共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
《生态学杂志》2017,(12)
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。 相似文献
3.
《生态学杂志》2017,(12)
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。 相似文献
4.
5.
6.
7.
《生态学杂志》2017,(12)
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。 相似文献
8.
9.
10.
11.
12.
《生态学杂志》2017,(12)
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。 相似文献
13.
14.
蒙古黄芪潜在分布区预测的多模型比较 总被引:1,自引:0,他引:1
根据蒙古黄芪(Astragalus membranaceus (Fisch.) Bge. var. mongholicus (Bge.) Hsiao) 123个样本点数据和19个环境数据,采用4种生态位模型对蒙古黄芪在中国的潜在适生区进行综合分析,并采用受试者工作特征曲线ROC和Kappa统计量,比较不同模型的预测效果。结果显示:4个模型预测精度良好,一致性显著。AUC值均达到0.8以上,Kappa值均达到0.6以上;其中DOMAIN模型的AUC值和Kappa值均最大,说明该模型的预测精度最佳,预测结果最稳定。潜在适生区的预测结果发现,GARP模型预测的最适宜区范围最广; MAXENT和BIOCLIM模型预测结果较为相似; DOMAIN模型预测结果比较分散。4个模型预测结果均表明西北一带可以作为蒙古黄芪栽培引种的主要产区。蒙古黄芪潜在适生区主要分布于中国北纬33°以北地区;最适宜区主要分布于甘肃、宁夏、陕西、山西、河北和内蒙古等地区。 相似文献
15.
16.
物种分布模型被广泛应用于评估气候变化对物种分布的影响。随着计算机和统计学的发展, 模拟物种分布的模型层出不穷, 但对这些模型的相对表现知之甚少, 因此需要对其进行对比分析, 以便更可靠地评估气候变化的影响。该文采用3个比较新颖的组合集成学习(ensemble learning)模型(随机森林(random forest, RF)、广义助推法和NeuralEnsembles)、3个常规模型(广义线性模型、广义加法模型和分类回归树)、3个大气环流模型(global circulation model, GCM) (MIROC32_medres, JP; CCCMA_CGCM3, CA; BCCR-BCM2.0, NW)和一个气体排放情景(SRES_A2), 模拟分析了马尾松(Pinus massoniana)历史基准气候(1961-1990)和未来3个不同时期(2010-2039, 2020s; 2040-2069, 2050s; 2070-2099, 2080s)的潜在分布。基于环境阈值方法选择物种不发生区, 依据ClimateChina软件进行当前和未来气候数据的降尺度处理, 采用接收机工作特征曲线(receiver operator characteristic, ROC)下的面积(area under the curve, AUC)、Kappa值和真实技巧统计法(true skill statistic, TSS)以及马尾松种子区划范围来评价模型的预测精度。结果表明: 6个物种分布模型都具有较高的预测精度, 但组合集成学习模型的预测精度稍高于其他常规模型, 其中RF的预测精度最高。3个GCM和6个模型模拟条件下, 马尾松对气候变化的响应格局既有一致性也有异同性。一致性表现在: 随着时间的推移, 马尾松分布区将逐渐向北迁移, 未来潜在分布区的面积将逐渐增加; 异同性表现在: 在不同模型和不同气候情景下, 马尾松潜在分布区的迁移距离和面积变化幅度不同, 其中NW模式下预测的变化幅度小于CA和JP模式; RF模型预测的分布区迁移距离和面积变化幅度最大。随着时间的推移, 未来马尾松的18个潜在分布空间预测图(6个模型 × 3 GCM)之间的差异也逐渐增大, 其中空间不一致性地区主要集中发生在马尾松潜在分布区的北部和西部边缘地带。模型本身不同的构建原理以及GCM之间的差异是导致预测结果存在差异的主要原因。 相似文献
17.
《生态学杂志》2017,(12)
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。 相似文献
18.
19.
根据蒙古黄芪(Astragalus membranaceus(Fisch.)Bge.var.mongholicus(Bge.)Hsiao)123个样本点数据和19个环境数据,采用4种生态位模型对蒙古黄芪在中国的潜在适生区进行综合分析,并采用受试者工作特征曲线ROC和Kappa统计量,比较不同模型的预测效果。结果显示:4个模型预测精度良好,一致性显著。AUC值均达到0.8以上,Kappa值均达到0.6以上;其中DOMAIN模型的AUC值和Kappa值均最大,说明该模型的预测精度最佳,预测结果最稳定。潜在适生区的预测结果发现,GARP模型预测的最适宜区范围最广;MAXENT和BIOCLIM模型预测结果较为相似;DOMAIN模型预测结果比较分散。4个模型预测结果均表明西北一带可以作为蒙古黄芪栽培引种的主要产区。蒙古黄芪潜在适生区主要分布于中国北纬33°以北地区;最适宜区主要分布于甘肃、宁夏、陕西、山西、河北和内蒙古等地区。 相似文献
20.
《植物生态学报》2015,(4)
快速、定量、精确地估算区域森林生物量一直是森林生态功能评价以及碳储量研究的重要问题。该研究基于机载激光雷达(Li DAR)点云与Landsat 8 OLI多光谱数据,借助江苏省常熟市虞山地区55块调查样地数据,首先提取并分析了87个特征变量(53个OLI特征变量,34个LiDAR特征变量)与森林地上、地下生物量的Pearson’s相关系数以进行变量优选,然后利用多元逐步回归法建立森林生物量估算模型(OLI生物量估算模型和LiDAR生物量估算模型),并与基于两种数据建立的综合生物量估算模型的结果进行比较,讨论预测结果及其精确性。结果表明:3种模型(OLI模型、LiDAR模型和综合模型)在所有样地无区分分析时,地上和地下生物量的估算精度均达到0.4以上,基于不同森林类型(针叶林、阔叶林、混交林)分析时地上和地下生物量的估算精度均有明显提高,达到0.67及以上。利用分森林类型模型估算生物量,综合生物量估算模型精度(地上生物量:R2为0.88;地下生物量:R2为0.92)优于OLI生物量估算模型(地上生物量:R2为0.73;地下生物量:R2为0.81)和Li DAR生物量估算模型(地上生物量:R2为0.86;地下生物量:R2为0.83)。 相似文献