英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

全面干旱指数的开发与评估

摘要：干旱被称为影响各个行业的世界上造成损失最大的自然灾害。尽管它们的影响范围很广，但并没有确定普遍的干旱定义。这项研究的目标是考虑到对气象，农业，水文和流动健康类别的干旱影响，来确定一个普遍的干旱指数，。此外，开发了预测干旱模型，以捕获不同方向（气象，水文和农业）和干旱的总体影响。为了实现这些目标，共采取了13种常用干旱指数，以发展名为MASH的通用干旱指数。十三个干旱指数包括每个气象，水文和农业类别的四个干旱指数，一个来自流健康类别的干旱指数。再进行聚类分析，找出每个类别中三个最接近的指数。然后，每个类别中最接近的干旱指数进行平均，以创建绝对干旱评分。最后，分类干旱得分简单平均，以发展MASH干旱指数。为了开发每个类别和MASH的预测干旱模型，使用ReliefF算法对90个变量进行排序并选择最佳变量集。最佳变量集，即使用自适应神经 - 模糊推理系统（ANFIS）开发干旱预测模型，并使用10倍交叉验证技术检验其准确性。模型的预测值范围从MASH的R ² = 0.75到R ² = 0.98为水文干旱模型。这项研究的结果可以帮助管理者通过减少对不同行业的干旱影响，更好地配置资源来应对干旱。

关键词：气象干旱; 水文干旱; 农业干旱; 流健康干旱 干旱监测; 干旱预测模型;

1．引言

干旱是影响农业，供水，经济，社会和生态系统等许多部门的常见和反复现象（Heim，2002）。由于干旱对这些部门的影响不同，每个部门测量干旱方法都不同，所以很难制定一个普遍/全面的干旱定义（Whitmore，2000; Heim，2002）。干旱定义通常分为气象，农业，水文，社会经济和流体健康（AMS，1997; Heim，2002; Esfahanianet al。，2016）。气象干旱一般定义为：降水失效时期（几个月或几年）与长期平均水平的比值（Whitmore，2000; Heim，2002; Mishra and Singh，2010; Shef fi eld and Wood，2012）。

气象干旱的影响是减少渗流，径流，深层渗透和地下水补给（NDMC，2016）。农业文化干旱被定义为一个由短暂的时间（几周持续时间）的降水短缺导致的土壤水分失效的时期（Heim，2002; Shef fi eld and Wood，2012）。农业干旱的影响是作物生物量和产量以及植物生长的减少（Heim，2002; NDMC，2016）。水文干旱被定义为由于水资源短缺而导致的供水缺乏时期（Heim，2002）。潮湿干旱的影响表现在流域，地下水，水库和湖泊水平的减少（Whitmore，2000; Heim，2002; NDMC，2016）。社会经济干旱的概念不是本研究的主题，定义为基于气象，农业和水文干旱对一些经济产品供需的影响（Heim，2002; NDMC，2016）。最后，河流健康干旱被定义为流域流失的时期，对水生生态系统造成不可逆转的影响（Esfahanian等，2016）。已经开展了几次干旱指数来监测和量化干旱。干旱指数主要是调查干旱持续时间，强度，严重程度和空间范围的工具（Mishra和Singh，2010）。每个干旱指数都需要具体的输入参数才能测量干旱。降水通常单独使用或与其他参数结合使用（Heim，2002; Mishra and Singh，2010; Shef fi eld and Wood，2012）。通常对于气象干旱来说，降水是主要的参数（Dai，2011）。对于农业干旱，土壤水分含量通常与降水和/或蒸散量的次要参数一起使用（Dai，2011）。对于水文干旱，除了降水之外，经常使用流量流（Dai，2011）。最后，对于河流健康干旱，使用指数流，流量和流温度来计算对干旱的脆弱性。指数流量定义为给定期间的日平均流量最低升温的夏季月份的中位数（Hamilton和Seelbach，2011; Esfahanian等，2016）。

