共查询到20条相似文献，搜索用时 31 毫秒
1.
水稻发育期模型研究进展 总被引：6，自引：1，他引：5
物候是气候变化的重要指示物.随着全球变化研究的开展,已经有越来越多的研究表明,随着气象条件的变化,植物的物候期发生了明显的变化,因此,对物候的精准模拟可以帮助我们准确理解作物对全球变化的响应机制,强大的物候模型已经逐渐成为提高植物对气候变化响应的模拟精度的一个关键工具.同时作物物候的模拟也是作物模型的一个重要组成部分.水稻是最重要的粮食作物之一,水稻发育期模型研究对水稻生长模型有着重要的意义.本文对国内外水稻发育模型的发展进行了综述,并提出了目前水稻发育期模型研究中存在的问题以及发展的方向,以期后续的水稻发育期模型乃至作物模型的研究提供借鉴. 相似文献
2.
基于数字相机图像的长白山森林物候模拟 总被引：1，自引：1，他引：0
植被物候作为全球植被和陆面过程模型的重要参数,对其状态的准确描述在很大程度上决定着模型的模拟精度。温带森林作为北半球中高纬度地区主要植被类型及全球重要碳源,研究其物候期的变化将提高对区域碳通量的估算精度。本文以长白山阔叶红松林为研究对象,探讨了数字相机图像在物种尺度物候模拟及群落尺度物候模型改进方面的作用,结果如下：（1）物种尺度上,利用数字相机能获取两种植被（红松,蒙古栎）较为准确的物候期（与人工观测数据比较,绝对误差〈3d）;（2）群落尺度上,基于数字相机图像获取的冠层状态数据提高了基于气象数据的物候模型（GSI：growingseasonindex）的模拟精度（R2=0．9）,尤其是秋季物候模拟,为进一步分析群落物候的环境控制因子提供了有力手段。研究表明：数字相机不仅能够提供精确地基于物种尺度的物候数据,还可为遥感物候数据的校正提供参考,同时为生态模型中物候模块的改进及降低区域尺度碳通量模拟不确定性提供了新的思路。 相似文献
3.
提高干旱预测精度能为流域干旱应对及风险防范提供可靠数据支撑,构建比选合适的干旱模型是当前研究的热点。研究以4个时间尺度（3、6、9、12月）标准化降水指数（SPI）为表征指标,利用小波神经网络（WNN）、支持向量回归（SVR）、随机森林（RF）三种机器学习算法分别构建了海河北系干旱预测模型,利用Kendall、K-S、MAE三种检验方法判定模型表现及其稳定性。研究表明：（1） WNN、SVR模型呈现结果在不同时间尺度SPI存在差异,WNN最适合12个月尺度SPI干旱预测;SVR最适合6个月尺度SPI干旱预测。（2） 对3、12个月尺度SPI,RF预测性能最优（Kendall>0.898,MAE<0.05）;对6、9个月尺度SPI,SVR预测性能最优（Kendall>0.95,MAE<0.04）。（3） 模型预测性能稳定性存在区别,RF预测稳定性最高,其次为SVR。（4） 构建的三种模型表现异同主要是因为SVR转为凸优化问题解决了WNN易陷入局部最优解的不足,从而提高了模型预测性能,RF集成多样化回归树,降低了弱学习器的负面影响,提高了模型预测准确率及稳定性,同时,RF处理包含噪声的降水数据的能力更强。 相似文献
4.
