CN114819317A - 一种农田与草地干旱预警方法及*** - Google Patents
一种农田与草地干旱预警方法及*** Download PDFInfo
- Publication number
- CN114819317A CN114819317A CN202210401520.8A CN202210401520A CN114819317A CN 114819317 A CN114819317 A CN 114819317A CN 202210401520 A CN202210401520 A CN 202210401520A CN 114819317 A CN114819317 A CN 114819317A
- Authority
- CN
- China
- Prior art keywords
- drought
- soil
- water storage
- forecast
- storage capacity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 149
- 239000002689 soil Substances 0.000 claims abstract description 137
- 238000003860 storage Methods 0.000 claims abstract description 72
- 238000001556 precipitation Methods 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000005192 partition Methods 0.000 claims description 18
- 230000002265 prevention Effects 0.000 abstract description 7
- 230000009467 reduction Effects 0.000 abstract description 5
- 230000005855 radiation Effects 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000003673 groundwater Substances 0.000 description 3
- 238000003973 irrigation Methods 0.000 description 3
- 230000002262 irrigation Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- TVEXGJYMHHTVKP-UHFFFAOYSA-N 6-oxabicyclo[3.2.1]oct-3-en-7-one Chemical compound C1C2C(=O)OC1C=CC2 TVEXGJYMHHTVKP-UHFFFAOYSA-N 0.000 description 1
- 208000030853 Asthma-Chronic Obstructive Pulmonary Disease Overlap Syndrome Diseases 0.000 description 1
- 241000219112 Cucumis Species 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- SESFRYSPDFLNCH-UHFFFAOYSA-N benzyl benzoate Chemical compound C=1C=CC=CC=1C(=O)OCC1=CC=CC=C1 SESFRYSPDFLNCH-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据预测技术领域，公开了一种农田与草地干旱预警方法及***，通过获取的预报日期前一天土壤储水量、分时段分类型作物系数、降水量以及计算得到的潜在蒸散量，确定预报当日土壤储水量；基于所述预报当日土壤储水量，计算相对土壤含水量；基于所述相对土壤含水量确定干旱等级；所述干旱等级具体包括：特旱、重旱、中旱、轻旱以及无旱。本发明提供的方法及***可以对监测点的干旱等级进行预警，可以用于多部门参与协作的防灾减灾技术体系，通过预警监测点的干旱等级减轻干旱灾害带来的损失。
Description
技术领域
本发明涉及数据预测技术领域，特别是涉及一种农田与草地干旱预警方法及***。
背景技术
干旱灾害是所有气象灾害中发生频率最高，影响范围最广，对农业生产危害最严重的灾害。根据Wilhite等(2000)统计研究，全球每年因干旱造成的经济损失高达60-80亿美元，远远超过了其它气象灾害。国内外针对干旱指标方面的研究大致可分为气象指标、土壤水分指标、作物生理指标、综合指标4类。
