第二章 干旱评估理论体系Word格式文档下载.docx
- 文档编号:8132283
- 上传时间:2023-05-10
- 格式:DOCX
- 页数:19
- 大小:139.78KB
第二章 干旱评估理论体系Word格式文档下载.docx
《第二章 干旱评估理论体系Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《第二章 干旱评估理论体系Word格式文档下载.docx(19页珍藏版)》请在冰点文库上搜索。
计算期内的多年平均降水量
宜采用近30年的平均值。
利用降水距平百分率指标计算时,应根据不同季节选择适当的计算期长度。
一般说来,夏季宜采用1个月;
春、秋季宜采用连续2个月;
冬季宜采用连续3个月。
对应的干旱等级标准见表2.1。
表2.1降水距平百分率干旱等级标准
干旱等级
降水量距平百分率Pa(%)
月尺度
季尺度
年尺度
轻旱
-60<Pa≤-40
-50<Pa≤-25
-30<Pa≤-15
中旱
-80<Pa≤-60
-70<Pa≤-50
-40<Pa≤-30
重旱
-95<Pa≤-80
-80<Pa≤-70
-45<Pa≤-40
特旱
Pa≤-95
Pa≤-80
Pa≤-45
(2)标准化降雨指数(SPI)
McKee等人[71]于1993年提出标准化降水指数(SPI,StandardizedPrecipitationIndex),它考虑到实际降水是一种偏态分布,在降水分析中采用分布概率来描述降水量的变化,然后再经正态标准化求得SPI值。
分布能很好地拟合气候降水时间序列,其与降水频率分布曲线非常相似。
通过转换将原始的降水资料变成一个标准的正态分布,使该地区在特定时期的平均SPI值为0。
SPI为正值表示降水量大于多年降水中值,负值则表示降水量低于多年降水中值。
具体计算如式2.2所示,干旱等级标准见表2.2。
(2.2)
式中,
,其中F为概率;
S为系数。
且当F0.5时,S=1;
当F≤0.5时,S=-1。
式中各系数如下:
c0=2.515517,c1=0.802853,c2=0.010328,
d1=1.432788,d2=0.189269,d3=0.001308
表2.2标准化降水指数干旱等级划分表
无旱
SPI
-0.5<SPI
-1.0<SPI≤-0.5
-1.5<SPI≤-1.0
-2.0<SPI≤-1.5
SPI≤-2.0
(3)相对湿润度指数
相对湿润度指数是表征某时段降水量与蒸发量之间平衡的指标之一,该指标能反映作物生长季节的水分平衡特征,适用于作物生长季节旬以上尺度的干旱评价。
计算公式见(2.3),相应干旱等级标准见表2.3:
(2.3)
P—计算期内降水量(mm);
PE—计算期内可能蒸散量(mm),一般用FAOPenman-Monteith或Thornthwaite方法计算;
表2.3相对湿润度干旱等级划分表
干旱
等级
M
-0.40<M
-0.65<M≤-0.40
-0.80<M≤-0.65
-0.95<M≤-0.80
M≤-0.95
其中,利用Thornthwaite方法来计算可能蒸散量方法如下:
Thornthwaite方法是经验公式算法,方法的主要特点是以月平均温度为主要依据,并考虑纬度因子(日照长度)建立经验公式。
计算时需要输入的因子少,计算方法简单,月可能蒸散量的计算公式见式2.4:
(2.4)
式2.4中,PEm表示月可能蒸散量(mm/月);
Ti指月平均气温(°
C);
H指年热量指数,可根据式2.5计算得到;
A是常数,计算方法见式2.6。
(2.5)
A=6.75×
