一种基于三维结构的干旱对净初级生产力影响的评估方法技术

本发明专利技术公开了一种基于三维结构的干旱对净初级生产力影响的评估方法，包括以下步骤：基于实际蒸发数据和潜在蒸散发数据计算标准化蒸发赤字指数；基于归一化植被指数、潜在蒸散发、土地利用数据计算净初级生产力；通过三维空间结构聚类识别干旱灾害，得到干旱灾害识别信息；基于干旱灾害识别信息对净初级生产力的影响，判别干旱特征与净初级生产力的变化关系，得到评估结果；本发明专利技术明确了干旱三维结构的识别所需的指数和过程，更加符合区域干旱发展的形成机理，从而使评估结果更加真实地反映实际情况，可以为防旱抗旱提供重要的基本信息。此外，本发明专利技术聚焦干旱三维结构内净初级生产力变化，更加精准评估影响且操作简单方便。更加精准评估影响且操作简单方便。更加精准评估影响且操作简单方便。

【技术实现步骤摘要】
一种基于三维结构的干旱对净初级生产力影响的评估方法


[0001]本专利技术涉及干旱灾害对生态影响的评估研究领域，特别涉及一种基于三维结构的干旱对净初级生产力影响的评估方法。

技术介绍

[0002]随着全球气候变化，干旱已经成为一种主要的气候灾害，易对生态系统造成不利严重影响，特别是对陆地净初级生产力。净初级生产力指的是绿色植物在单位时间单位面积上所积累的有机物数量，是由光合作用所产生的有机物总量扣除自养呼吸后的剩余部分。净初级生产力的累积成为全球碳循环过程的重要组成部分和关键环节，在全球碳平衡中发挥着难以替代的作用。同时净初级生产力也是植物与环境相互影响的结果，体现着陆地生态系统对气候变化的响应。因此，研究干旱对净初级生产力变化的影响有助于采取适当的缓解干旱措施，为监测净初级生产力变化提供有用的信息。
[0003]识别干旱事件是评估干旱对净初级生产力影响的首要步骤。目前，识别干旱的方法包括游程理论、经验正交函数、小波分析、主成分分析及聚类分析等。游程理论是描述干旱特点最简单和普遍的方法之一；主成分分析是一种数据降维方法，有助于提取干旱必要信息，进行干旱区划；小波分析主要用于识别干旱的周期性。这些方法的共同缺点是通过研究固定区域内干旱变化或分析固定时间内的空间格局以简化时空干旱特征。在这种情况下，干旱三维结构被降为一个较低的子空间(一维或二维)，干旱事件的时空结构被破坏，进而不能结合干旱时空结构识别干旱对净初级生产力的影响。鉴于此，提出一种使用三维空间结构(纬度
‑
经度
‑
时间)聚类算法识别干旱灾害及其对净初级生产力的影响。