McKee等(1993)发展的标准降水指数(SPI)是单纯依赖于降水量的干旱指数，它是基于在一定的时空尺度上，降水的短缺会影响到地表水、库存水、土壤湿度、积雪和流量变化而制定的。Mishra等(2011)采用游程分析方法识别干旱过程，并通过统计分位数确定干旱阈值。Shahid等(2008)构建了包含人口、水浇地占农用地比例、土壤含水量、农作物产量等的指标体系，进行孟加拉西部干旱承灾体脆弱性评价。Todisco等(2013)用“作物水-产量模型”模拟评估了水分亏缺对作物产量的影响。Fan等(1984)通过构建基于平均温度和降水的农作物水分指数(CMI)评价农业干旱。
国内在干旱指标和干旱评估方面也做了大量工作。朱炳缓等(1998)通过计算多年平均水面蒸发量与多年平均降水量之比，即干燥度确定干早等级，是一种基于气候意义上的划分。王密侠等(1998)用作物需水量、降水量、供水量、农作物亏盈水量和水分指数划分干早的程度。许凯等(2013)运用旱灾损失的概率分布曲线法、旱灾损失与干旱概率的关系曲线法评估农业旱灾风险。张蕾等(2014)建立了综合考虑春季干旱致灾因子、孕灾环境、灾损、防灾能力的瓜菜春季旱灾风险评估模型。屈艳萍等(2014)从致灾因子危险性、承灾体暴露性和脆弱性着手建立指标体系，采用模糊综合评判法计算灾害风险。
尽管存在各种干早指标和评估方法，但是在西北地区的干旱研究中，目前还没有一种干早指标能对西北干旱程度和趋势作出估计，这主要与西北地区复杂的地形地貌特征有关，西北区境内沙漠与绿洲共存、灌溉农业区与雨养农业区并存，使得不同下垫面和不同区域的农业区、林业区和畜牧业区对水分的需求不同，导致干旱评估开展困难。
发明内容
本发明的目的是提供一种农田与草地干旱预警方法及***，可以实现对监测点当前位置的干旱程度预警。
为实现上述目的，本发明提供了如下方案：
一种农田与草地干旱预警方法，所述预警方法包括：
获取预报日期前一天土壤储水量；
获取分时段分类型作物系数；
获取降水量；
计算潜在蒸散量；
基于所述预报日期前一天土壤储水量、分时段分类型作物系数、降水量、潜在蒸散量，计算预报当日土壤储水量；
基于所述预报当日土壤储水量，计算相对土壤含水量；
基于所述相对土壤含水量确定干旱等级；所述干旱等级具体包括：特旱、重旱、中旱、轻旱以及无旱。
可选地，所述预报日期前一天土壤储水量通过遥感监测获得。
可选地，所述降水量通过省级格点预报产品获得。
可选地，所述潜在蒸散量的计算公式为：
潜在蒸散量＝ABS((0.408*饱和水汽压曲线斜率*(Rn净辐射-0)+干湿表常数*(900/(Tmean平均气温+273)*u2*(饱和水汽压/10-日平均水汽压/10)))/(饱和水汽压曲线斜率+干湿表常数*(1+0.32*u2)))，其中，ABS(·)为对·取绝对值。
可选地，所述预报当日土壤储水量的计算公式为：
其中，ΔWi为预报当日土壤储水量，ΔWi-1为预报日期前一天土壤储水量，n为预报天数的最大值，i为预报当日日期，i∈1,2,…n，bi为分时段分类型作物系数，为无量纲值，ETi为潜在蒸散量，Pi为降水量。
可选地，所述相对土壤含水量的计算公式为：
其中，ΔWS为相对土壤含水量，ΔWi为预报当日土壤储水量，h为土层深度，p为土壤容重。
可选地，基于所述相对土壤含水量确定干旱等级，具体包括：
获取预测点当前位置分区号；
基于所述相对土壤含水量、所述预测点当前位置分区号以及预测点当前位置分区土壤墒情等级划分判断标准确定干旱等级。
基于本发明中的上述方法，本发明另外提供了一种农田与草地干旱预警***，所述预警***包括：
预报日期前一天土壤储水量获取模块，用于获取预报日期前一天土壤储水量；
分时段分类型作物系数获取模块，用于获取分时段分类型作物系数；
降水量获取模块，用于获取降水量；
潜在蒸散量计算模块，用于计算潜在蒸散量；
预报当日土壤储水量计算模块，与所述预报日期前一天土壤储水量获取模块、所述分时段分类型作物系数获取模块、所述降水量获取模块以及所述潜在蒸散量计算模块连接，用于基于所述预报日期前一天土壤储水量、分时段分类型作物系数、降水量、潜在蒸散量，计算预报当日土壤储水量；
相对土壤含水量计算模块，与所述预报当日土壤储水量确定模块连接，用于基于所述预报当日土壤储水量计算相对土壤含水量；
干旱等级确定模块，与所述相对土壤含水量确定模块连接，用于基于所述相对土壤含水量确定干旱等级；所述干旱等级具体包括：特旱、重旱、中旱、轻旱以及无旱。
可选地，所述潜在蒸散量计算模块，用于计算潜在蒸散量，具体采用以下公式：