10-7H3-7.71×
10-5H2+1.792×
10-2H+0.49
(2.6)
当月平均气温Ti≤0°
C时,月热量指数Hi=0,月可能蒸散量PEm=0(mm/月)。
(4)连续无雨日数
连续无雨日数指连续无有效降雨的天数。
由于降水量是影响干旱的主要因素,降水量的多少基本反映了天气的干湿状况,所以连续无雨日数指标判据直观,在早期应用也最多。
但是该指标在实际应用上具有明显的季节性和地域性,其干旱等级标准见表2.4。
表2.4连续无雨日数干旱等级标准
季节
地域
不同旱情等级的连续无雨日数(天)
春季(3~5月)
秋季(9~11月)
北方
15~30
31~50
51~75
>
75
南方
10~20
21~45
46~60
60
夏季(6~8月)
21~30
50
5~10
11~15
16~30
30
冬季(12~2月)
20~30
31~60
61~80
80
15~25
26~45
46~70
70
考虑到不同季节气候以及作物需水量的差异性,一般对有效降雨的规定如下:
在春季(3~5月份)和秋季(9~11月份),日雨量小于3毫米的降雨视为无有效降雨,该日即视为无雨日;
夏季(6~8月份),日雨量小于5毫米的降雨视为无有效降雨,该日即视为无雨日。
2.2.2水文干旱指数
水文干旱的主要研究对象是地表径流和地下水,所以具有明显的持续性和地域性的特征。
常用的水文干旱指数主要有水库蓄量距平百分率、河道来水量距平百分率等。
(1)水库蓄量距平百分率
计算公式如下:
(2.10)
R——某一时段水库蓄水量(万m3)
——水库同期多年平均蓄水量(万m3)
水库蓄水量距平百分率指标对应的干旱等级标准见表:
表2.9水库蓄水量距平百分率指标干旱等级标准
Ra(%)
-10
-10~-30
-31~-50
-51~-80
<
-80
(2)河道来水量距平百分率
河道来水量距平百分率指标主要适用于有较大的河流的区域内的水文干旱评价情况。
其计算公式如下:
(2.11)
Rw——某一时段河道蓄水量(万m3)
——河道同期多年平均蓄水量(万m3)
河道来水量距平百分率指标对应的干旱等级标准见表2.10。
表2.10水库蓄水量距平百分率指标干旱等级标准
Rwa(%)
2.2.3农业干旱指数
农业干旱不仅与降雨量有关,还与地面蒸发、下垫面条件、作物种类等因素密切相关,农业干旱程度主要取决于作物缺水量的多少及干旱持续时间。
考虑到不同作物在其每个生长期内的需水情况不同、土壤墒情特征不一致等原因,为了便于比较,目前比较常用的农业干旱指数多采用相对性的指标,具体如下:
(1)土壤相对湿度
土壤相对湿度是指某一土层的土壤平均重量含水量占田间持水量的比例,运用该指标评估农业干旱时,宜采用0~40cm深的土壤相对湿度作为干旱评估指标。
土壤相对湿度应按公式(2.8)计算:
(2.8)
式中W——土壤相对湿度(%);
Θ——土壤平均重量含水量(%);
Fc——土壤田间持水量(%)。
相应的干旱等级划分见表2.6。
表2.6土壤相对湿度干旱等级划分表
旱情等级
轻度干旱
中度干旱
严重干旱
特大干旱
土壤相对湿度W(%)
50<W≤60
40<W≤50
30<W≤40
W≤30
(2)作物缺水率指标
采用作物缺水率评估农业旱情时,按公式(2.9)计算,其旱情等级划分见表2.7。
(2.9)
式中Dw——作物缺水率(%);
Wr——计算期内作物实际需水量(m3);
W——同期可用或实际提供的灌溉水量(m3)。
表2.7作物缺水率旱情等级划分表
作物缺水率Dw(%)
5<
Dw≤20
20<
Dw≤35
35<
Dw≤50
Dw>
