water resources–translating a theoretical concept to an operational framework using systems thinking approach in a changing climate: case study in Ogallala Aquifer | |
| Millward et al. | Adapting the RUSLE to model soil erosion potential in a mountainous tropical watershed | |
| Petit et al. | Quantifying processes of land-cover change by remote sensing: resettlement and rapid land-cover changes in south-eastern Zambia | |
| CN112765808B (zh) | 一种生态干旱的监测与评估方法 | |
| CN109800921B (zh) | 基于遥感物候同化和粒子群优化的区域冬小麦估产方法 | |
| CN113095621B (zh) | 一种基于土壤水分对气象时滞的农业干旱监测方法 | |
| CN115099453B (zh) | 一种多变量栅格化卫星遥感综合干旱风险评估方法 | |
| CN113961880B (zh) | 一种水文干旱历时和烈度相依结构变异的诊断方法 | |
| Kopp et al. | A novel method to identify sub-seasonal clustering episodes of extreme precipitation events and their contributions to large accumulation periods | |
| Chen et al. | Impact of center pivot irrigation on vegetation dynamics in a farming-pastoral ecotone of Northern China: A case study in Ulanqab, Inner Mongolia | |
| CN115878685A (zh) | 融合多指标的综合偏差干旱指数的旱情监测方法 | |
| Tesfaye et al. | Runoff, sediment load and land use/cover change relationship: the case of Maybar sub-watershed, South Wollo, Ethiopia | |
| Mathewos et al. | Parametric land suitability assessment for rainfed agriculture: The case of bilate alaba sub-watershed, Southern Ethiopia | |
| Zaw et al. | Empirical statistical modeling of rainfall prediction over Myanmar | |
| CN115344815A (zh) | 考虑植被空间变化的天然径流变化归因分析方法和系统 | |
| Gond et al. | Assessment of drought variability using SPEI under observed and projected climate scenarios over Uttar Pradesh, India | |
| Vora et al. | Satellite based Budyko framework reveals the human imprint on long-term surface water partitioning across India | |
| Yin et al. | A new integrated index for drought stress monitoring based on decomposed vegetation response factors | |
| CN107437262B (zh) | 作物种植面积预警方法和系统 | |
| Wu et al. | Wetland area identification and waterbird protection management in consideration of lake topography and water level change | |
| Kholodovsky et al. | A generalized Spatio-Temporal Threshold Clustering method for identification of extreme event patterns | |
| Tandel et al. | Impact Assessment of Wet and Dry Spell on Agriculture Productivity of Chhattisgarh, India | |
| CN116821589B (zh) | 促进生态服务功能提升的植被覆盖度恢复上限计算方法 | |
| Whetten | Characterizing clustering models of high-dimensional remotely sensed data using subsampled field-subfield spatial cross-validated random forests. |
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 |