针对陇中黄土丘陵沟壑区土壤水蚀过程复杂且难以有效预测的问题,以定西市安家沟水土保持试验站2005—2016年1~12月人工草地径流场试验数据为主要来源,将流域月降雨量、月侵蚀性降雨量、月径流量、月降雨强度、径流场面积、径流场坡度、土壤砂粒含量、土壤粘粒含量8个因子作为输入因子,月土壤水蚀量作为输出,运用偏最小二乘法(Partial Least-Squares
Regression,PLSR)和长短期记忆(Long Short-Term Memory,LSTM)循环神经网络建立人工草地土壤水蚀预测模型,并利用BP(Back Propagation)、RNN(Recurrent Neural
Network)、LSTM常见神经网络模型,对模型的有效性进行评估。结果表明：PLSR将模型8个输入因子减少为4个,从而有效解决LSTM神经网络模型对样本数量要求过高的问题; PLSR和LSTM神经网络模型的结合可以有效提高模型对人工草地土壤水蚀过程的预测精度和收敛速度,预测结果的平均相对误差小于4%,相关系数高于其他3种神经网络模型,而迭代次数、均方根误差和平均绝对误差均低于其他3种模型;研究发现坡度对人工草地土壤水蚀过程影响较为明显,降雨量小于25 mm时,人工草地土壤水蚀量不会随坡度增加而明显增长,但当降雨量超过25 mm时,人工草地土壤水蚀量会随坡度明显增加。 PLSR LSTM神经网络土壤水蚀预测模型可以准确预测陇中黄土丘陵沟壑区人工草地土壤水蚀量,为该地区水土流失的准确预报提供新的思路和方法。 相似文献
5.
基于蒙特卡洛生存分析探究东北森林物候的影响因素 总被引：1，自引：0，他引：1
植被是生态环境变化的指示器,分析植被物候的影响因素不仅有助于气候变化分析,提高区域气候模式的模拟精度,而且对于准确评估植被生长趋势、生产力以及全球碳收支均具有重要意义。基于遥感的植物物候监测已取得了长足的发展和进步,但当前利用大范围、长时间序列的遥感数据分析植被物候影响因素的研究尚不多,采用线性回归模型对非线性的植被物候影响因素进行分析可能存在偏误。因此,本文提出一种基于蒙特卡洛模拟的生存分析方法,对东北森林物候的影响因素进行量化分析。首先利用东北森林地区1982-2009年间AVHRR GIMMS NDVI数据,应用双Logistic曲线拟合方法对植被春季返青期（SOS）、秋季落叶期（EOS）及植被生长期（GSL）进行提取;然后基于蒙特卡洛模拟和生存分析构建植被物候影响因素分析模型;最后运用所构建模型探讨了东北森林区春季返青期、秋季落叶期的可能影响因素。结果发现：温度、降水和风力对中国东北森林关键物候期有一定影响,其中温度是春季返青期和秋季落叶期的最主要驱动因素,长期平均温度比短期内的温度突变对物候影响更显著,落叶期前的风速增加有可能使落叶时间提前;除了环境因素,春季返青早的年间秋季落叶倾向于更晚。研究表明,结合蒙特卡洛方法的生存分析可以较好地对物候期的影响因素进行定量分析,可为物候现象的归因分析提供一种新的方法。 相似文献
6.
基于国内现行的森林火险气象指数和单因子火险贡献度模型,以及逻辑回归模型和随机森林模型,在林火预报中引入微波遥感土壤水分信息,使用MCD14DL火点数据集和地面气象观测资料对广东省不同时间尺度的林火发生概率进行预测。结果表明：逻辑回归模型和随机森林模型构建的林火预测模型显著优于现行的森林火险气象指数和单因子火险贡献度模型,预测精度提升约20%。其中,随机森林模型对林火频数的解释程度最高（两者相关系数为0.476）。此外,加入微波土壤水分信息后,相较原有的基于气象要素的林火预测模型,2种机器学习模型的预测精度均略有提升,体现了表层土壤水分信息在林火预报中的重要性。研究可为高效提取对地观测信息,以改进华南地区不同时间尺度的林火预报工作提供参考。 相似文献
7.