(3)断水天数
采用断水天数评估农业旱情时,旱情等级划分见表2.8。
表2.8断水天数旱情等级划分表
断水天数
(d)
春秋
7~10
11~20
夏
5~7
8~12
13~20
20
16~25
25
2.3自然干旱评估
由于不同部门和学科对干旱的定义不尽相同,选择的干旱指数有所不同,而不同干旱指数的侧重点不同,导致不同指数评估结果往往不一致。
在实际应用中通过对比可以发现,采用不同指标进行干旱评估,其评估结果差异较大,其主要原因是由于气象、水文、农业各部门对干旱指标标准的界定不尽相同,如气象部门大多以降水量的多少来确定干旱程度,而农业部门大多以土壤湿度的大小来确定干旱程度,使得干旱单指数评估具有一定的局限性。
为了确定评估区域的干旱程度,许多学者进行了大量研究,引进系统工程学中的多属性决策理论[44,70],采用加权综合评价的方法进行干旱评估。
综合评估的关键是确定权重,指标权重的合理性是保证最后评估结果客观性、公正性和准确性的前提。
目前,确定权重的方法按照主客观行的不同,可以归纳为如下四类:
主观赋权法,如专家打分法、层次分析法、模糊综合评价法等;
客观赋权法,如熵值法、灰色关联分析法、TOPSIS赋权法等;
组合赋权法,如组合最小二乘法、离差平方和法等;
变权重法,其指标权重的取值随评估指标样本值的不同而不同。
以上四类方法中,主观赋权法完全根据专家的知识和经验来确定权重,具有直观有效的特点,但它掺入了人为的因素,主观随意性太大,在指标较较多时难以得到准确的评估结果;
客观赋权法主要通过统计分析指标间的相关系数或变异系数来确定权重,避免了人为因素带来的偏差,具有客观性强的优点,但当指标较多时,计算量非常大,将给权重计算带来一定的困难;
组合赋权法主要考虑到主、客观赋权法的利弊,弥补主、客观赋权法各自的不足,得到更理想的权重系数,达到主客观的统一,但组合赋权方法中也包含人为因素的影响,有时也会让决策者在选择确定权重系数方法时难以取舍。
本节主要对客观赋权法中常用的两种方法进行介绍。
2.3.1基于熵值法的干旱综合指数评估
2.3.1.1熵值法基本原理
熵(Entropy)是热力学统计中的一个物理概念,由德国物理学家R.J.Clausius于1850年首次提出,被系统科学借用后得到了更为广阔的发展[74]。
熵是物质或体系内部无序、混乱程度的客观反映,可以度量数据提供的有效信息,熵值越大表示物质的无序程度越高,熵值越小表示物质的有序程度越强,熵的基本理论已经被广泛应用于各个领域,如概率论、天体物理、生命科学等学科,并且在不同的学科中已引申出更为具体的定义。
20世纪中叶,信息论及数字通信时代的奠基人美国科学家Shannon第一次将“熵”的概念引入到信息论中。
在信息论中,“熵”这一概念用于量度不确定性或是信息量的大小,即信息量越大,不确定性就越小,则熵值越小;
反之,信息量越小,不确定性越大,熵值也就越大。
相对应的,在指标体系评价过程中,指标值变化越大,指标提供的信息越多,其熵值越小,对应权重越大;
反之,指标值变化越小,指标提供的信息越少,其熵值越大,则对应权重越小。
Sheffield利用熵值原理对N维数据进行优选最佳组合研究显示,熵值法能够客观地定出权重,避免了层次分析法等主观赋权法中人为因素的干扰[75]。
2.3.1.2基于熵值法的干旱综合指数评估的基本步骤[76]
(1)构建m个评价对象和n个评价指标的判断矩阵H,hij∈H(i=1,2,…,m;
j=1,2,…,n);
(3-7)
(2)将判断矩阵H进行归一化处理
以bij表示在第j项指标上第i个评价对象的标准化数值,根据标准化定义,则有