然而，使用这些指标的最大挑战之一是，对于每个干旱类别（例如气象，农业和水文），却存在数十种指标。同时，每个干旱指数都需要不同的输入参数，并采用独特的方法测量干旱严重程度。因此，在使用不同的方法时测量干旱严重程度（例如计量）得出了广泛的反应或甚至矛盾的结论。所以，因为没有一个单一的指标被普遍接受为每个类别的最佳实践，故需要引入集体了解的干旱条件，。尽管目前在了解干旱背后的科学方面取得进展，但仍然需要改进干旱监测方法，最终将改善干旱准备和管理措施，并减少不同部门的干旱脆弱性（Svoboda et al。，2002）。如果考虑到干旱的绝对和全面影响，这只能是一个重要的因素，因为从一个方面来看可能会对干旱的其他方面产生意想不到的影响。例如，商品利益相关者团体的目标是制定缓解战略，以解决对农业的干旱影响。一种解决方案是从地表水和地下水资源中使用额外的水;然而，这种解决方案无意中会加剧干旱对流健康的影响。因此，解决干旱问题的综合方法只有在清楚地了解干旱的全面和全面影响的情况下才能实现。在这种情况下，可以以解决干旱影响的方式分配资源，同时尽量减少对其他干旱类别的负面影响或改善整体干旱状况。因此，建议通过结合现有指标来更好地捕捉干旱的整体影响，可以改善干旱监测技术（Zargar等，2011）。一般来说，用于组合干旱指数的方法可以分为：1）决策矩阵分析（Svoboda et al。，2002; Balint et al。，2011; Ziese et al。，2014）; 2）分类和回归树（CART）分析（Tadesse和Wardlow，2007; Brown等人，2008）;和3）回归技术（Keyantash和Dracup，2004; Karamouzet al。，2009）。

在决策矩阵分析中，首先确定了多个标准来指导最终结果。这种技术被Svoboda等人使用（2002）创建了干旱监测，这是气象干旱指数（如帕尔默干旱严重指数和标准降水指数）以及水文和遥感信息的综合。干旱监测组成部分与干旱严重程度之间的关系采用决策矩阵分析法定义（Svoboda等，2002）。另外，Balint等引入了组合干旱指数（CDI） （2011），这是降水干旱指数（PDI），温度干旱指数（TDI）和植被干旱指数（VDI）的组合。使用PDI，TDI和VDI指数的加权平均值来计算CDI。 PDI的指定权重为50%，每个TDI和VDI指数为25%（Balint等，2011）。 Ziese等（2014年）开发了1个网格空间分辨率的全球降水气候中心干旱指数（GPCC-DI），这是改良的标准降水指数（SPI-DWD）和Stan-dardized降水蒸散指数（SPEI）的组合。 GPCCDI是通过取每个网格单元的SPI-DWD和SPEI指数的平均值来计算的（Ziese等，2014）。CART分析是一种树形技术，它构建了一套决策规则来构建预测模型。 Tadesse和Wardlow（2007）使用这种技术开发植被展望（VegOut）来预测未来的植被条件。在此工具中，气象干旱指数（标准降水指数和帕尔默干旱严重指数），海洋指数（如南方涛动指数，多元厄尔尼诺和南方涛动指数）以及卫星和生物物理数据均以规则为基础回归树法。一年后，布朗等人（2008）根据CART概念推出了一个名为植被干旱响应指数（VegDRI）的新指标。在该指标中，气象干旱指数（标准降水指数和帕尔默干旱严重指数），基于卫星植被措施， 使用CART分析结合植被措施和生物物理信息（如土地覆盖和有效土壤水分能力），以开发不同季节的VegDRI经验模型。

回归技术估计依赖和独立变量之间的线性和非线性关系。 Keyantash和Dracup（2004）使用这种技术来开发气象，水文和农业类别干旱的总体干旱指数（ADI）。在该指标中，使用主成分分析（Keyantash和Dracup，2004）汇总了六个水文变量，包括降水，流量，储层储存，蒸散量，土壤水分和积雪水含量。此外，混合干旱指数（HDI）是由Karamouz等人开发的。 （2009）使用这种技术。该指数是标准降水指数，帕尔默干旱严重指数和地表水供应指数（Karamouz et al。，2009）的组合。人工神经网络技术是用于根据三个干旱指数预测HDI（Karamouz et al。，2009）。

鉴于缺乏监测干旱的普遍干旱定义，本研究的目标是引入一项普遍的干旱定义，其中考虑到干旱的几个方面，包括气象，农业，水文和流动健康。这种通用定义可以改善干旱监测，这可以帮助决策者更好地分配资源，减少对不同部门的干旱影响。本研究的目的是：（1）根据常用干旱指数定义干旱指数（气象，农业和水文）; （2）通过综合评分来确定干旱的普遍定义; （3）选择最佳变量组构建预测干旱模型; （4）为每个干旱类别和普遍干旱指数制定预测干旱模型。

