基于Copula函数的千米尺度综合干旱指数构建与应用——以重庆市为例

doi:10.6046/zrzyyg.2023097

摘要
图/表
参考文献
相关文章
Metrics

全文: PDF(6395 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

干旱是影响农业生产最大的自然灾害之一,开发综合干旱指数对于评估干旱具有现实意义。该文耦合XGBoost算法降尺度后的土壤水分和降水Z指数数据,在空间上以重庆市行政区县边界分区,时间上以旬为单位分段,基于Copula函数构建千米尺度网格化的综合干旱指数(meteorology-agriculture composite standardized dranght index,CSDI_M-A),评估干旱的时空特征。结果表明,降尺度提高了遥感产品的空间连续性,为后续构建千米尺度的CSDI_M-A提供支持; 广义极值分布和t位置尺度分布分别适用于拟合重庆市大多数区县土壤水分和降水变量数据分布,Frank-copula函数适用于拟合旬尺度下二元变量的联合分布; 基于土壤墒情数据验证构建的CSDI_M-A比降水Z指数能更好地反映干旱信息,基于各区县得到CSDI_M-A的空间分布与实际旱情资料相符,说明所构建的CSDI_M-A可为干旱评估提供参考。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	杨辰飞
	吴田军
	王长鹏
	杨丽娟
	骆剑承
	张新

关键词 ：干旱, 土壤水分, 降水Z指数, 降尺度, 综合干旱指数

Abstract：

Drought is identified as one type of the most serious natural disasters affecting agricultural production, and developing a comprehensive drought index holds practical significance for the assessment of drought in various districts and counties in Chongqing. By coupling the soil moisture and precipitation Z-index data downscaled using the XGBoost algorithm and using the Copula function, this study developed a gridded comprehensive drought index CSDIM-A on a kilometer scale with the boundaries of various districts and counties of Chongqing as the spatial division criteria and decades of a month as time units. Using this index, this study assessed the spatiotemporal characteristics of drought and performed an experimental demonstration of the index using Chongqing as the study area. The results indicate that the downscaling enhanced the spatial continuity of remote sensing-based products, thus providing support for the subsequent construction of a comprehensive drought index on a kilometer scale. The generalized extreme value distribution and the t location-scale distribution applied to the fitting of the data distributions of soil moisture and precipitation in most districts and counties of Chongqing, respectively, while the Frank-copula function suited for the fitting of the joint distribution of binary variables on a scale of a month decade. As validated based on soil moisture content, CSDI_M-A can more effectively reflect drought than the precipitation Z-index, with its spatial distribution in various districts and counties consistent with the actual drought data. This indicates that the CSDI_M-A can be used as a reference for drought assessment.

Key words： drought soil moisture precipitation Z-index downscaling comprehensive drought index

收稿日期: 2023-04-18 出版日期: 2024-09-03

ZTFLH:

TP753

基金资助:内蒙古自治区科技重大专项项目“现代牧区草地高效生产与家畜优化利用技术研发与示范”(2021ZD0045);国家自然科学基金项目“地块作物生长的光学与SAR遥感同步观测响应机制研究”(42071316);国家重点研发计划项目“地理空间智能核心技术与软件系统”(2021YFB3900905);第三次新疆综合科学考察项目“新疆遥感动态监测系统及时序信息反演”(2021xjkk1400);国家自然科学基金项目“贝叶斯低秩矩阵分解算法研究”(12001057);重庆市农业信息中心项目“农业产业数字化地图”(21C00346)

通讯作者: 吴田军(1986-),男,博士,副教授,研究方向为遥感智能计算与应用。Email: tjwu@chd.edu.cn。

作者简介: 杨辰飞(1998-),女,硕士研究生,研究方向为空间统计。Email: yang_chenfei@163.com。

引用本文:

杨辰飞, 吴田军, 王长鹏, 杨丽娟, 骆剑承, 张新. 基于Copula函数的千米尺度综合干旱指数构建与应用——以重庆市为例[J]. 自然资源遥感, 2024, 36(3): 117-127.
YANG Chenfei, WU Tianjun, WANG Changpeng, YANG Lijuan, LUO Jiancheng, ZHANG Xin. Construction and application of a comprehensive drought index based on Copula function on a kilometer scale: A case study of Chongqing, China. Remote Sensing for Natural Resources, 2024, 36(3): 117-127.