。
归一化处理计算分为两种情况:
)对于越大越优的指标:
(3-8)
i)对于越小越优的指标:
(3-9)
其中,
和
分别表示在第j项指标下,m个评价对象相对应的指标值的最大值和最小值。
根据式(3-8)和(3-9)可计算得到归一化矩阵
,即
(3-10)
(3)计算指标熵值
以pij表示第j项指标上第i个评价对象的比重,则
(3-11)
以ej表示第j项指标的熵值,根据熵的定义有:
(3-12)
特别的,当
(4)计算权重系数
在熵值计算结果的基础上,根据式(3-13)可计算各指标的权重系数:
(3-13)
显然,有
,且
(5)将权重系数带入评估指标体系中即可进行多指数干旱综合评估。
2.3.2基于遗传算法的TOPSIS干旱综合指数评估
2.3.2.1TOPSIS基本原理
设一个多属性决策问题的备选方案集为X={x1,x2,…,xm},衡量方案优劣的属性向量为Y={y1,y2,…,yn};
这时方案集X中的每个方案xi(i=1,2,…,m)的n个属性值构成的向量是Yi={yi1,yi2,…,yin},它作为n维空间中的一个点,能唯一地表征方案xi。
理想点x*是一个方案集X中并不存在的虚拟的最佳方案。
它的每个属性值都是决策矩阵中该属性最好的值,而负理想点x0则是虚拟的最差方案,它的每个属性值都是决策矩阵中该属性的最差值。
在n维空间中,将方案集X中的各备选方案xi与理想点x*和负理想点x0的距离进行比较,既靠近理想点又远离负理想点的方案就是方案集X中的最佳方案;
并可以据此排定方案集X中各备选方案的优先序。
TOPSIS求解问题的关键就是要在属性空间中定义适当的测度,以衡量备选方案与正负理想点的距离。
由图1可知,当备选方案距离正理想点较近时可能距离负理想点也较近,采用距理想点的Euclid距离最小方案为最优方案不准确。
为此,Yoon和Hwang提出通过理想点的相对接近程度,同时考虑到正理想点和负理想点的Euclid距离来判断优劣[77-78]。
图1二维空间中理想点Euclid距离
2.3.2.2基于遗传算法的TOPSIS干旱综合指数评估的基本步骤[79]
(1)以各干旱指数历年评价值与实际旱灾等级的相关系数建立评价值矩阵Z={
};
(i=1,2,…,m;
j=1,2,…,n)
(1)
(2)构造加权规范阵U={xij};
假设各个指标的权重为W=(w1,w2,…,wn),则
xij=wj·
zij,(i=1,2,…,m;
j=1,2,…,n)
(2)
(3)确定理想点x*和负理想点x0;
设理想点x*的第j个属性值为xj*,负理想点x0的第j个属性值为xj0,则
理想点xj*=
(j=1,2,…,n)(3)
负理想点xj0=
(j=1,2,…,n)(4)
(4)以评价值距离正理想点越近越好而距离负理想点越远越好为原则,选取正理想点为1,负理想点为0按TOPSIS构造优化函数:
(5)
(5)采用遗传算法对目标函数进行求解,得到权重系数W;
(6)将权重系数带入评估指标体系即可进行多指数干旱综合评估。
2.4综合旱情评估
灌溉条件下的综合旱情评估是一类区别于自然情况下的干旱评估问题,这类旱情考虑了抗旱措施的影响,一般而言,考虑了人工干预后的旱情评价结果与自然旱情的评价结果不尽相同。
本次研究只考虑农业灌溉措施下的综合旱情评估问题,根据作物水分生产函数的原理,选用考虑作物各生长期需水的Jensen[80]模型可以描述旱情等级和旱灾等级之间的联系,模拟旱情等级和旱灾等级的变化过程。
Jensen模型如下:
(6)
式中:
n—作物成长阶段划分的数目;
ya—农作物的实际单产量;