伏牛山地森林植被物候及其对气候变化的响应 总被引：4，自引：1，他引：3
研究植被物候是理解植被与气候关系的重要途径。在植被对气候变化响应的敏感地区,开展植被物候研究有助于揭示气候变化对植被的影响机制。基于2000-2015年MODIS EVI时间序列影像数据,利用Savitzky-Golay （S-G）滤波方法和动态阈值法提取伏牛山地2000-2015年森林植被物候参数,结合气温、降水数据,运用Man-Kendall趋势检验、Sen斜率、ANUSPLIN插值和相关性分析等方法,研究伏牛山地森林植被物候对气候要素（气温、降水）变化的响应。结果表明：① 伏牛山地森林植被生长季始期主要集中在第105~120 d,生长季末期主要集中在第285~315 d,生长季长度主要集中在165~195 d。从海拔梯度看,随海拔升高,生长季始期、末期和长度整体上分别呈显著推迟、提前及缩短趋势。② 生长季始期和生长季末期整体上呈推迟趋势,推迟的像元分别占森林植被的76.57%和83.81%。生长季长度整体呈延长趋势,延长的像元占比为61.21%。生长季始期变化特征主要是由该地区的春季气温降低所导致的。③ 研究区森林植被生长季始期与3月平均气温呈显著偏相关,且呈负相关的区域最多,即3月平均气温降低,导致生长季始期推迟;生长季末期与9月降水呈显著偏相关区域最多,且两者主要呈正相关,即9月降水增加,使生长季末期推迟。植被生长季长度由整个生长期的气温和降水来共同作用,对大多数的区域而言,8月的平均气温和降水与生长季长度的关系最为密切。 相似文献
8.
长江源区地表水资源对气候变化的响应及趋势预测 总被引：3，自引：0，他引：3
利用1961-2011 年长江源区流域水文、气象观测数据和国家气候中心2009 年11 月发布的中国地区气候变化预估数据集(2.0 版本), 通过分析长江源区流量的演变规律和揭示气候归因, 预测了未来流量可能的演变趋势。研究表明:近51 年来长江源区地表水资源总体呈增加趋势, 特别是2004 年后增加趋势显著, 并具有9a、22a 的准周期;青藏高原加热场增强, 高原季风进入强盛期, 流域降水量显著增加, 加之气候变化导致冰川融水增多, 是引起长江源区地表水资源增加的主要气候归因;根据全球气候模式预测, 在SRESA1B气候变化情景下, 未来20年长江源区地表水资源仍有可能以增加为主。 相似文献
9.
黄河源区径流对气候变化的响应及未来趋势(英文) 总被引：4，自引：1，他引：3
This study examines the hydrological and meteorological data of the source region of the Yellow River from 1956 to 2010 and future climate scenarios from regional climate model (PRECIS) during 2010-2020. Through analyzing the flow variations and revealing the climate causes, it predicts the variation trend for future flows. It is found that the annual mean flow showed a decreasing trend in recent 50 years in the source region of the Yellow River with quasi-periods of 5a, 8a, 15a, 22a and 42a; the weakened South China Sea summer monsoon induced precipitation decrease, as well as evaporation increase and frozen soil degeneration in the scenario of global warming are the climate factors, which have caused flow decrease. Based on the regional climate model PRECIS prediction, the flows in the source region of the Yellow River are likely to decrease generally in the next 20 years. 相似文献
10.
Yibin Ren Huanfa Chen Tao Cheng Yang Zhang Ge Chen 《International journal of geographical information science》2020,34(4):802-823
ABSTRACTThe spatio-temporal residual network (ST-ResNet) leverages the power of deep learning (DL) for predicting the volume of citywide spatio-temporal flows. However, this model, neglects the dynamic dependency of the input flows in the temporal dimension, which affects what spatio-temporal features may be captured in the result. This study introduces a long short-term memory (LSTM) neural network into the ST-ResNet to form a hybrid integrated-DL model to predict the volumes of citywide spatio-temporal flows (called HIDLST). The new model can dynamically learn the temporal dependency among flows via the feedback connection in the LSTM to improve accurate captures of spatio-temporal features in the flows. We test the HIDLST model by predicting the volumes of citywide taxi flows in Beijing, China. We tune the hyperparameters of the HIDLST model to optimize the prediction accuracy. A comparative study shows that the proposed model consistently outperforms ST-ResNet and several other typical DL-based models on prediction accuracy. Furthermore, we discuss the distribution of prediction errors and the contributions of the different spatio-temporal patterns. 相似文献
11.