链接本文:

https://www.gtzyyg.com/CN/10.6046/zrzyyg.2023097 或 https://www.gtzyyg.com/CN/Y2024/V36/I3/117

Fig.1 研究区范围及高程

Fig.2 研究技术路线

Fig.3 土壤水分和降水Z指数降尺度流程

Copula类型		函数形式^①
Gaussian-copula	$p = C G a u s s i a n (u, v) = Φ 2 (Φ - 1 (u), Φ - 1 (v))$
t-copula	$p = C t (u, v) = T 2 (T - 1 (u), T - 1 (v))$
Gumbel-copula	$p = C G u m b e l (u, v) = e x p {- [(- l n u) θ + (- l n v) θ] 1 / θ}$
Clayton-copula	$p = C C l a y t o n (u, v) = (u - θ + v - θ - 1) - 1 / θ$
Frank-copula	$p = C F r a n k (u, v) = - 1 θ l n 1 + (e - θ u - 1) (e - θ v - 1) e - θ - 1$

Tab.1 二维Copula函数形式

Fig.4 2022年1月1日降尺度前后空间分布对比

Fig.5 土壤水分变量边缘分布K-S检验结果

Fig.6 降水变量边缘分布K-S检验结果

Fig.7 重庆市各区县Copula函数适用性

Fig.8 CSDI_M-A和降水Z指数与土壤墒情相关关系

Fig.9 广义极值分布拟合效果

Fig.10 二元Frank-copula分布函数

Fig.11 重庆市石柱县2022年7月中旬土壤水分、降水Z指数、CSDI_M-A指数空间分布

Fig.12 重庆市土壤水分、降水Z指数、CSDI_M-A指数空间分布

[1]	李忆平, 王劲松, 李耀辉. 2009/2010年中国西南区域性大旱的特征分析[J]. 干旱气象, 2015, 33(4):537-545. doi: 10.11755/j.issn.1006-7639(2015)-04-0537
	Li Y P, Wang J S, Li Y H. Characteristics of a regional meteorological drought event in southwestern China during 2009—2010[J]. Journal of Arid Meteorology, 2015, 33(4):537-545.
[2]	Wilhite D A, Glantz M H. Understanding the drought phenomenon:The role of definitions[J]. Planning for Drought:Toward a Reduction of Societal Vulnerability, 2019:11-27.
[3]	耿鸿江, 沈必成. 水文干旱的定义及其意义[J]. 干旱地区农业研究, 1992, 10(4):91-94.
	Geng H J, Shen B C. Definition and significance of hydrologic droughts[J]. Agricultural Research in the Arid Areas, 1992, 10(4):91-94.
[4]	Jiménez-Donaire M D P, Tarquis A, Giráldez J V. Evaluation of a combined drought indicator and its potential for agricultural drought prediction in southern Spain[J]. Natural Hazards and Earth System Sciences, 2020, 20(1):21-33.
[5]	朱悦璐, 张阳. 多变量综合干旱指数在渭河流域的应用[J]. 水资源与水工程学报, 2022, 33(1):31-38.
	Zhu Y L, Zhang Y. Application of multivariate comprehensive drought index in the Weihe River basin[J]. Journal of Water Resources and Water Engineering, 2022, 33(1):31-38.
[6]	玉院和. 基于多源遥感数据的云南省综合干旱监测模型研究[D]. 昆明: 云南师范大学, 2020.
	Yu Y H. Study of comprehensive drought monitoring model of Yunnan Province based on multi-source remote sensing data[D]. Kunming: Yunnan Normal University, 2020.
[7]	刘高鸣, 谢传节, 何天乐, 等. 基于多源数据的农业干旱监测模型构建[J]. 地球信息科学学报, 2019, 21(11):1811-1822. doi: 10.12082/dqxxkx.2019.180666
	Liu G M, Xie C J, He T L, et al. Agricultural drought monitoring model constructing based on multi-source data[J]. Journal of Geo-Information Science, 2019, 21(11):1811-1822.
[8]	吴志勇, 程丹丹, 何海, 等. 综合干旱指数研究进展[J]. 水资源保护, 2021, 37(1):36-45.
	Wu Z Y, Cheng D D, He H, et al. Research progress of composite drought index[J]. Water Resources Protection, 2021, 37(1):36-45.
[9]	Xu L, Chen N, Yang C, et al. A parametric multivariate drought index for drought monitoring and assessment under climate change[J]. Agricultural and Forest Meteorology, 2021, 310:108657.
[10]	李军, 吴旭树, 王兆礼, 等. 基于新型综合干旱指数的珠江流域未来干旱变化特征研究[J]. 水利学报, 2021, 52(4):486-497.
	Li J, Wu X S, Wang Z L, et al. Changes of drought characteristics in future in Pearl River basin describing by a new comprehensive standardized drought index[J]. Journal of Hydraulic Engineering, 2021, 52(4):486-497.
