基于华中区河南省监测数据的土壤墒情综合诊断模型验证

本文应用河南省3个市县的7个墒情监测点的数据验证土壤墒情综合诊断模型在华中区半湿润地区的适应性,建模使用2012—2014年的数据,模型验证使用2015年的数据。结果表明:模型在华中区河南省半湿润地区具有较好的适应性,验证合格率为80%以上;同一气候区,季节降水量的不同对模型预测合格率的影响可能更大,这为今后提高模型预测合格率指明了新的研究内容;墒情综合诊断模型可以应用于华中半湿润地区。     

基于华北区河北省监测数据的土壤墒情综合诊断模型验证

本文应用河北省3个市县的14个墒情监测点的数据验证土壤墒情综合诊断模型在华北半湿润地区的适应性,建模使用2011—2014年的数据,模型验证使用2015年的数据。结果表明:模型在河北省半湿润地区具有较好的适应性,验证合格率为76.92%~100%;不同降水量区域模型参数不同;降水越少的地区模型预测合格率越高;唐山市滦南县和唐山市乐亭县属于沿海地区,降水分布与另外2个内陆县不同,因此合格率偏低;墒情综合诊断模型可以应用于华北半湿润地区。     

基于西北区甘肃省监测数据的土壤墒情综合诊断模型验证

本文应用甘肃省2个市区的13个墒情监测点的数据验证土壤墒情综合诊断模型在西北区半湿润和半干旱地区的适应性,建模使用2012—2014年的数据,模型验证使用2015年的数据。结果表明:模型在西北区甘肃省半湿润和半干旱地区具有较好的适应性,验证合格率分别为半湿润地区80%以上和半干旱地区90%以上;不同降水量区域模型参数不同;降水越少的地区模型预测合格率越高。本研究表明,墒情综合诊断模型可以应用于西北半湿润和半干旱地区。     

基于华北区山西省监测数据的土壤墒情综合诊断模型验证

本文应用山西省2个市县的16个墒情监测点的数据验证土壤墒情综合诊断模型在华北区半湿润地区的适应性,建模使用2012—2014年的数据,模型验证使用2015年的数据。结果表明:模型在山西省半湿润地区具有较好的适应性,验证合格率为90%以上;由于2个监测县降水量接近,模型预测合格率与纬度、经度之间没有明显的规律。本研究表明,墒情综合诊断模型建模数据量大,数据范围涵盖了作物整个生长季的数据,相对于其他模型有一定的优势,可以应用于华北半湿润地区。     

基于内蒙古自治区监测数据的土壤墒情综合诊断模型验证

本文应用内蒙古自治区5个旗/县的19个墒情监测点的数据验证土壤墒情综合诊断模型在内蒙古区半干旱地区的适用性,建模使用2012—2014年的数据,模型验证使用2015年的数据。结果表明:模型在内蒙古自治区半干旱地区具有较好的适应性,验证合格率为94%以上;模型预测合格率与纬度、经度之间没有显著的相关关系,这是因为所有监测点都位于半干旱地区,降水量差异较小。墒情综合诊断模型可以应用于内蒙古境内半干旱地区。     

基于东北区吉林省监测数据的土壤墒情综合诊断模型验证

综合诊断模型是土壤墒情监测、诊断与预报的新方法,它包括6个独立模型和基于水分来源数量对土壤含水量判断的一些逻辑关系,6个独立模型分别基于墒情监测数据与邻近气象站降水量之间的定量关系诊断或预报土壤含水量。本文应用吉林省4个县/市的6个墒情监测点的数据验证综合诊断模型在东北半干旱和半湿润地区的应用精度和适应性,建模使用2013—2014年的数据,模型验证使用2015年的数据。为了模型更好地应用于实际,本文对每个监测点的模型参数均进行了校正。结果表明:按监测点建模情况下,不同气候和下垫面条件下的模型和参数不同;模型在东北区吉林省半干旱和半湿润地区具有较好的适应性,验证合格率为88%以上;降水量少的监测点的模型预测合格率高。墒情综合诊断模型在吉林省半干旱和半湿润地区应用精度较高,为模型在该地区应用提供了研究案例。     