长江源区地表水资源对气候变化的响应及趋势预测(英文) 总被引：2，自引：0，他引：2
In this paper,variations of surface water flow and its climatic causes in China are analyzed using hydrological and meteorological observational data,as well as the impact data set(version 2.0) published by the National Climate Center in November 2009.The results indicate that surface water resources showed an increasing trend in the source region of the Yangtze River over the past 51 years,especially after 2004.The trend was very clearly shown,and there were quasi-periods of 9 years and 22 years,where the Tibetan Plateau heating field enhanced the effect,and the plateau monsoon entered a strong period.Precipitation notably increased,and glacier melt water increased due to climate change,all of which are the main climatic causes for increases in water resources in the source region.Based on global climate model prediction,in the SRESA1B climate change scenarios,water resources are likely to increase in this region for the next 20 years. 相似文献
12.
T. L. Lei 《International journal of geographical information science》2013,27(2):283-304
Seabed sediment textural parameters such as mud, sand and gravel content can be useful surrogates for predicting patterns of benthic biodiversity. Multibeam sonar mapping can provide near-complete spatial coverage of high-resolution bathymetry and backscatter data that are useful in predicting sediment parameters. Multibeam acoustic data collected across a ～1000 km2 area of the Carnarvon Shelf, Western Australia, were used in a predictive modelling approach to map eight seabed sediment parameters. Four machine learning models were used for the predictive modelling: boosted decision tree, random forest decision tree, support vector machine and generalised regression neural network. The results indicate overall satisfactory statistical performance, especially for %Mud, %Sand, Sorting, Skewness and Mean Grain Size. The study also demonstrates that predictive modelling using the combination of machine learning models has provided the ability to generate prediction uncertainty maps. However, the single models were shown to have overall better prediction performance than the combined models. Another important finding was that choosing an appropriate set of explanatory variables, through a manual feature selection process, was a critical step for optimising model performance. In addition, machine learning models were able to identify important explanatory variables, which are useful in identifying underlying environmental processes and checking predictions against the existing knowledge of the study area. The sediment prediction maps obtained in this study provide reliable coverage of key physical variables that will be incorporated into the analysis of covariance of physical and biological data for this area. 相似文献
13.
筛选全球5839个水文站逐日径流数据,采用超阈值采样法提取洪水发生频率及时间,将各季节最大日流量作为季节洪水量级,以优选的多个大尺度气候因子的最佳前置月份序列作为潜在预报因子,基于贝叶斯模型平均法构建全球尺度洪水中长期预报模型,并利用均方误差技术指数（MSESS）评价模型的预报效果。结果表明：全球范围内,洪水量级和频率模拟预报效果合格（0.6>MSESS>0.2）的水文站点占比分别为48%和28%;利用前置季节气候因子数据,驱动所构建的洪水中长期预报模型,有效预报了2020年鄱阳湖流域洪水量级将异常偏高。 相似文献
14.