[11]	韩东, 王鹏新, 张悦, 等. 农业干旱卫星遥感监测与预测研究进展[J]. 智慧农业(中英文), 2021, 3(2):1-14.
	Han D, Wang P X, Zhang Y, et al. Progress of agricultural drought monitoring and forecasting using satellite remote sensing[J]. Smart Agriculture, 2021, 3(2):1-14. doi: 10.12133/j.smartag.2021.3.2.202104-SA002
[12]	吴泽棉, 邱建秀, 刘苏峡, 等. 基于土壤水分的农业干旱监测研究进展[J]. 地理科学进展, 2020, 39(10):1758-1769. doi: 10.18306/dlkxjz.2020.10.014
	Wu Z M, Qiu J X, Liu S X, et al. Advances in agricultural drought monitoring based on soil moisture[J]. Progress in Geography, 2020, 39(10):1758-1769. doi: 10.18306/dlkxjz.2020.10.014
[13]	杜瑞麒, 张智韬, 巨娟丽, 等. 基于波文比和降水的综合干旱指数的构建及应用[J]. 节水灌溉, 2020(8):63-71.
	Du R Q, Zhang Z T, Ju J L, et al. Construction and application of comprehensive drought index based on Bowen ratio and precipitation[J]. Water Saving Irrigation, 2020(8):63-71.
[14]	Sánchez N, González-Zamora A, Piles M, et al. A new soil moisture agricultural drought index (SMADI) integrating MODIS and SMOS products:A case of study over the Iberian peninsula[J]. Remote Sensing, 2016, 8(4):287.
[15]	吴喜之, 王兆军. 非参数统计方法[M]. 北京: 高等教育出版社, 1996.
	Wu X Z, Wang Z J. Nonparametric statistical method[M]. Beijing: Higher Education Press, 1996.
[16]	董留阳. 基于Copula函数模型和FDA方法的干旱指数的应用研究[D]. 重庆: 重庆大学, 2019.
	Dong L Y. Application of drought index based on Copula function model and FDA method[D]. Chongqing: Chongqing University, 2019.
[17]	Nelsen R B. An introduction to copulas[M]. Springer Science and Business Media, 2007.
[18]	谢正丰, 王冬梅, 张鹏, 等. 黄土高寒区小流域土壤水分空间变异与环境影响因子[J]. 水土保持学报, 2022, 36(4):196-203.
	Xie Z F, Wang D M, Zhang P, et al. Spatial variation of soil moisture and its environmental influencing factors in A small watershed in the loess alpine region[J]. Journal of Soil and Water Conservation, 2022, 36(4):196-203.
[19]	朱阿兴, 闾国年, 周成虎, 等. 地理相似性:地理学的第三定律?[J]. 地球信息科学学报, 2020, 22(4):673-679. doi: 10.12082/dqxxkx.2020.200069
	Zhu A X, Lyu G N, Zhou C H, et al. Geographic similarity:Third law of geography?[J]. Journal of Geo-Information Science, 2020, 22(4):673-679.
[20]	韩兰英, 张强, 马鹏里, 等. 中国西南地区农业干旱灾害风险空间特征[J]. 中国沙漠, 2015, 35(4):1015-1023. doi: 10.7522/j.issn.1000-694X.2014.00104
	Han L Y, Zhang Q, Ma P L, et al. Spatial characteristics of comprehensive risk of agricultural drought disaster in southwestern China[J]. Journal of Desert Research, 2015, 35(4):1015-1023. doi: 10.7522/j.issn.1000-694X.2014.00104
[21]	朱烨, 靳鑫桐, 刘懿, 等. 基于短时间尺度自适应帕尔默干旱指数的中国干旱演变特征分析[J]. 水资源保护, 2022, 38(4):124-130.
	Zhu Y, Jin X T, Liu Y, et al. Drought characteristics analysis in China based on self-calibrating Palmer drought severity index in a short time scale[J]. Water Resources Protection, 2022, 38(4):124-130.
[22]	江笑薇, 白建军, 刘宪峰. 基于多源信息的综合干旱监测研究进展与展望[J]. 地球科学进展, 2019, 34(3):275-287. doi: 10.11867/j.issn.1001-8166.2019.03.0275
	Jiang X W, Bai J J, Liu X F. Research progress and prospect of integrated drought monitoring based on multi-source information[J]. Advances in Earth Science, 2019, 34(3):275-287. doi: 10.11867/j.issn.1001-8166.2019.03.0275