移动统计法土壤墒情诊断模型

本文介绍了基于土壤初始含水量和时段每日平均降水量所建立的移动统计法土壤墒情诊断模型的原理和建模方法,并应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行了验证。移动统计法墒情诊断模型分为时段模型和逐日模型。结果表明:时段模型预测的合格率为90%左右,逐日模型预测的合格率为70%左右;时段模型优于逐日模型。移动统计法模型单独作为墒情诊断模型,使用时需要进一步完善,可以在土壤初始含水量分段的基础上应用其他5个独立模型进行尝试。     

统计法土壤墒情诊断模型

本文介绍了统计法土壤墒情诊断模型的原理和建模方法,该模型是基于时段降水量和土壤初始含水量以及二者的交互作用项建立的,并应用7个省23个县87个监测点2012—2014年的数据建模,以及2015年的数据进行验证。结果表明:统计法模型诊断和预测合格率较高,合格率达到85%以上;相邻墒情监测日的时间间隔有时不固定将导致异常值的出现,这是影响模型预测合格率的主要原因;逐日模型法可以实现逐日土壤墒情的预测。本研究表明,统计法模型可以单独作为墒情诊断模型使用。     

比值统计法土壤墒情诊断模型

本文介绍了研发的基于时段降水量和土壤初始含水量的比值统计法土壤墒情诊断模型的原理和建模方法,并应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行了验证。结果表明:比值统计法诊断模型的预测精度较高,达到80%以上;比值统计法诊断和预测合格率较高的主要原因是模型参数都是数据挖掘的结果而非人为确定;逐日模型法可以实现逐日土壤墒情的预测。研究表明,比值统计法模型可以单独作为墒情诊断模型使用。     

平衡法土壤墒情诊断模型

本文首先介绍传统水量平衡法利弊,重点介绍了所建立的基于土壤初始含水量、时段降水量和时段"蒸渗流项"的平衡法土壤墒情诊断模型的原理和建模方法,并应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行了验证。结果表明:平衡法模型诊断和预测合格率只有50%左右;模型合格率不高的主要原因是基于降水量和土壤含水量之和的分段预测时数据量少,导致参数确定依据不足。所建立的平衡法模型作为墒情诊断模型使用还需进一步研究。     

间隔天数统计法土壤墒情诊断模型

本文介绍所建立的基于时段降水量、土壤初始含水量和两次监测时段天数的间隔天数统计法土壤墒情诊断模型的原理和建模方法,并应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行了验证。结果表明:间隔天数统计法模型诊断和预测精度高达到90%以上;间隔天数统计法模型诊断和预测合格率高,其原因是增加了间隔天数变量,有效地解决了测定间隔天数不固定的问题;逐日模型法可以实现逐日土壤墒情的预测。初步结论是:间隔天数统计法模型可以单独作为墒情诊断模型使用。     

差减统计法土壤墒情诊断模型

迄今为止,墒情诊断与预测模型由于缺乏通用性难以应用。本文介绍专栏6个独立模型中的差减统计法模型。差减统计法模型中2次监测的土壤含水量变化量为因变量,土壤初始含水量和时段降水量(含灌溉量)为自变量。应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行验证。结果表明:差减统计法模型诊断和预测合格率达90%左右,表明该模型适用性好;合格率高的主要原因是该模型遵循质量守恒定律和统计学规律;差减统计法预测误差主要来源于异地降水量数据和缺少灌溉记录数据。与传统模型相比,差减统计法具有以下特点:参数少、参数容易获得,参数具有统计意义、模型覆盖全部降水量范围、模型按点建模不受下垫面因素影响等。因此,差减统计法模型作为墒情诊断和预报模型是科学和实用的,可以单独使用。     

综合模型法土壤墒情诊断模型

本文介绍了将平衡法、统计法、差减统计法、比值统计法、间隔天数统计法、移动统计法6个独立模型综合应用的墒情综合模型法的原理和方法,并应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行了验证。结果表明:综合模型诊断和预测合格率高,为97%以上。综合模型的优点:6个独立模型的参数在不同气候、下垫面和管理措施下的取值不同,因此,6个独立模型即使按点统计也不通用;而在同一次预测时,6个模型预测结果中总有一个预测精度较高的结果,这个结果与时段降水量和初始土壤含水量之和高度相关;通过对6个模型的适应性优选后,从概率上选择水分来源数量对应的预测结果。     