技术实现思路

[0004]本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种基于三维结构的干旱对净初级生产力影响的评估方法，用于识别干旱灾害及其对净初级生产力的影响，对于防旱抗旱及了解旱灾对净初级生产力影响有重要意义。
[0005]本专利技术的目的通过以下的技术方案实现：
[0006]一种基于三维结构的干旱对净初级生产力影响的评估方法，包括以下步骤：
[0007]基于实际蒸发数据和潜在蒸散发数据计算标准化蒸发赤字指数；
[0008]基于归一化植被指数、潜在蒸散发、土地利用数据计算净初级生产力；
[0009]通过三维空间结构聚类识别干旱灾害，得到干旱灾害识别信息；
[0010]基于干旱灾害识别信息对净初级生产力的影响，判别干旱特征与净初级生产力的变化关系，得到评估结果。
[0011]进一步地，所述基于实际蒸发数据和潜在蒸散发数据计算标准化蒸发赤字指数，具体为：
[0012]对于月份i，蒸发赤字值ED定义为实际蒸发ET与大气蒸发需求量PET之间的差异，
[0013]ED
i
＝ET
i
‑
PET
i
[0014]使用三参数对数
‑
逻辑分布标准化蒸发赤字值
[0015][0016]式中，α是尺度参数，β是形状参数，γ是位置参数；
[0017]α、β、γ分别由下式计算：
[0018][0019][0020]γ＝W0‑
αΓ(1+1/β)Γ(1
‑
1/β)
[0021]式中Γ(β)是Gamma函数，三参数对数
‑
逻辑分数的概率分布函数为：
[0022][0023]最后，对各月累积蒸散亏缺量序列的概率分布进行标准化处理，得到标准化蒸发赤字指数；
[0024]令P＝1
‑
F(x)，当P≤0.5，
[0025][0026]当P＞0.5，
[0027][0028]式中，c0＝2.515517，c1＝0.802853，c2＝0.010328，d1＝1.432788，d2＝0.189269，d3＝0.01308。
[0029]进一步地，所述基于归一化植被指数、潜在蒸散发、土地利用数据计算净初级生产力，具体如下：净初级生产力数据则基于CASA模型计算，该模型计算的净初级生产力数据应与实测数据进行对比验证；驱动CASA模型数据包括降水、气温、辐射、潜在蒸散发、土地利用数据及归一化植被指数。
[0030]进一步地，所述通过三维空间结构聚类识别干旱灾害，得到干旱灾害识别信息，如下所示：基于时间
‑
经纬
‑
纬度的三维结构识别干旱事件：包括识别干旱斑块；干旱斑块的选取；干旱事件的识别；干旱事件特征描述。
[0031]进一步地，所述识别干旱斑块，具体为：基于SEDI指数的三维干旱图，捕捉每一时间维度内干旱斑块；不同干旱指数，基于不同的阈值来识别干旱；而SEDI与标准降水蒸散指数都采取同样的标准化方法，SEDI值与标准化降水蒸散指数的概率分布基本一致，故当SEDI值小于
‑
1时，判定干旱的发生；从初始时间维度识别干旱斑块，对于初始月份的二维区域图，遍历搜索网格内的所有SEDI值；当某一格网值低于
‑
1时，则鉴定为干旱的起点，相邻区域的网格也被检测；如相邻网格SEDI值也小于
‑
1，则将该网格归为当前干旱斑块；搜索过
程直到区域图内没有网格处于干旱状况；识别完初始时间维度内干旱斑块后，继续识别随后时间维度的干旱斑块。
[0032]进一步地，所述干旱斑块的选取，选择面积大于某一阈值的干旱斑块；斑块面积阈值设定为具体实施例区域面积的1.6％；当干旱斑块低于此阈值，则不考虑此斑块，而高于此阈值，则选取为干旱斑块。
[0033]进一步地，所述干旱事件识别，计算连续两个月的斑块重叠面积及重叠百分比；若重叠面积占具体实施例区域面积的1.6％，且重叠部分占较小干旱斑块的50％，则认为两个干旱斑块属于同一事件；否则，他们则被认为独立的干旱事件；重叠面积确保两个干旱斑块在空间上是连续的和连接的，重叠百分比则保证重叠区域的有效性，最后将识别的干旱事件与土壤水对比验证。
[0034]进一步地，所述干旱事件特征描述，包括历时、严重性、面积、强度、和干旱中心；
[0035]干旱历时定义为干旱事件持续的月份；严重性定义为：
[0036][0037]S(i,j,k)＝SEDI(i,j,k)
×
area(i,j)
×
1month
[0038]式中，DS
n
为第n个干旱事件的严重性；i，j分别表格格网的经度和维度，k为干旱事件的时间步长；area为格网的面积；S(i,j,k)为第n个干旱事件k月份格网i,j的干旱严重性；
[0039]干旱面积是指某一干旱事件所影响的面积，即影响区域在经度和维度的投影面积；而干旱强度定义为严重性除以历时和面积的乘积；干旱中心是干旱事件斑块的几何中心，代表干旱事件的中心位置，由经度和维度组成，定义为：
[0040][0041][0042]式中，DC
i
和DC
j
分别表示干旱中心本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维结构的干旱对净初级生产力影响的评估方法，其特征在于，包括以下步骤：基于实际蒸发数据和潜在蒸散发数据计算标准化蒸发赤字指数；基于归一化植被指数、潜在蒸散发、土地利用数据计算净初级生产力；通过三维空间结构聚类识别干旱灾害，得到干旱灾害识别信息；基于干旱灾害识别信息对净初级生产力的影响，判别干旱特征与净初级生产力的变化关系，得到评估结果。2.根据权利要求1所述的一种基于三维结构的干旱对净初级生产力影响的评估方法，其特征在于，所述基于实际蒸发数据和潜在蒸散发数据计算标准化蒸发赤字指数，具体为：对于月份i，蒸发赤字值ED定义为实际蒸发ET与大气蒸发需求量PET之间的差异，ED
i
＝ET
i
‑
PET
i
使用三参数对数
‑
逻辑分布标准化蒸发赤字值：式中，α是尺度参数，β是形状参数，γ是位置参数；α、β、γ分别由下式计算：α、β、γ分别由下式计算：γ＝W0‑
αΓ(1+1/β)Γ(1
‑
1/β)式中Γ(β)是Gamma函数，三参数对数
‑
逻辑分数的概率分布函数为：最后，对各月累积蒸散亏缺量序列的概率分布进行标准化处理，得到标准化蒸发赤字指数；令P＝1
‑
F(x)，当P≤0.5，F(x)，当P≤0.5，当P＞0.5，当P＞0.5，式中，c0＝2.515517，c1＝0.802853，c2＝0.010328，d1＝1.432788，d2＝0.189269，d3＝0.01308。3.根据权利要求2所述的一种基于三维结构的干旱对净初级生产力影响的评估方法，其特征在于，所述基于归一化植被指数、潜在蒸散发、土地利用数据计算净初级生产力，具
体如下：净初级生产力数据则基于CASA模型进行常规计算，该模型计算的净初级生产力数据应与实测数据进行对比验证；驱动CASA模型数据包括降水、气温、辐射、潜在蒸散发、土地利用数据及归一化植被指数。4.根据权利要求1所述的一种基于三维结构的干旱对净初级生产力影响的评估方法，其特征在于，所述通过三维空间结构聚类识别干旱灾害，得到干旱灾害识别信息，如下所示：基于时间
‑
经纬
‑
纬度的三维结构识别干旱事件：包括识别干旱斑块；干旱斑块的选取；干旱事件的识别；干旱事件特征描述。5.根据权利要求4所述的一种基于三维结构的干旱对净初级生产力影响的评估方法，其特征在于，所述识别干旱斑块，具体为：基于SEDI指数的三维干旱图，捕捉每一时间维度内干旱斑块；不同干旱指数，基于不同的阈值来识别干旱；而SEDI与标准降水蒸散指数都采取同样的标准化方法，SEDI值与标准化降水蒸散指数的概率分布基本一致，故当SEDI值小于
‑
1时，判定干旱的发生；从初始时间维度识别干旱斑块，对于初始月份的二维区域图，遍历搜索网格内的所有SEDI值；当某一格网值低于

【专利技术属性】
技术研发人员：赖成光，李军，王兆礼，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：