基于大数据挖掘的区域干旱预报方法及应用研究

doi:10.16867/j.issn.1673-9264.2023172

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (0 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要干旱是影响我国社会经济发展最严重的自然灾害之一，近年来呈更为频发的态势。单独基于遥感或水文气象信息的干旱指数通常不能精确监测区域干旱胁迫，本研究联合植被遥感与水文气象等多源数据，采用大数据挖掘分类与回归树技术，构建了适用于我国华北平原干旱监测与预报的集合干旱指数（CRDI）。结果表明，整合不同时间尺度的标准化降水指数（SPI）和标准化降水蒸散指数（SPEI），有助于提升模型预报精度，春季和夏秋季CRDI的相对误差、相关系数分别为0.36、0.89和0.32、0.90，验证数据对两个季节相CRDI具有相同的预报精度。CRDI对华北平原典型干旱年的评估发现，其预报区域干旱效果要优于传统干旱指数。研究结果对建设具有预报、预警、预演、预案“四预”业务功能的智慧干旱监测预警系统及干旱风险管理政策制定具有一定的参考意义。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	卢洪健
	赵兰兰

关键词 ：干旱预报, 植被遥感, 水文气象, 集合干旱指数, 大数据挖掘

收稿日期: 2023-05-06

PACS:

S423

基金资助:国家重点研发计划项目“大范围干旱监测预报与灾害风险防范技术与示范”（2017YFC15024）。

作者简介: 卢洪健,男,高级工程师,E-mail:luhj@mwr.gov.cn。

引用本文:

卢洪健, 赵兰兰. 基于大数据挖掘的区域干旱预报方法及应用研究[J]. 中国防汛抗旱, 2023, 33(12): 40-46.
LU Hongjian, ZHAO Lanlan. Research on regional drought forecast method and application based on big data mining. journal1, 2023, 33(12): 40-46.

链接本文:

http://www.cfdm.cn/CN/10.16867/j.issn.1673-9264.2023172 或 http://www.cfdm.cn/CN/Y2023/V33/I12/40

[1] Mishra A K, Singh V P. A review of drought concepts[J]. Journal of Hydrology, 2010(391):202-216.
[2] Dai A G. Increasing drought under global warming in observations and models[J].Nature Climate Change, 2013(3):52-58.
[3] Zargar A, Sadiq R, Naser B, et al. A review of drought indices[J]. Dossiers Environnement, 2011, 19(1):333-349.
[4] Sivakumar M V K, Wilhite D A, Pulwarty R S, et al. The high-level meeting on national drought policy[J]. Bulletin of the American Meteorological Society.2014, 95:85-88.
[5] 屈艳萍, 吕娟, 张伟兵, 等. 中国历史极端干旱研究进展[J]. 水科学进展, 2018, 29(2):283-292.
[6] 屈艳萍, 杨晓静, 苏志诚, 等. 现状防御条件下历史极端大旱重演影响分析——以明崇祯大旱为例[J]. 水利学报, 2021(7):862-872.
[7] 马苗苗, 张学君, 吕娟, 等. 旱情预报技术进展与展望[J]. 中国防汛抗旱, 2021, 31(1):58-63.
[8] 曹睿, 何海, 吴志勇, 等. 长江中下游地区季节尺度气象干旱预测概念模型[J]. 中国防汛抗旱, 2021, 31(6):11-15.
[9] Palmer W C.Meteorological drought[R].1965.
[10] 蔡阳, 成建国, 曾焱, 等. 加快构建具有"四预" 功能的智慧水利体系[J]. 中国水利, 2021, 20:2-5.
[11] Vicente-Serrano S M, Beguería S, López-Moreno J I.A multiscalar drought index sensitive to global warming:The standardized precipitation evapotranspiration index[J]. Journal of Climate, 2010, 23(7):1696-1718.
[12] Kogan F N.Droughts of the late 1980s in the United States as derived from NOAA polar-orbiting satellite data [J]. Bulletin of American Meteorology Society, 1995, 76(5):655-668.
[13] Tadesse T, Brown J F, M J Hayes. A new approach for predicting drought-related vegetation stress:Integrating satellite, climate and biophysical data over the U. S Central Plains[J]. Journal of Photogrammetry and Remote Sensing, 2005, 59(4):244-253.
[14] Wells N, Goddard S, Hayes M J. A self-calibrating Palmer Drought Severity Index[J].Journal of Climate, 2004, 17(12):2335-2351.
[15] McKee T B, Doesken N J, Kleist J.The relationship of drought frequency and duration to time scales, paper presented at 8th conference on applied climatology[J].American Meteorological Society, 1993(1) 17-22.
[16] Brown J F, Wardlow B D, Tadesse T, et al.The Vegetation Drought Response Index (VegDRI):A new integrated approach for monitoring drought stress in vegetation[J]. GIScience and Remote Sensing, 2008, 45(1):16-46.