墒情诊断模型的应用条件

对墒情诊断模型应用的下垫面条件进行了综合分析,这些条件包括气候区、监测点距气象站距离、土壤质地、监测时间、熟制、作物种类和模型参数。结果表明:平衡法、统计法、差减统计法、比值统计法、间隔天数统计法、移动统计法6个独立诊断模型和综合模型具有普遍适应性;模型普遍适应性的外在原因是建模时只考虑3个独立的具有普遍性的变量(土壤含水量、时段降水量、2次土壤含水量测定的间隔天数),模型普遍适应性的内在原因是按监测点建模和确定参数;多年平均降水量是影响模型预测合格率的主要因素之一,其值越小模型预测合格率越高。6个独立诊断模型和综合模型的应用不受下垫面因素影响,模型通用变量为3个独立变量。     

墒情诊断模型的理论分析、综合评价和展望

本文基于专栏论文的全部研究结果,对墒情诊断模型进行了理论分析、综合评价和展望,目的是建立更实用的墒情诊断模型。研究结果如下:(1)87个墒情监测点的降水量数据可以用就近气象站的降水量代替;(2)分别就87个墒情监测点所建立的6个独立模型和1个综合模型(分时段诊断和逐日诊断2类)的诊断合格率都达到75%以上;(3)综合模型优于6个独立模型的单独使用;(4)所有模型和参数都是按监测点建立和确定的,不存在下垫面因素的影响;(5)所有模型简单、使用3个独立变量(前期土壤含水量、时段降水量之和和2次监测之间的天数)、参数容易获得,只要有系列性的土壤含水量监测数据和对应的降水量(监测点降水量或就近气象站降水量)数据就可建模。     

土壤墒情诊断理论和方法

本文对土壤墒情诊断理论和方法进行了简述,并介绍了国内墒情监测、诊断和预报现状。重点介绍了所建立的平衡法、统计法、差减统计法、比值统计法、间隔天数统计法、移动统计法6个独立的墒情诊断模型及其联合应用的综合诊断模型。应用2012—2014年7省23个县87个监测点的数据建模,并应用2015年的数据进行了验证。结果表明:所有模型构建简单,参数获得容易;综合模型优于6个独立模型。所建立的6个独立模型和综合模型适用于基于降水量的土壤墒情诊断和预测。     

墒情诊断模型的评价

对6个模型进行系统评价的目的是为模型优选提供理论、方法和参数依据。采用优选模型比例、验证方法指标、验证方式指标和异常值指标4项指标对6个独立墒情诊断模型进行了综合评价。结果是:模型优先顺序为差减统计模型、间隔天数统计模型移动统计模型比值统计模型统计模型平衡模型;逐日模型好于时段模型。合格率高的模型包括4个特征,即自变量数量不超过3个、自变量相对独立、模型能处理不固定监测天数、人为不决定参数。按监测点建模的6个独立模型都可以单独使用,解决了模型不通用的问题;可以实现逐日诊断和预测,方便与遥感信息、作物长势信息等实时匹配;差减统计模型和间隔天数统计模型精度最高,前者是基于质量守恒定律的统计模型,后者有效地解决了间隔天数不固定所带来的预测误差。     