2．材料与方法

2.1 研究区域

萨吉诺河流域是密歇根州最大的流域，位于密歇根州中部东部（图1）。分水岭总面积16122平方公里，排入休伦湖。萨吉诺河流域共有145个子盆，其中大部分为温水。从气象的角度来看，萨吉诺河流域有一个年平均降水量为816毫米（图S1），年平均气温为9℃，与国家平均值非常相似（美国气候资料，2016年）的地区。该地区的特点是大陆性气候，因为它有一个非常寒冷的冬天，平均降雪约110厘米，温暖的夏天平均气温26.9℃（ENVIRON，2007年）。风向主要分布于西，西，西南，冬，春，夏，秋两季（ENVIRON，2007）。从农业的角度来看，该地区是密歇根州最有生产力的农业地区之一，其中玉米，大豆和甜菜是主要农作物（USDA-NASS，2011; Selzer等，2014）。从水文学的角度来看，这个地区是一个丰富的娱乐活动资源，如w ye ries（Selzer et al。，2014）。萨吉诺河流域的流量由萨吉诺湾排水区的径流和塞尔维亚水位的波动控制，平均排放量为115 m³ / s（ENVIRON，2007年）。一般来说，春季流量较高，夏季降至最低水平。这个地区的娱乐活动的价值每年约为1590万美元（Selzer等，2014）。从溪流健康的角度来看，萨吉诺河流域为90多种香料提供栖息地，并且在美国拥有最大的连续淡水陆上湿地（PSC，2012; Selzer等，2014）。然而，20世纪工业和人口的快速增长在这一地区引起了显着的生态系统退化（Selzeret al。，2014）。

2.2建模过程

这项研究的目标是确定一个新的综合干旱指数，其中考虑了干旱的不同方面，包括气象（M），农业（A），流健康（S）和水文（H）。这个新的干旱指数叫做MASH。该过程开始于计算萨吉诺河流域内所有子盆地的13个干旱指数。对于每个干旱类别，除了仅存在一个干旱指数的流健康之外，选择了四种常用干旱指数。建模过程分为两个阶段：干旱指数开发阶段，其中针对每个干旱类别和MASH定义了总体干旱指数，以及干旱模型开发阶段，其中开发了预测模型来估计干旱指数和MASH（图2）。在“分类干旱指数发展”阶段，所有13个干旱指数均在34年的研究范围内（1979年至2012年），按月计算145个次级水平。为了使指数在每个类别中相当，每个指标的值被分类，然后使用线性缩放技术进行归一化。根据四个指标中最接近的三个指标的平均值，进行各类（气象，农业和水文）聚类分析，计算分类干旱指数，然后通过平均分类干旱指数计算MASH指数。

在干旱模式开发阶段，使用ReliefF算法对干旱预测模型（三个分类和一个MASH）的输入变量进行排序。 对于每个干旱预测模型，使用基于自适应网络的模糊推理系统（ANFIS），将前两个和三个变量（排在前五位的变量中）的所有组合用于模型开发。 之后使用10倍交叉验证技术验证开发模型的准确性。

2.3 分类干旱指数发展

在本节中，定义每个干旱类别内的常见干旱指数。 这些指数后来将用于发展分类和普遍干旱指数。

2.3.1气象干旱指数

帕尔默干旱严重指数（PDSI），降雨十年（RD），标准化降水指数（SPI）和侦察干旱指数（RDI）是本研究选择的四个气象指标。这些指标通常用于监测气象干旱（Keyantash和Dracup，2002; Hayes，2006; Dai，2011; Sheffield and Wood，2012; Moorhead et al。，2015）。这些指标的参考，输入参数和描述如表S1所示。所有这些指数使用降水作为监测干旱的输入参数（Hayes，2006）。PDSI使用额外的参数，例如温度，可用的土壤含水量和太阳辐射，而RDI使用潜在的蒸发量。

与PDSI相比，RD，SPI和RDI在计算上不复杂，因为后者需要更多的参数进行计算（Hayes，2006）。 PDSI通过将实际土壤水分（降水加上可利用的土壤含水量）与一个地区的土壤水分需求（潜在蒸散量）进行比较来考虑蒸发（Heim，2002; Dai，2011）。另一方面，由于考虑到投入（降水）和产出（潜在蒸散量）之间的平衡，RD和SPI不考虑蒸发（Dai，2011）。（Tsakiris et al。等人，2007; Zargaret al。，2011）。诸如RD，SPI和RDI等指标需要长期降水数据;然而，Tsakiris，PDSI不需要长期的气候数据（Dai，2011）。 SPI和RDI可以测量不同的时间尺度，如1个月，3个月，6个月，最多48个月，RD和PDSI不能用于不同的时间尺度（Keyantash和Dracup，2002; Tsakiris et al。2007; Dai，2011）。根据对干旱指数进行的几项研究，得出结论，SPI比PDSI更好（Guttman，1998; Hayes等，1999,2000）。这是由于SPI对干旱强度，持续时间和空间范围的简单和清晰的评估（Hayes等，2000; Zargar等，2011）而PDSI被认为是非常复杂和困难的解释（Zargar等，2011）。另外此项研究得出了基于鲁棒性，易处理性，透明度，复杂性，消耗性和维度六个标准

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[26641]，资料为PDF文档或Word文档，PDF文档可免费转换为Word