开展干旱预测是有效应对干旱风险的前提基础。利用1958—2017年青海省38个气象站点逐日降水量数据计算多尺度标准化降水指数（SPI）,并建立了SPI序列自回归移动平均模型（ARIMA）、长短时记忆神经网络模型（LSTM）和基于二者优点提出的ARIMA-LSTM组合模型;对模型参数进行率定和验证后,利用所建立的模型,以西宁站点为例,对多尺度SPI值进行预测,借助均方根误差（RMSE）、平均绝对百分比误差（MAPE）和决定系数R2对所有预测模型的有效性进行判定。结果表明：ARIMA-LSTM组合模型在SPI1和SPI12的RMSE值分别为0.159 7和0.181 0,均低于ARIMA模型的1.265 4和0.293 3,说明ARIMA模型与ARIMA-LSTM组合模型对SPI的预测精度都与时间尺度有关,ARIMA模型的预测精度随着时间尺度的增加而逐渐提高;结合GIS并利用实测数据与模型的预测数据相比较说明ARIMA-LSTM组合模型相比于单一ARIMA模型的预测精度更高,且能够很好拟合不同时间尺度的SPI值。 相似文献
15.
论文基于2003—2014年水文资料,采用长短期记忆神经网络(Long-Short Term Memory,LSTM),构建了汉江上游安康站日径流预测模型,评价了不同输入条件下日径流预测的精度。结果表明：当预见期为1 d时,在仅以安康站前期日径流量作为输入的条件下,LSTM模型在训练期和检验期的效率系数分别达到0.68和0.74;如再将流域前期面雨量和上游石泉站前期日径流量加入LSTM网络作为输入变量,安康站日径流量预测效果将更好,训练期和检验期的效率系数最高可达到0.83和0.84,均方根误差也有显著削减,且对主要洪峰流量的预测能力也有一定提高。此外,LSTM可以有效避免过拟合等问题,具有较好的泛化性能。但当预见期从1 d延长至2、3 d时,LSTM的预测精度显著降低。 相似文献
16.
地表过程对全球变化的响应和反馈是地球系统科学研究的核心课题之一,目前的研究多关注全球变化对地表过程的影响,而地表动态过程对地表生物物理过程及气候的反馈研究较少。系统认识地表物候动态对生物物理过程及气候的反馈对深化地球系统科学研究有着重要的意义。本文从农业物候动态的事实、农业物候动态在陆面过程模型中的参数化表达、农业物候动态对地表生物物理过程及气候的反馈等方面进行综述,发现在气候变化和管理措施影响下,以种植期和灌浆期为代表的农业物候期发生了显著的规律性变化;耦合农业物候动态,改善了模型对地表动态过程、生物物理过程和大气过程的数字化表达;农业物候变化对地表净辐射、潜热、感热、反照率和气温、降水、环流等过程产生了影响,并表现出以地表能量分配为主的气候反馈机理。针对农业物候动态对地表生物物理过程及气候效应的时空重要性,需要继续开展以下方面的工作：① 加强全球变化对地表物候动态的影响及其反馈的综合研究;② 不同光谱波段地表反射率与农业物候动态的关系研究;③ 农业物候动态引起的作物生理学特征变化在地表生物物理过程中的贡献;④ 重视不同气候区物候动态对气候反馈效应的差异。 相似文献
17.
未来百年不同排放情景下滦河流域径流特征分析 总被引：1，自引：1，他引：0
为了研究滦河流域未来百年（2010-2100年）不同排放情景下气候变化对径流的影响,利用ECHAM5/MPI-OM模式在3种排放情景下（A2高排放、A1B中排放、B1低排放）下所做的21世纪未来百年气候变化预估实验得到的数据,应用HBV模型对滦河流域进行了模拟研究,模型率定期和验证期的结果表明HBV模型在滦河流域具有很好的适用性。结合HBV模型和ECHAM5/MPI-OM模式在3种排放情景下的百年气候变化预估数据,结果显示在3种排放情景下滦河流域百年平均径流深度相差不大,但变化趋势有较大不同,年际变化突出。整体而言,未来百年在3种情景下滦河流域的径流深度都将有不同程度的增加趋势,其中在B1低排放情景下,增加趋势显著;在周期方面,A2和A1B情景下,2-9年的年际变化周期较为明显,而在B1情景下周期不太明显。 相似文献
18.