欧亚大陆植被生态系统平均中心时空偏移的情景模拟

欧亚大陆复杂多样的植被生态系统在全球气候变化的驱动下,其时空分布格局将发生系列的偏移变化,进而对欧亚大陆"一带一路"沿线国家和地区的生态环境产生重要影响。如何从全球气候变化驱动的角度来实现欧亚大陆植被生态系统时空偏移趋势的模拟分析,已成为"一带一路"沿线国家和地区生态环境研究的热点科学问题之一。在对HLZ生态系统模型进行改进和构建植被生态系统平均中心时空偏移分析模型的基础上,基于欧亚大陆的气候观测数据(1981—2010年)和CMIP5 RCP2.6、RCP4.5和RCP8.5三种情景数据(2011—2100年),实现欧亚大陆植被生态系统平均中心时空偏移趋势的模拟分析。结果表明:欧亚大陆植被生态系统平均中心主要分布在欧亚大陆的中部和南部地区;3种气候情景下,欧亚大陆的亚热带干旱森林、暖温带湿润森林、亚热带有刺疏林、亚热带潮湿森林、冷温带潮湿森林、寒温带湿润森林、冷温带湿润森林、亚热带湿润森林、暖温带干旱森林、亚极地/高山湿润苔原和极地/冰原等植被生态系统的平均中心偏移幅度大于其他植被生态系统类型;欧亚大陆植被生态系统在RCP8.5情景下的植被生态系统平均中心偏移幅度大于其他两种情景;在2011—2100年期间,3种气候变化情景下,欧亚大陆植被生态系统平均中心整体上将呈向北偏移的变化趋势。     

流域水碳过程耦合模拟——WaSSI-C模型的率定与检验

在复杂的气候变化条件下, 利用水碳耦合模型进行生态水文学研究成为主要的研究手段和途径。该文以杂谷脑河上游流域为例, 在确定生态水文模型WaSSI-C模拟尺度的基础上, 探讨水碳耦合模型在中国西南湿润地区的适用性。杂古脑河上游流域位于岷江上游, 隶属于长江流域。在分析和讨论了模型结构和机理的基础上, 分别对模型蒸散和融雪计算进行了补充改进, 以提高模型的适用性。将1988-1996年作为模型的率定期, 1997-2006年作为模型的验证期, 分别在率定期和验证期利用实测的径流数据和中分辨率成像光谱仪数据的总初级生产力、蒸散(ET)数据, 对模拟结果进行对比验证。并利用决定系数(R²)和Nash-Sutcliffe效率系数(NS)两个指标对模拟效果进行评价。流域总径流率定期和验证期对比验证的R²分别为0.86和0.78; NS分别为0.82和0.67。总生态系统生产力和ET验证期的R²分别为0.89和0.78。可见模型模拟结果的两个评价指标都处于较为理想的区间内, 说明WaSSI-C模型在研究区内具有较好的适用性。并对模型的蒸散计算方法进行了讨论, 在此基础上提出了模型中存在的问题和改进的方向。     

比较逻辑斯蒂与地理加权逻辑斯蒂回归模型在福建林火发生的适用性

林火预测预报是科学有效进行林火管理的前提,是林业管理部门和科研工作者的广泛关注的领域。逻辑斯蒂回归(Logistic Regression,LR)是目前国内外广泛应用于森林火灾预测的模型方法,然而近年来有学者发现该方法没有充分考虑林火影响因子的空间相关性和异质性,从而导致模型拟合结果偏差。地理加权逻辑斯蒂回归(Geographically weighted logistic regression,GWR)模型考虑到了模型变量之间的空间相关性,有效提高的模型的拟合能力。为探讨GWLR模型在福建林火预测上的适用性,本研究应用LR和GWLR两种方法分别建立福建省森林火灾与气象因子的预测模型,通过模型拟合能力对比,判断在GWLR的适用性。研究以2000—2005年福建地区森林火灾卫星火点数据和每日气象因子为基础,将全样本分为60%的建模数据和40%的校验数据,并重复5次,建立5个样本组。选择在5个样本组中3个及以上表现显著的变量进入最终模型。研究结果表明GWLR在模型拟合度、模型残差、空间自相关性以及预测准确率等方面均优于LR模型,说明充分考虑模型变量的空间异质性有助于提高模型的预测精度,同时也验证了GWLR在福建地区林火预测上的适应性。此外,模型参数结果显示,"日最高地表气温"、"日最低地表气温"、"日平均风速"、"24小时降水量"、"日最高本站气压"、"日照时数"、"日最高气温"和"日最小相对湿度"8个因子对福建省林火发生有显著影响,研究结论为福建地区林火预测预报提供了新的方法。