潜在蒸散量＝ABS((0.408*饱和水汽压曲线斜率*(Rn净辐射-0)+干湿表常数*(900/(Tmean平均气温+273)*u2*(饱和水汽压/10-日平均水汽压/10)))/(饱和水汽压曲线斜率+干湿表常数*(1+0.32*u2)))，其中，ABS(·)为对·取绝对值。
可选地，所述预报当日土壤储水量计算模块，具体采用以下公式：
其中，ΔWi为预报当日土壤储水量，ΔWi-1为预报日期前一天土壤储水量，n为预报天数的最大值，i为预报当日日期，i∈1,2,…n，bi为分时段分类型作物系数，为无量纲值，ETi为潜在蒸散量，Pi为降水量。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种农田与草地干旱预警方法及***，通过获取的预报日期前一天土壤储水量、分时段分类型作物系数、降水量以及计算得到的潜在蒸散量，确定预报当日土壤储水量；基于所述预报当日土壤储水量，计算相对土壤含水量；基于所述相对土壤含水量确定干旱等级；所述干旱等级具体包括：特旱、重旱、中旱、轻旱以及无旱。本发明提供的方法及***可以对监测点的干旱等级进行预警。
另外，本方法及***预报日期前一天土壤储水量通过遥感监测获得，降水量通过省级格点预报产品获得，可以用于多部门参与协作的防灾减灾技术体系，通过预警监测点的干旱等级减轻干旱灾害带来的损失。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种农田与草地干旱预警方法实施例流程图；
图2为本发明一种农田与草地干旱预警***实施例模块图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种农田与草地干旱预警方法及***，可以实现对监测点当前位置的干旱程度预警。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明提供了一种农田与草地干旱预警方法及***，所述方法及***基于水量平衡法，水量平衡法是一种基于水量守恒原理，研究某一流域一定时间段内地下水补给量、消耗量和储存量之间的数量转化关系的平衡计算，其实质是测定一定时段内的土壤储水量差值，作物需水量可通过土壤水平衡方程来确定。水量平衡方法是通过评价某个时段内流入流出作物根层的水通量来完成。灌溉量(I)、降雨量(P)向根层补水，部分(I)和(P)可通过地表径流(RO)损失或通过深层渗漏(DP)补给地下水。地下水通过毛细作用(CR)向上顶托补给根层，也可通过土壤中横向流方式流入(SFin)和流出(SFout)根层。除地面坡度很大的情况外，许多情况下SFin和SFout是比较小的，可以忽略。农田与草地的水量平衡可以用以下公式来表示：
I+P±(RO+DP)+CR±(SFin-SFout)＝ETc
以青海省为例，青海农田和草地植被大面积主要依靠降水补给灌溉，因此I可以忽略；由于青海省年降水较少且主要集中在汛期，因此地表径流和深层渗漏补给地下水相对较少，因此RO、DP也可以忽略。
参见附图1一种农田与草地干旱预警方法实施例流程图，本发明提供了一种农田与草地干旱预警方法，所述预警方法包括以下步骤：
S1、获取预报日期前一天土壤储水量。所述预报日期前一天土壤储水量通过遥感监测获得。
S2、获取分时段分类型作物系数。以青海省为例，所述分时段分类型作物系数通过表1青海省农作物全年生长日期划分及相应作物系数、表2青海省草地植被全年生长日期划分及相应作物系数获取。
表1青海省农作物全年生长日期划分及相应作物系数
| 序号 | 开始日期 | 终止日期 | 作物系数(b) |
| 1 | 1月1日 | 3月31日 | 0.5 |
| 2 | 4月1日 | 5月19日 | 0.8 |
| 3 | 5月20日 | 6月21日 | Y＝0.0297*X-3.3576 |
| 4 | 6月22日 | 7月28日 | 1.78 |
| 5 | 7月29日 | 9月1日 | Y＝-0.04057*X+10.259 |
| 6 | 9月1日 | 9月15日 | 0.36 |
| 7 | 9月16日 | 12月31日 | 0.5 |
表2青海省草地植被全年生长日期划分及相应作物系数
| 序号 | 开始日期 | 终止日期 | 作物系数(b) |
| 1 | 1月1日 | 3月31日 | 0.5 |
| 2 | 4月1日 | 5月31日 | 0.4 |
| 3 | 6月1日 | 7月31日 | Y＝0.01066*X-1.2303 |
| 4 | 8月1日 | 8月31日 | 1.05 |
| 5 | 9月1日 | 10月15日 | Y＝-0.00455*X+2.16364 |
| 6 | 10月16日 | 12月31日 | 0.5 |
S3、获取降水量。所述降水量通过省级格点预报产品获得。
S4、计算潜在蒸散量。所述潜在蒸散量的计算公式为：
