一种基于智能网格预报产品的农业干旱预测方法及系统与流程

本发明涉及农业干旱监测预报，具体来说，涉及一种基于智能网格预报产品的农业干旱预测方法及系统。

背景技术：

1、目前，干旱预报主要是气象干旱和农业干旱，气象干旱预报方法主要有两种，即数值预报法和统计预报法。数值预报法是以天气预报的降水数值预报模型为基础进行干旱预报，主要依据降水强度和落区。干旱的发生、发展、缓解与解除与降水密切相关，但是一个区域降水少不一定会发生干旱，还与干旱形成之前的土壤含水量有直接关系。单一降水量指标不能真实反映区域干旱实况。统计预报法是基于数理概率统计方法构建数学模式来预测未来的气象干旱程度，对干旱产生机理的物理解析比较薄弱。农业干旱预报涉及因子众多，采用的预报方法主要以基于土壤含水量的单要素预报方法和基于综合旱情指标的多要素预报方法。

2、目前国内外关于干旱评估的研究较多，基于智能网格数据产品开展农业干旱预测的研究相对较少，且干旱是涉及土壤、水分、植被的复杂过程，将气象条件、土壤初始含水量、土壤质地、植被类型等多要素综合考虑，可以有效提高干旱预测的在空间尺度上的准确性。

3、针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了基于智能网格预报产品的农业干旱预测方法及系统，具备综合气象条件、土壤初始含水量、土壤质地、植被类型多要素考虑，有效提高干旱预测的在空间尺度上的准确性，进而解决现有技术中干旱预测不精确不及时与不科学的问题。

3、(二)技术方案

4、为实现上述综合气象条件、土壤初始含水量、土壤质地、植被类型多要素考虑，有效提高干旱预测的在空间尺度上的准确性，本发明采用的具体技术方案如下：

5、根据本发明的一个方面，提供了一种基于智能网格预报产品的农业干旱预测方法，该方法包括以下步骤：

6、s1、构建基于地理信息系统的空间地理信息库，并生成格网系统；

7、s2、构建不同植被类型降水量与不同土层土壤相对湿度关系，以水文数据作为输入条件，获取水文干旱评估指标；

8、s3、以气象数据作为输入条件，获取气象干旱评估指标，构建干旱指数预报模型，实现不同干旱等级面积预报；

9、s4、对预报得到的干旱等级结果进行校验与评估，确定最终的预测结果。

10、进一步的，构建不同植被类型降水量与不同土层土壤相对湿度关系，以水文数据作为输入条件，获取水文干旱评估指标包括以下步骤：

11、s21、对植被类型及土层范围进行划分，利用降水量、冻土层及土壤水分数据计算当前时段相对湿度，建立各植被类型及各土层范围降水量与相对湿度的一元线性方程，获取各个一元线性方程的斜率与截距；

12、s22、采集区域内所有基准站在固定时间段内监测得到的土壤相对湿度实况场，计算平均土壤相对湿度得到土壤相对湿度初始场rn；

13、s23、获取智能网格预报产品240小时逐24小时降水量预报场，利用统计学方法选取典型降水过程构建降水量与土壤水分增量关系模型；

14、s24、依据降水量与土壤水分增量关系模型计算获取土壤相对湿度预报场rl；

15、s25、将土壤相对湿度初始场与土壤相对湿度预报场相加得到平均土壤相对湿度ri，作为水文干旱评估指标。

16、进一步的，采集区域内所有基准站在固定时间段内监测得到的土壤相对湿度实况场，计算平均土壤相对湿度得到土壤相对湿度初始场rn包括以下步骤：

17、s221、设定固定数量的人工站与自动站作为基准站，并将人工站与自动站的数量总和作为基准站的初始数量；

18、s222、通过人工站对土壤水分进行定时定点的观测，获取固定时段土壤相对湿度raj，并利用人工测定时间到初始场时间补充时段降水量pak，获取人工站土壤相对湿度初始场ra，计算公式为：