土地覆被及生态服务价值变化的多时间尺度模拟——以四川省渔子溪流域为例 总被引：16，自引：0，他引：16
根据渔子溪流域1986年和1994年的遥感影像土地覆被解译资料为基础,建立了模拟渔子溪流域生态环境变化的Markov Chain模型和Patch-dynamics模型,并以2002年遥感影像资料作为验证数据对模型进行了误差分析。以此为基础,分别以1年和8年的时间尺度对渔子溪流域土地覆被及其生态服务价值的变化进行了模拟,结果表明,时间尺度对模拟结果具有显著影响：在1年和8年的模拟尺度下,以Markov Chain模型得到的流域生态服务价值在1986~2018年间变化的相对误差为20%;不同土地覆被类型在不同步长下模拟结果的相对误差不一样,表明不同土地覆被类型变化的特征时间尺度不一样,以Patch-dynamics模型的模拟结果为例,步长为1年比步长为8年的相对误差大的土地覆被类型为耕地 (-8.2%/-5.6%)、有林地 (-0.5%/-0.4%)、草地 (0.7%/0.4%) 和居民建设用地 (-29.9%/-16.4%),它们的年际变化较大,其变化趋势不稳定,受到人为偶然因素的影响明显;而相对误差较小的土地覆被类型为灌木林 (-1.5%/-1.7%) 和永久冰雪覆盖 (27.3%/41.9%),它们的变化趋势较为稳定,主要受比较稳定的自然因素的影响。研究还表明,采用Markov Chain模型的模拟结果与采用Patch-dynamics模型的模拟结果总体上是一致的,但后者的模拟结果更稳定、更可靠。 相似文献
19.
Influences of agricultural phenology dynamic on land surface biophysical process and climate feedback 总被引：1，自引：1，他引：0
Fengshan Liu Ying Chen Wenjiao Shi Shuai Zhang Fulu Tao Quansheng Ge 《地理学报(英文版)》2017,27(9):1085-1099
Response and feedback of land surface process to climate change is one of the research priorities in the field of geoscience. The current study paid more attention to the impacts of global change on land surface process, but the feedback of land surface process to climate change has been poorly understood. It is becoming more and more meaningful under the framework of Earth system science to understand systematically the relationships between agricultural phenology dynamic and biophysical process, as well as the feedback on climate. In this paper, we summarized the research progress in this field, including the fact of agricultural phenology change, parameterization of phenology dynamic in land surface progress model, the influence of agricultural phenology dynamic on biophysical process, as well as its feedback on climate. The results showed that the agriculture phenophase, represented by the key phenological phases such as sowing, flowering and maturity, had shifted significantly due to the impacts of climate change and agronomic management. The digital expressions of land surface dynamic process, as well as the biophysical process and atmospheric process, were improved by coupling phenology dynamic in land surface model. The agricultural phenology dynamic had influenced net radiation, latent heat, sensible heat, albedo, temperature, precipitation, circulation, playing an important role in the surface energy partitioning and climate feedback. Considering the importance of agricultural phenology dynamic in land surface biophysical process and climate feedback, the following research priorities should be stressed: (1) the interactions between climate change and land surface phenology dynamic; (2) the relations between agricultural phenology dynamic and land surface reflectivity at different spectrums; (3) the contributions of crop physiology characteristic changes to land surface biophysical process; (4) the regional differences of climate feedbacks from phenology dynamic in different climate zones. This review is helpful to accelerate understanding of the role of agricultural phenology dynamic in land surface process and climate feedback. 相似文献
20.
新疆气候与环境的过去,现在及未来情景 总被引：9，自引：2，他引：7
在分析近年来新疆地质时期与历史时期气候与环境研究方面大量的文献资料与成果,并对现代器测时期的气候变化问题进行讨论的基础上,利用综合分析法构画了新疆下世纪上半叶气候与环境的可能情景,认为新疆气候与环境初期于的晚白垩世,主要形成于第三三纪,至今总的干旱情并未改变。 相似文献