基于大数据挖掘的区域干旱预报方法及应用研究

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。     

国家地下水监测系统数据治理技术和体系

针对地下水数据的特点,提出一套可以实现海量数据治理和整合的国家地下水监测系统数据治理体系。从监测站获取数据到形成数据成果的全过程,分析自动监测过程中异常数据产生的主要原因,针对地下水实时监测、历史监测、多元异构参数等不同数据类型的特点,采用统计分析、大数据多要素关联分析、自适应阈值对比分析、适用于地下水数据处理的数据驱动模型和地下水数值模型构建等关键技术,辅以一系列支撑关键技术的在线软件,实现数据处理由主要依靠人工识别转变为自动识别、人工校核的模式,极大提高数据处理和整编效率。国家地下水监测系统数据治理技术和体系的构建,使得整体数据完整率由92.90%提升至99.43%,可用数据率达到99.01%,数据平均日完整率提高5.93%,实时监测和整编数据修正率分别提升2.56%和0.06%,达到充分利用工程站点和数据、充分发挥工程效益的目标,为高水平地下水信息服务产品和智能应用提供坚实保障。     

东北地区植被动态对气象干旱的响应特征研究

干旱是陆地生态系统生产力下降的驱动因子之一,但不同植被类型对干旱的敏感性差异明显,因此解析植被动态对干旱的响应模式及其潜在影响因素具有重要意义。基于中国东北地区1982—2012年NDVI和不同时间尺度SPI/SPEI数据,分析植被绿度年际波动对气象干旱时间尺度的响应特征。结果表明:(1)在东北地区,与森林相比,草地和农田对干旱更为敏感;(2)植被绿度变化对长期干旱的响应更明显,但空间差异很大;(3)植被对干旱最敏感的时段通常为6—7月,草地在9月份受干旱的影响也很明显。年降水量是东北地区植被干旱脆弱性空间分异的主要影响因素,森林干旱脆弱性与年降水量呈非线性关系,降水量700 mm的地区森林干旱脆弱性最高,各植被类型干旱脆弱性均随海拔升高而加重。研究结果可为区域干旱规划以及抗旱措施的制订提供基础支撑。