19、rak＝apak+b

20、ra＝raj+rak

21、s223、获取自动站监测得到的自动站土壤相对湿度初始场rv；

22、s224、若实现成功观测的人工站与自动站数量之和小于初始数量，则利用数据缺失站点已知时段土壤相对湿度rdj和补充时段降水量pdk，获取缺失站相对湿度初始场rd，计算公式为：

23、rdk＝apdk+b

24、rd＝rdj+rdk

25、s225、将人工站土壤相对湿度初始场ra、自动站土壤相对湿度初始场rv及缺失站相对湿度初始场rd，累计相加求取土壤相对湿度平均值，作为最终的土壤相对湿度初始场rn；

26、式中，rak表示人工站补充时段相对湿度；

27、rdk表示缺失站补充时段相对湿度；

28、a表示不同植被类型一元线性方程的斜率；

29、b表示不同植被类型一元线性方程的截距。

30、进一步的，以气象数据作为输入条件，获取气象干旱评估指标，构建干旱指数预报模型，实现不同干旱等级面积预报包括以下步骤：

31、s31、以降水量历史场作为背景场，将背景场、降水量初始场及降水量预报场作为输入条件，获取降水距平百分率与无降水日数作为气象干旱评估指标，并构建干旱指数预报模型；

32、s32、以水文干旱评估指标与气象干旱评估指标作为输入条件，计算未来240小时逐24小时干旱指数，划分不同植被类型干旱等级。

33、进一步的，以降水量历史场作为背景场，将背景场、降水量初始场及降水量预报场作为输入条件，获取降水距平百分率与无降水日数作为气象干旱评估指标，并构建干旱指数预报模型包括以下步骤：

34、s311、以气象输入数据为智能网格干旱预报的输入条件，以格网系统为基本计算单元，计算步长为24小时，采用距离加权平均法将气象输入数据插值到格网系统的每个单元上；

35、s312、以基本土壤水分平衡原理为基础，综合降水、蒸发及土壤基本性质建立预报土壤水分平衡方程，构建干旱指数预报模型。

36、进一步的，以基本土壤水分平衡原理为基础，综合降水、蒸发及土壤基本性质建立预报土壤水分平衡方程，构建干旱指数预报模型包括以下步骤：

37、s3121、利用平均土壤相对湿度ri获取土壤相对湿度归一化指数gi，计算公式为：

38、

39、s3122、利用气候和气象数据中的降水距平百分率pa计算降水距平百分率归一化指数qi；

40、s3123、依据无降水日数d利用arcgis格网数据计算土壤无降水日数归一化指数li，计算公式为：

41、

42、s3124、依据层次分析法对不同气候特征、植被类型及土壤性质进行打分，获取所有基准站土壤含水量订正系数tg、降水订正系数tq、蒸发订正系数tl及土壤订正系数tm，采用反距离权重差值法建立订正系数格网数据；

43、s3125、综合计算得到的土壤相对湿度归一化指数gi及降水订正系数tg、降水距平百分率归一化指数qi及降水订正系数tq、无降水日数归一化指数li及蒸发订正系数tl，利用arcgis计算预报时段干旱指数yi，得到干旱指数预报模型，计算公式为：

44、yi＝(gi×tg+qi×tq+li×tl)×tm。

45、进一步的，利用气候和气象数据中的降水距平百分率pa计算降水距平百分率归一化指数qi包括以下步骤：

46、s31221、选用720小时内所有基准站测量的降水将初始场，按照0.05°×0.05°间隔240小时逐24小时降水量预报场，并选取30年内降水量背景场；

47、s31222、利用arcgis采用反距离权重插值法建立基准站初始场降水量数据ps，预报场降水量数据pf，背景场基准站平均降水量数据p；

48、s31223、利用arcgis计算降水距平di和降水距平百分率pa格网数据，计算公式为：

49、

50、

51、s31224、利用降水距平百分率pa格网数据，计算土壤归一化降水距平百分率qi，计算公式为：

52、

53、s31225、根据初始场降水量数据ps，预报场降水量数据pf计算无降水日数，利用arcgis采用反距离权重差值法建立无降水日数初始场格网数据ds与预报场格网数据df，并计算无降水日数格网数据d，计算公式为：