潜在蒸散量＝ABS((0.408*饱和水汽压曲线斜率*(Rn净辐射-0)+干湿表常数*(900/(Tmean平均气温+273)*u2*(饱和水汽压/10-日平均水汽压/10)))/(饱和水汽压曲线斜率+干湿表常数*(1+0.32*u2)))，其中，ABS(·)为对·取绝对值。
具体地，所述潜在蒸散量计算公式中的具体参数通过以下公式确定：
(1)干湿表常数＝101.3*((293-0.0065*海拔)/293)^5.26*0.000665
(2)太阳偏磁角＝0.408*SIN(2*3.1415926*日序数/365-1.39)
(3)日地平均距离＝1+0.033*COS(2*3.1415926/365*日序数)
(4)日出时角＝ACOS(-TAN(纬度/180*3.1415926)*TAN(太阳偏磁角))
(5)Ra净辐射＝24*60/3.1415926*0.082*日地平均距离*(日出时角*SIN(纬度/180*3.1415926)*SIN(太阳偏磁角)+COS(纬度/180*3.1415926)*COS(太阳偏磁角)*SIN(日出时角))
(6)日出时角(弧度)＝日出时角/3.1415926*180
(7)可能日照时数＝日出时角(弧度)/180*24
(8)饱和水汽压曲线斜率＝4098*(0.6108*EXP(17.27*日平均气温/(日平均气温+237.3)))/(日平均气温+237.3)^2
(9)Rs太阳辐射＝(0.25+0.5*日日照时数/可能日照时数)*Ra净辐射
(10)Rns太阳净辐射＝(1-0.23)*Rs太阳辐射
(11)Rso晴空辐射＝(0.75+0.00002*海拔)*Ra净辐射
(12)Rnl长波辐射＝0.000000004903*((日最高气温+273.16)^4+(日最低气温+273.16)^4)/2*(0.34-0.14*SQRT(日平均水汽压/10))*(1.35*Rs太阳辐射/Rso晴空辐射-0.35)
(13)Rn净辐射＝Rso晴空辐射-Rnl长波辐射
(14)Tmean平均气温＝(日最高气温+日最低气温)/2
(15)es(Tmin)＝0.6108*EXP(17.27*日最低气温/(日最低气温+237.3))*10
(16)es(Tmax)＝0.6108*EXP(17.27*日最高气温/(日最高气温+237.3))*10
(17)饱和水汽压es＝(es(Tmin)+es(Tmax))/2
(18)日平均水汽压＝相对湿度*饱和水汽压
(19)u2＝定时风速*4.87/LN(67.8*10-5.42)
(20)日照时数＝(1-云量)*可能日照时数
具体地，所述日序数通过表3获得：
表3日序数
注：若为闰年，则3月1日起日序数每日加一天。
具体地，计算潜在蒸散量所需的所需的纬度、海拔数据从CIMISS及数字高程地图上获得，所需的日平均气温(72小时内逐3小时温度)、日最高气温(72小时内逐24小时最高温度)、日最低气温(72小时内逐24小时最低温度)、日降水量(72小时内逐3小时降水预报)、定时风速(72小时内逐3小时UV风)、相对湿度(72小时内逐3小时相对湿度)和云量(72小时内逐3小时云量预报)从省级网格预报产品获得。
S5、基于所述预报日期前一天土壤储水量、分时段分类型作物系数、降水量、潜在蒸散量，计算预报当日土壤储水量。所述预报当日土壤储水量的计算公式为：
其中，ΔWi为预报当日土壤储水量，ΔWi-1为预报日期前一天土壤储水量，n为预报天数的最大值，i为预报当日日期，i∈1,2,…n，bi为分时段分类型作物系数，为无量纲值，ETi为潜在蒸散量，Pi为降水量。
S6、基于所述预报当日土壤储水量，计算相对土壤含水量。所述相对土壤含水量的计算公式为：
其中，ΔWS为相对土壤含水量，ΔWi为预报当日土壤储水量，h为土层深度，p为土壤容重。土层深度h为20cm，土壤容重p为1.43g/cm3。
S7、基于所述相对土壤含水量确定干旱等级；所述干旱等级具体包括：特旱、重旱、中旱、轻旱以及无旱。
具体地，基于所述相对土壤含水量确定干旱等级具体包括：获取预测点当前位置分区号，基于所述相对土壤含水量、所述预测点当前位置分区号以及预测点当前位置分区土壤墒情等级划分判断标准确定干旱等级。
具体地，所述获取预测点当前位置区号，从作物生长季和不同季节NDWI(归一化植被水分指数)、VCI(植被状况指数)与0-20cm土壤重量含水率(WS)的相关性分布图看，同一指数在不同时间段、不同地区与WS(土壤重量含水率)的相关性差异较大，因此可以根据气候、土壤及植被等因素对农田与草地进行分区研究，以青海省为例，所述地理分区及分区号如表4所示：
表4地理分区结果
注1：分区号按各区常年干旱状况降序排序。
注2：代表站点指青海省气象局生态环境监测***的地面站点。
