本文以石羊河流域中下游为研究区,采用考虑生态系统恢复力(latitude of ecosystem resilience,LER)的月尺度生态需水评估方法计算19822020年植被月适宜生态需水量、最小生态需水量以及相应的生态缺水量,并与土壤水分特征值法(characteri...本文以石羊河流域中下游为研究区,采用考虑生态系统恢复力(latitude of ecosystem resilience,LER)的月尺度生态需水评估方法计算19822020年植被月适宜生态需水量、最小生态需水量以及相应的生态缺水量,并与土壤水分特征值法(characteristic value of soil water,CVSW)进行比较,分析不同类型植被生长期的水分盈亏关系。结果表明:LER法和CVSW法计算结果相近,但LER法具有更大的生态需水阈值区间;天然降水基本可以满足植被的基本生存,但无法满足正常生长需求;LER法的适宜需水条件下,各植被生长期总体处于缺水状态,缺水严重程度排序为灌木林>其他林地>疏林地>高覆盖度草地>中覆盖度草地>有林地,全部植被生长期总适宜生态需水量为3.7×10^(8)m^(3),亏缺水量为1.2×10^(8)m^(3),同一植被亏缺水量基本符合春秋多、夏季少的规律;最小需水条件下,只有其他林地存在生长期缺水情况,全部植被生长期总最小生态需水量为0.8×10^(8)m^(3);在缺乏土壤水分数据的干旱地区,LER法具有良好的适用性。研究结果可为石羊河流域水资源高效利用和干旱区生态系统的恢复与重建提供理论参考。展开更多
准确的干旱预测对于减轻或规避干旱对区域粮食生产和水资源配置的不利影响至关重要。大气环流因子可能会通过遥相关影响农业干旱的发生、发展和传递过程,在干旱预测模型中引入大气环流因子是否会改善农业干旱的预测性能尚不明晰。该研...准确的干旱预测对于减轻或规避干旱对区域粮食生产和水资源配置的不利影响至关重要。大气环流因子可能会通过遥相关影响农业干旱的发生、发展和传递过程,在干旱预测模型中引入大气环流因子是否会改善农业干旱的预测性能尚不明晰。该研究以农业干旱、高温和大气环流因子为预测因子,在不同预见期(1、12、24、36、48个月)下采用Meta-Gaussian(MG)模型预测黄河流域典型年份的农业干旱事件,通过纳什效率系数(Nash-Sutcliffe efficiency coefficient,NSE)和均方根误差(root mean square error,RMSE)探究在MG模型中引入大气环流因子对农业干旱预测性能的影响。结果表明:大气环流因子中12个月时间尺度的标准化西太平洋副高强度指数(standardized western Pacific subtropical high intensity index,SWPSHI)与农业干旱相关性最为显著;以典型年2014年8月份为例发现MG模型预测值受预见期长度、预测因子影响较大;相比于单因子预测,引入大气环流因子的MG模型的评价指标NSE和RMSE改善网格占比最高达46%,空间上在内蒙古、宁夏、甘肃、陕西等省区1 a以上预见期明显改善,而考虑大气环流因子和高温的MG模型进一步提升了模型的预测性能,扩大了网格占比。因此在上述省区干旱预测时需考虑大气环流因子的影响。展开更多
文摘本文以石羊河流域中下游为研究区,采用考虑生态系统恢复力(latitude of ecosystem resilience,LER)的月尺度生态需水评估方法计算19822020年植被月适宜生态需水量、最小生态需水量以及相应的生态缺水量,并与土壤水分特征值法(characteristic value of soil water,CVSW)进行比较,分析不同类型植被生长期的水分盈亏关系。结果表明:LER法和CVSW法计算结果相近,但LER法具有更大的生态需水阈值区间;天然降水基本可以满足植被的基本生存,但无法满足正常生长需求;LER法的适宜需水条件下,各植被生长期总体处于缺水状态,缺水严重程度排序为灌木林>其他林地>疏林地>高覆盖度草地>中覆盖度草地>有林地,全部植被生长期总适宜生态需水量为3.7×10^(8)m^(3),亏缺水量为1.2×10^(8)m^(3),同一植被亏缺水量基本符合春秋多、夏季少的规律;最小需水条件下,只有其他林地存在生长期缺水情况,全部植被生长期总最小生态需水量为0.8×10^(8)m^(3);在缺乏土壤水分数据的干旱地区,LER法具有良好的适用性。研究结果可为石羊河流域水资源高效利用和干旱区生态系统的恢复与重建提供理论参考。