54、

55、d＝ds+df

56、式中，n表示30年总日数；

57、s＝30；

58、p0表示有效降水量临界值，p0＝5mm；

59、pi表示第i天的降水量；

60、表示平均降水量；

61、f＝1，2，3，4，5，6，7，8，9，10。

62、进一步的，依据层次分析法对不同气候特征、植被类型及土壤性质进行打分，获取所有基准站土壤含水量订正系数tg、降水订正系数tq、蒸发订正系数tl及土壤订正系数tm，采用反距离权重差值法建立订正系数格网数据包括以下步骤：

63、s31241、将土壤含水量、降水、蒸发作为三个指标c1、c2及c3；

64、s31242、利用专家对不同气候特征、植被类型及土壤性质进行打分，使用1-4分及其倒数作为标度建立判断矩阵a＝(aij)；

65、s31243、建立指标判断矩阵c＝(cij)，并采用统计软件进行一致性检验及ahp层次分析结果，获取权重值，包括基准站土壤含水量订正系数tg、降水订正系数tq、蒸发订正系数tl及土壤订正系数tm。

66、进一步的，对预报得到的干旱等级结果进行校验与评估，确定最终的预测结果包括以下步骤：

67、s41、获取干旱等级预测结果中每24小时的预测数据，取第一个24小时的预测数据中的土壤相对湿度作为预测土壤相对湿度，作为预测土壤相对湿度，并将预测土壤相对湿度与自动站进行匹配构建集合作为预测集合b0；

68、s42、设24小时作为一个校验周期，获取每个校验周期内自动站监测的土壤相对湿度作为未来土壤相对湿度，并将自动站的数据组成一个集合，作为实测集合b1；

69、s43、将预测集合b0与b1构成一个集对(b0，b1)，比较两个集合中的对应项x0m和x1m，依次判断各个对应项之间的大小，若x0m小于高要求容许误差，则x0m和x1m相同，若x0m大于低要求容许误差，则x0m和x1m相反，若x0m介于低要求容许误差与高要求容许误差之间，则x0m和x1m相异；

70、s44、统计集对中同异反的项数，计算两个集合的关联度，根据关联度判定预测结果是否符合要求。

71、根据本发明的另一个方面，还提供了一种基于智能网格预报产品的农业干旱预测系统，该系统包括以下组成：基准站、空间地理信息库、指标计算单元、干旱等级预测单元及检验评估单元；

72、基准站，用于获取区域内各个站点检测得到的气象水文数据；

73、空间地理信息库，用于构建基于地理信息系统的空间地理信息库；

74、指标计算单元，用于计算水文干旱评估指标与气象干旱评估指标；

75、干旱等级预测单元，用于构建干旱指数预报模型并进行等级预测；

76、检验评估单元，用于对预测结果进行校验与评估。

77、(三)有益效果

78、与现有技术相比，本发明提供了基于智能网格预报产品的农业干旱预测方法及系统，具备以下有益效果：

79、1、本发明基于智能网格的干旱预报模型，能从降水、蒸发和土壤水分的水量平衡关系出发，定量划分干旱等级，相对于以降水作为干旱的唯一驱动因素对干旱进行评估，本发明结合降水、蒸发、相对湿度气象及水文要素等多个指标分析，综合考虑土壤属性、植被类型，健全和完善干旱时空分析及其演变的预报方法，从而显著提高干旱预测的精度。

80、2、本发明将基准站分为自动站与人工站，对区域内所有监测站点的数据进行统一处理，即对区域内植被类型及土层范围进行划分，利用降水量、冻土层及土壤水分数据计算目标站点的当前时段相对湿度，从而建立各植被类型及各土层范围降水量与相对湿度的一元线性方程，并利用一元线性方程中的斜率与截距参数，计算得到各站点及区域内平均土壤相对湿度，进而保证数据的全面性及精确性，显著提高干旱等级预测的可靠度。

81、3、通过以区域内进三十年降水量历史场作为背景场，将背景场、降水量初始场及降水量预报场作为输入条件，计算干旱评估指标构建干旱指数预报模型，能实现未来240小时逐24小时干旱指数的计算，且划分不同植被类型干旱等级，从而实现全方位、多角度预测，起到及时预报的效果。