具体地，将相对土壤含水量ΔWS转化为百分数。使用百分位法(2％、5％、15％、30％)确定各干旱等级出现的概率，得到各分区各土壤干旱等级的0～20cm相对土壤重量含水率阈值，以划分各干旱等级。以青海为例，各地理分区的土壤墒情等级划分判断标准如表5所示：
表5各地理分区的土壤墒情等级划分判断标准
注：ΔWS为0cm-20cm相对土壤重量含水率，单位为％。
具体地，可设置干旱预测时间段为未来10天，通过计算得到未来十天全省农作物和草地植被土壤储水量ΔWi，确定未来十天全省农作物和草地植被相对土壤含水量ΔWS，结合表4、表5各地理分区的土壤墒情等级划分判断标准，综合判断得到未来10天全省干旱预测结果。
本发明还提供了一种农田与草地干旱预警***，所述预警***包括：预报日期前一天土壤储水量获取模块1、分时段分类型作物系数获取模块2、降水量获取模块3、潜在蒸散量计算模块4、预报当日土壤储水量计算模块5、相对土壤含水量计算模块6以及干旱等级确定模块7。
所述预报日期前一天土壤储水量获取模块1用于获取预报日期前一天土壤储水量。
所述分时段分类型作物系数获取模块2用于获取分时段分类型作物系数。
所述降水量获取模块3用于获取降水量。
所述潜在蒸散量计算模块4用于计算潜在蒸散量，具体采用以下公式：
潜在蒸散量＝ABS((0.408*饱和水汽压曲线斜率*(Rn净辐射-0)+干湿表常数*(900/(Tmean平均气温+273)*u2*(饱和水汽压/10-日平均水汽压/10)))/(饱和水汽压曲线斜率+干湿表常数*(1+0.32*u2)))，其中，ABS(·)为对·取绝对值。
所述预报当日土壤储水量计算模块5，与所述预报日期前一天土壤储水量获取模块1、所述分时段分类型作物系数获取模块2、所述降水量获取模块3以及所述潜在蒸散量计算模块4连接，用于基于所述预报日期前一天土壤储水量、分时段分类型作物系数、降水量、潜在蒸散量，计算预报当日土壤储水量，所述预报当日土壤储水量计算模块5，具体采用以下公式：
其中，ΔWi为预报当日土壤储水量，ΔWi-1为预报日期前一天土壤储水量，n为预报天数的最大值，i为预报当日日期，i∈1,2,…n，bi为分时段分类型作物系数，为无量纲值，ETi为潜在蒸散量，Pi为降水量。
所述相对土壤含水量计算模块6，与所述预报当日土壤储水量确定模块连接，用于基于所述预报当日土壤储水量计算相对土壤含水量，所述相对土壤含水量的计算公式为：
其中，ΔWS为相对土壤含水量，ΔWi为预报当日土壤储水量，h为土层深度，p为土壤容重。
所述干旱等级确定模块7，与所述相对土壤含水量确定模块连接，用于基于所述相对土壤含水量确定干旱等级；所述干旱等级具体包括：特旱、重旱、中旱、轻旱以及无旱。
本发明提供的一种农田与草地干旱预警方法及***依据天地一体化的多源数据，以农作物和牧草干旱预警为核心，采用“多源数据融合、地理分区确定、作物需水量把控、等级阈值厘定、精细预报预警模型构建”的方法，采用“水量平衡法”的靶向方法，实现遥感和地面干旱监测数据同化与融合，建立了基于作物需水量的青海省干旱评估分级指标，有效提升应对干旱的防灾减灾能力。本发明及***可明显提高青海省干旱预警能力，适合于青海省省情、多部门参与协作的防灾减灾技术体系，建立一套集灾前防范、灾中监测、灾后自救于一体的自动化程度较高的防灾减灾综合决策***，整合气象、民政、测绘部门技术和数据优势资源，形成灾害预警与防灾救灾的快速应急响应与部门联动机制，最大程度地减轻灾害损失。本发明将进一步提升青海省干旱灾害的监测、预警能力，将对干旱重大气象灾害的防御起到积极示范作用。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种农田与草地干旱预警方法，其特征在于，所述预警方法包括：
获取预报日期前一天土壤储水量；
获取分时段分类型作物系数；
获取降水量；
计算潜在蒸散量；
基于所述预报日期前一天土壤储水量、分时段分类型作物系数、降水量、潜在蒸散量，计算预报当日土壤储水量；
基于所述预报当日土壤储水量，计算相对土壤含水量；
基于所述相对土壤含水量确定干旱等级；所述干旱等级具体包括：特旱、重旱、中旱、轻旱以及无旱。
2.根据权利要求1所述的一种农田与草地干旱预警方法，其特征在于，所述预报日期前一天土壤储水量通过遥感监测获得。
3.根据权利要求1所述的一种农田与草地干旱预警方法，其特征在于，所述降水量通过省级格点预报产品获得。
4.根据权利要求1所述的一种农田与草地干旱预警方法，其特征在于，所述潜在蒸散量的计算公式为：
潜在蒸散量＝ABS((0.408*饱和水汽压曲线斜率*(Rn净辐射-0)+干湿表常数*(900/(Tmean平均气温+273)*u2*(饱和水汽压/10-日平均水汽压/10)))/(饱和水汽压曲线斜率+干湿表常数*(1+0.32*u2)))，其中，ABS(·)为对·取绝对值。
