论文部分内容阅读
干旱是对我国农业生产影响最大、最常见且分布范围最广的一种气候灾害。农业干旱预测不但是决策者做出减灾决策的重要依据,也是干旱防御的非工程措施之一。提前了解干旱趋势,调整农作物种植品种,制定有效抗旱减灾措施,对降低农业损失具有重要意义。河南是我国粮食主产区,准确的干旱预测对提升河南抵御干旱的综合防范能力有着重要意义。本文根据河南农业干旱情况,选取商丘,许昌,驻马店,安阳,孟津作为5个典型研究区,对河南省农业干旱情况进行研究。主要研究成果如下:(1)对现如今学术界最权威的三个干旱指数PDSI,SPI,SPEI进行综合分析,最终选取SPI,SPEI作为研究河南省农业干旱的干旱指数。(2)对典型代表区,运用MK检验法与滑动T检验法相结合的方法对降水与温度进行趋势性与突变性检验。研究发现,河南省豫东地区年降水量呈上升趋势,趋势性不显著;河南省豫西,豫北,豫中,豫南地区年降水量呈下降趋势,趋势性不显著。河南全省年平均温度有显著上升趋势,豫东地区年平均温度于1993年左右发生突变,豫南地区年平均温度于1996年左右发生突变,豫西地区年平均温度于2006年左右发生突变。(3)运用SPI指数,SPEI指数对河南省干旱规律进行分析,研究发现,相对于SPI指数,SPEI指数更适用于河南省农业干旱。现如今,SPEI指数的干旱划分标准在全国范围内仍使用统一标准。本文对此进行了改良,根据河南省农业干旱情况制定了更适用于河南省农业干旱的划分标准,创新性地提出针对河南不同地区,不同月份采用不同时间尺度,不同阈值的SPEI指数对农业干旱进行识别,正确率可以达到90%以上。(4)运用在水文时间序列上,较少被人使用的时间序列神经网络——NAR神经网络,在时间序列预测中,NAR神经网络作比传统的BP神经网络,REB神经网络预测性能更强。对5个研究区降水量与温度进行预测,根据预测出的降水与温度数据计算出SPEI指数对农业干旱进行预测。结果表明,NAR神经网络对预测期为三年内的河南省农业干旱预测准确率较高,NAR神经网络可以对河南农业干旱起到较好的预测作用。