[1]	颜佳楠, 陈虹, 张雨泽, 吴骅. 全天候逐时百米尺度地表温度重建方法[J]. 自然资源遥感, 2024, 36(3): 72-80.
[2]	刘园园, 马彩虹, 滑雨琪, 李聪慧, 杨航. 基于MSPA_P-MCR_F的干旱区层级生态网络构建与优化——以宁夏中卫市为例[J]. 自然资源遥感, 2024, 36(1): 67-76.
[3]	蒋瑞瑞, 甘甫平, 郭艺, 闫柏琨. 土壤水分多源卫星遥感联合反演研究进展[J]. 自然资源遥感, 2024, 36(1): 1-13.
[4]	李新同, 史岚, 陈多妍. 基于深度学习的闽浙赣GPM降水产品降尺度方法[J]. 自然资源遥感, 2023, 35(4): 105-113.
[5]	黄晓宇, 王雪梅, 卡吾恰提·白山. 基于Landsat8 OLI影像干旱区绿洲土壤含盐量反演[J]. 自然资源遥感, 2023, 35(1): 189-197.
[6]	戚曌, 谭炳香, 曹晓明, 于航, 沈明潭. 乌兰布和沙漠东北缘生态承载力时空动态分析[J]. 自然资源遥感, 2023, 35(1): 222-230.
[7]	李显风, 袁正国, 邓卫华, 杨立苑, 周雪莹, 胡丽丽. 融合多种机器学习模型的2 m气温空间降尺度方法[J]. 自然资源遥感, 2023, 35(1): 57-65.
[8]	张淑, 周忠发, 王玲玉, 陈全, 骆剑承, 赵馨. 多时相SAR的喀斯特山区耕地表层土壤水分反演[J]. 自然资源遥感, 2022, 34(3): 154-163.
[9]	覃纹, 黄秋燕, 覃志豪, 刘剑洪, 韦高杨. 广西糖料蔗种植区干旱遥感时空分析[J]. 自然资源遥感, 2022, 34(2): 261-270.
[10]	高琪, 王玉珍, 冯春晖, 马自强, 柳维扬, 彭杰, 季彦桢. 基于改进型光谱指数的荒漠土壤水分遥感反演[J]. 自然资源遥感, 2022, 34(1): 142-150.
[11]	秦大辉, 杨灵, 谌伦超, 段云飞, 贾宏亮, 李贞培, 马建琴. 基于多源数据的新疆干旱特征及干旱模型研究[J]. 自然资源遥感, 2022, 34(1): 151-157.
[12]	艾璐, 孙淑怡, 李书光, 马红章. 光学与SAR遥感协同反演土壤水分研究进展[J]. 自然资源遥感, 2021, 33(4): 10-18.
[13]	杜懿, 王大洋, 王大刚. GPM卫星降水产品空间降尺度研究——以贵州省为例[J]. 自然资源遥感, 2021, 33(4): 111-120.
[14]	范田亿, 张翔, 黄兵, 钱湛, 姜恒. 湘江流域TRMM卫星降水产品降尺度研究与应用[J]. 自然资源遥感, 2021, 33(4): 209-218.
[15]	朱瑜馨, 吴门新, 鲍艳松, 李鑫川, 张锦宗. FY-3D/MWRI L1B亮温LST反演与降尺度研究[J]. 自然资源遥感, 2021, 33(3): 27-35.

Viewed

Full text

Abstract

Cited

Shared

Discussed