5.根据权利要求1所述的一种农田与草地干旱预警方法，其特征在于，所述预报当日土壤储水量的计算公式为：
其中，ΔWi为预报当日土壤储水量，ΔWi-1为预报日期前一天土壤储水量，n为预报天数的最大值，i为预报当日日期，i∈1,2,…n，bi为分时段分类型作物系数，为无量纲值，ETi为潜在蒸散量，Pi为降水量。
6.根据权利要求1所述的一种农田与草地干旱预警方法，其特征在于，所述相对土壤含水量的计算公式为：
其中，ΔWS为相对土壤含水量，ΔWi为预报当日土壤储水量，h为土层深度，p为土壤容重。
7.根据权利要求1所述的一种农田与草地干旱预警方法，其特征在于，基于所述相对土壤含水量确定干旱等级，具体包括：
获取预测点当前位置分区号；
基于所述相对土壤含水量、所述预测点当前位置分区号以及预测点当前位置分区土壤墒情等级划分判断标准确定干旱等级。
8.一种农田与草地干旱预警***，其特征在于，所述预警***包括：
预报日期前一天土壤储水量获取模块，用于获取预报日期前一天土壤储水量；
分时段分类型作物系数获取模块，用于获取分时段分类型作物系数；
降水量获取模块，用于获取降水量；
潜在蒸散量计算模块，用于计算潜在蒸散量；
预报当日土壤储水量计算模块，与所述预报日期前一天土壤储水量获取模块、所述分时段分类型作物系数获取模块、所述降水量获取模块以及所述潜在蒸散量计算模块连接，用于基于所述预报日期前一天土壤储水量、分时段分类型作物系数、降水量、潜在蒸散量，计算预报当日土壤储水量；
相对土壤含水量计算模块，与所述预报当日土壤储水量确定模块连接，用于基于所述预报当日土壤储水量计算相对土壤含水量；
干旱等级确定模块，与所述相对土壤含水量确定模块连接，用于基于所述相对土壤含水量确定干旱等级；所述干旱等级具体包括：特旱、重旱、中旱、轻旱以及无旱。
9.根据权利要求8所述的一种农田与草地干旱预警***，其特征在于，所述潜在蒸散量计算模块，用于计算潜在蒸散量，具体采用以下公式：
潜在蒸散量＝ABS((0.408*饱和水汽压曲线斜率*(Rn净辐射-0)+干湿表常数*(900/(Tmean平均气温+273)*u2*(饱和水汽压/10-日平均水汽压/10)))/(饱和水汽压曲线斜率+干湿表常数*(1+0.32*u2)))，其中，ABS(·)为对·取绝对值。
10.根据权利要求7所述的一种农田与草地干旱预警***，其特征在于，所述预报当日土壤储水量计算模块，具体采用以下公式：
其中，ΔWi为预报当日土壤储水量，ΔWi-1为预报日期前一天土壤储水量，n为预报天数的最大值，i为预报当日日期，i∈1,2,…n，bi为分时段分类型作物系数，为无量纲值，ETi为潜在蒸散量，Pi为降水量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210401520.8A CN114819317A (zh) | 2022-04-18 | 2022-04-18 | 一种农田与草地干旱预警方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210401520.8A CN114819317A (zh) | 2022-04-18 | 2022-04-18 | 一种农田与草地干旱预警方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114819317A true CN114819317A (zh) | 2022-07-29 |
Family
ID=82537351
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210401520.8A Pending CN114819317A (zh) | 2022-04-18 | 2022-04-18 | 一种农田与草地干旱预警方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114819317A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160057911A (ko) * | 2014-11-14 | 2016-05-24 | 사단법인 한국농림기상학회 | 농업가뭄지수 도출 시스템 및 이를 이용한 농업가뭄지수 도출 방법 |
| CN110727900A (zh) * | 2019-09-20 | 2020-01-24 | 中国科学院遥感与数字地球研究所 | 一种流域植被干旱发生遥感预警与缺水估算方法 |
| CN113361742A (zh) * | 2020-12-28 | 2021-09-07 | 中国长江三峡集团有限公司 | 一种基于水文模拟的区域综合干旱识别方法 |