文摘准确的干旱预测对于减轻或规避干旱对区域粮食生产和水资源配置的不利影响至关重要。大气环流因子可能会通过遥相关影响农业干旱的发生、发展和传递过程,在干旱预测模型中引入大气环流因子是否会改善农业干旱的预测性能尚不明晰。该研究以农业干旱、高温和大气环流因子为预测因子,在不同预见期(1、12、24、36、48个月)下采用Meta-Gaussian(MG)模型预测黄河流域典型年份的农业干旱事件,通过纳什效率系数(Nash-Sutcliffe efficiency coefficient,NSE)和均方根误差(root mean square error,RMSE)探究在MG模型中引入大气环流因子对农业干旱预测性能的影响。结果表明:大气环流因子中12个月时间尺度的标准化西太平洋副高强度指数(standardized western Pacific subtropical high intensity index,SWPSHI)与农业干旱相关性最为显著;以典型年2014年8月份为例发现MG模型预测值受预见期长度、预测因子影响较大;相比于单因子预测,引入大气环流因子的MG模型的评价指标NSE和RMSE改善网格占比最高达46%,空间上在内蒙古、宁夏、甘肃、陕西等省区1 a以上预见期明显改善,而考虑大气环流因子和高温的MG模型进一步提升了模型的预测性能,扩大了网格占比。因此在上述省区干旱预测时需考虑大气环流因子的影响。
文摘蒸散发(Evapotranspiration,ET)是作物需水量的核心组分,也是区域水资源优化配置的关键依据。本文以陕西关中宝鸡峡灌区夏玉米为研究对象,采用BP神经网络(Back propagation neural network,BPNN)、支持向量机(Support vector machine,SVM)、极限学习机(Extreme learning machine,ELM)和极致梯度提升树(eXtreme gradient boosting,XGBoost)4种机器学习算法构建无人机-卫星多源遥感数据协同校正模型,并以最优算法建立的模型校正卫星多光谱数据,实现无人机和卫星数据的尺度转换。利用校正后高精度卫星数据反演夏玉米叶面积指数(Leaf area index,LAI)与株高(Crop height,hc)为蒸散发模型提供数据输入。分别采用双作物系数法、METRIC模型及Penman-Monteith(P-M)冠层阻力模型进行夏玉米蒸散发估算,引入贝叶斯模型平均(Bayesian model averaging,BMA)实现不同生育阶段各方法/模型权重的动态分配,最终得到玉米拔节-完熟期性能稳健的蒸散发BMA融合模型。结果表明:XGBoost算法在夏玉米拔节-完熟期的B/G/R/NIR波段建模精度均为最高,四波段建模结果决定系数(Coefficient of determination,R^(2))较算法ELM高出8.43%、8.67%、6.79%和10.41%;校正后的卫星多光谱数据LAI与hc反演结果R^(2)较原始卫星数据分别平均提高97%和67.5%;BMA融合模型在夏玉米拔节-抽雄期和蜡熟-完熟期较单一最优方法/模型(METRIC模型)均方根误差(Root mean squared error,RMSE)降低39.3%~58.5%。本研究利用“协同校正-动态融合”显著提升了蒸散发遥感监测精度,可为水资源精细化管理提供理论支撑。