ym—农作物不受灾害影响时的最优单产量;
ETai,ETmi—为作物第i个生长期的实际蒸发量和潜在蒸发量;
λi—作物第i个生长期的作物水分敏感系数。
2.4.1最优产量ym的确定
FAO定义ym是非常适应一定环境、高产品种的收获产量,即在实际耕作条件下,作物栽培和水管理达到高水平所获得的产量。
实际应用表明,FAO提供的经验值过低,有学者建议ym选择试验条件下的实际最高产量替代。
国内外许多研究者对影响农作物产量的因素进行了大量研究,按性质和时间尺度划分为农业技术措施、气象条件和随机“噪声”三大类[81-82]。
在略去影响不大的“噪声”之后,农业气象产量可简化成为:
(2)
为农作物实际单产量;
为农业技术趋势产量,可采用多项式逼近方法计算确定;
为气象产量。
气象产量又分为有利和不利气象条件下产量[83-84],即
,代入式
(2)可得:
(3)
式中,ya表示有利气象条件下产量,
表示不利(灾害)气象条件下产量。
取
,则
表示无气象灾害影响的农作物产量变化趋势。
宫德吉等[81]将无灾害年的实际农作物产量定义为最优气候条件下的期望产量,通过对无灾害年份实际产量的曲线拟合得到农作物产量趋势的上包络线,以此作为历年有利气象条件产量。
但由于无灾害年份较少,估算最优产量趋势时有可能造成误差过大。
本文通过求取多个无灾年气象产量的均值来确定
值。
由于
表示无气象灾害影响的农作物产量,可以理解为适宜气候条件下的农作物产量,可近视认为
这种确定
的方法充分利用了农作物的历史产量特征,相对于FAO提供的经验值更具可靠性,在没有或缺乏实验资料时是一种确定最优产量的有效方法。
2.4.2实际腾发量ETa和潜在腾发量ETm的确定
ETm是作物水分供应充分时的腾发量,当需水不能满足要求时,实际腾发量ETa小于潜在腾发量ETm,此时作物将会发生水分胁迫。
理论上,ETm可根据彭曼公式和作物系数计算,但由于所需农业、气象资料较多,难以收集齐全;
ETa常采用实际观测值,但往往资料系列不连续。
为了简化计算与应用方便,本文将ETm用作物生长期的需水量Q代替,ETa由生长期的实际供水量(主要指降雨量P和灌溉水量I两部分)代替,进行近似计算。
2.4.3作物水分敏感系数λ的确定
λ表示作物在不同生长阶段对水分的敏感性。
一般情况下λ≥0,在缺水阶段λ值越大,ya/ym越小,即该阶段作物对水分敏感性越大。
作物水分敏感系数是一个随着空间变化的参数,通常通过当地的灌溉试验确定。
我国已经对作物水分敏感系数进行了大量的实验研究,有很多数据可以作为参考[85-87]。
2.4.4综合旱情评估指数的确定
对Jensen模型进行上述简化处理,简化后的模型如下:
(7)
简化后的Jensen模型可以将农作物的产量与其各生育期的缺水量建立联系,可以描述作物缺水量对作物产量的影响,同时还可以用来模拟农业旱情和最终旱灾之间的动态关系。
由于(1-ya/ym)可以理解为旱灾损失率,因此,可以采用水分亏缺率作为评价灌溉条件下的综合旱情指数[69]:
(8)
其中L代表干旱指数,L为0时表示无旱灾,L为1时为绝收,L数值由小到大代表旱灾严重程度。
当不考虑灌溉时,即Ii=0,此时计算出的L值表示不进行灌溉的旱情等级;
若有灌溉,即Ii>
0,此时计算的L值表示灌溉后的旱情等级。
显然L在自然旱情与抗旱措施下的综合旱情之间建立了联系。
其干旱等级标准可采用干旱灾害等级标准进行
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 第二章 干旱评估理论体系 第二 干旱 评估 理论体系