| CN113406305A (zh) * | 2021-06-29 | 2021-09-17 | 吉林大学 | 一种农业干旱监测指数确定方法及*** |
-
2022
- 2022-04-18 CN CN202210401520.8A patent/CN114819317A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160057911A (ko) * | 2014-11-14 | 2016-05-24 | 사단법인 한국농림기상학회 | 농업가뭄지수 도출 시스템 및 이를 이용한 농업가뭄지수 도출 방법 |
| CN110727900A (zh) * | 2019-09-20 | 2020-01-24 | 中国科学院遥感与数字地球研究所 | 一种流域植被干旱发生遥感预警与缺水估算方法 |
| CN113361742A (zh) * | 2020-12-28 | 2021-09-07 | 中国长江三峡集团有限公司 | 一种基于水文模拟的区域综合干旱识别方法 |
| CN113406305A (zh) * | 2021-06-29 | 2021-09-17 | 吉林大学 | 一种农业干旱监测指数确定方法及*** |
Non-Patent Citations (2)
| Title |
|---|
| 刘玲等: "北方草地干旱指标", 《自然灾害学报》, vol. 15, no. 6, 30 December 2006 (2006-12-30), pages 270 - 275 * |
| 马建琴等: "北方灌区水资源节水高效智能管理关键技术研究", vol. 1, 30 September 2018, 黄河水利出版社, pages: 94 - 95 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Response of vegetation to different time-scales drought across China: Spatiotemporal patterns, causes and implications | |
| Beyrich et al. | Evaporation over a heterogeneous land surface: EVA_GRIPS and the LITFASS-2003 experiment—an overview | |
| Zhang et al. | Characteristics of dew formation and distribution, and its contribution to the surface water budget in a semi-arid region in China | |
| Drexler et al. | Evapotranspiration rates and crop coefficients for a restored marsh in the Sacramento–San Joaquin Delta, California, USA | |
| Lenters et al. | Seasonal energy and water balance of a Phragmites australis-dominated wetland in the Republican River basin of south-central Nebraska (USA) | |
| Chikoore et al. | South African drought, deconstructed | |
| Wang et al. | Long-term relative decline in evapotranspiration with increasing runoff on fractional land surfaces | |
| Attarod et al. | Sensitivity of Reference Evapotranspiration to Glob al Warming in the Caspian Region, North of Iran | |
| Mo et al. | The modified Palmer drought severity index based on the NCEP North American Regional Reanalysis | |
| Olejnik et al. | A model for heat and water balance estimation and its application to land use and climate variation | |
| Osorio et al. | Influence of potential evapotranspiration on the water balance of sugarcane fields in Maui, Hawaii | |
| Margaryan et al. | Dynamics of changes in long-term average annual river runoff in the lake Sevan basin | |
| Ramírez et al. | Can water responses in Stipa tenacissima L. during the summer season be promoted by non-rainfall water gains in soil? | |
| Jaswal et al. | Climate variability in Dharamsala-a hill station in western Himalayas | |
| Girma | Potential impact of climate and land use changes on the water resources of the Upper Blue Nile Basin | |
| Li et al. | Effect of human disturbances and hydrologic elements on the distribution of plant diversity within the Shamu watershed, Mt. Yuntai Nature Reserve, China | |
| Tillman et al. | A simple method for estimating basin-scale groundwater discharge by vegetation in the basin and range province of Arizona using remote sensing information and geographic information systems | |
| Djaman et al. | Spatial and temporal trend in monthly and annual reference evapotranspiration in Madagascar for the 1980–2010 period | |
| Isikwue et al. | Correlation of evapotranspiration with climatic parameters in some selected cities in Nigeria | |
| Arku et al. | Determination of water requirement and irrigation timing for Amaranthus hybridus in Maiduguri metropolis, north-eastern Nigeria | |
| CN114819317A (zh) | 一种农田与草地干旱预警方法及*** | |
| Brown | Quantifying bottomland hardwood forest and agricultural grassland evapotranspiration in floodplain reaches of a mid Missouri stream | |
| Ensafi Moghaddam et al. | An estimation of Thornthwaite monthly water-balance in Mighan sub-basin | |
| Ahaneku | Comparisons of measured empirical potential evapotranspiration in Ilorin, Nigeria | |
| Amin et al. | Determining satellite-based evapotranspiration product and identifying relationship with other observed data in Punjab, Pakistan |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |