不同气候区参考作物蒸散量时间尺度特征分析及预测
发布时间：2022-12-21 22:55
参考作物蒸散量是表征大气蒸散能力的一个重要指标,是作物需水量研究的重要组成部分。明晰ET0时间序列尺度效应、周期性特征,可为精确预测参考作物蒸散量未来的变化趋势提供重要理论依据,对农作物种植结构调整、区划与布局具有指导意义,进而实现区域农业水资源可持续利用的目的。本文选取我国四大气候区温带季风、温带大陆、亚热带季风和高原山地气候区,采用1960~2017年ET0时间序列数据,基于多重分形、小波分析及云模型理论,进行了ET0时间序列非线性分析、周期性分析及构建云推理预测模型。取得主要结果如下:（1）基于数理统计特征和多重分形谱,解析了参考作物蒸散量时间序列的时间尺度特征。4个气候区年、季、月尺度ET0时间序列均具有多重分形特征,ET0时间序列呈现不规则高频振荡且为不完全随机分布。月尺度呈现长程相关性与短距离变异,年尺度变异过程表现为反持续性特征与长距离变异。（2）采用Morlet小波系数实部等值线图、小波方差图和特征时间小波系数实部过程线,表征4个气候区年、季、月ET0...
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
SUMMARY
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究进展
1.2.1 时间序列非线性特征与尺度规律
1.2.2 蒸散发周期性特征
1.2.3 蒸散发预测方法研究进展
1.3 研究内容
1.4 技术路线
第二章 研究区概况及方法
2.1 研究区基本概况
2.1.1 研究区域地理位置介绍
2.1.2 研究区域气候特点
2.2 数据来源及处理
2.3 研究方法
2.3.1 参考作物蒸散量的计算方法
2.3.2 数理统计特征值
2.3.3 多重分形消除趋势波动分析(MF-DFA)
2.3.4 小波周期分析
2.3.5 云模型预测
第三章 ET_0时间序列尺度特征
3.1 不同气候区ET_0时间序列统计特征值
3.1.1 年尺度统计特征值
3.1.2 季尺度统计特征值
3.1.3 月尺度统计特征值
3.2 ET_0 时间序列广义Hurst指数变化特征
3.3 不同气候区ET_0时间序列多重分形特征
3.3.1 年尺度ET_0时间序列分形特征
3.3.2 季尺度ET_0时间序列分形特征
3.3.3 月尺度ET_0时间序列分形特征
3.4 讨论
3.5 小结
第四章 ET_0时间序列周期特征
4.1 ET_0时间序列时频特征
4.1.1 年尺度时频特征
4.1.2 季尺度时频特征
4.1.3 月尺度时频特征
4.2 ET_0时间序列主要周期特征
4.2.1 不同气候区年尺度主要周期特征
4.2.2 不同气候区季尺度主要周期特征
4.2.3 不同气候区月尺度主要周期特征
4.3 讨论
4.4 小结
第五章 不同气候区ET_0时间序列预测分析
5.1 不同时间尺度ET_0云模型数字特征
5.1.1 年尺度ET_0云模型数字特征
5.1.2 季尺度ET_0云模型数字特征
5.1.3 月尺度ET_0云模型数字特征
5.2 单条件单规则云推理预测
5.2.1 年尺度预测模型
5.2.2 季尺度预测模型
5.2.3 月尺度预测模型
5.3 单条件多规则云推理预测
5.3.1 年尺度预测模型
5.3.2 季尺度预测模型
5.3.3 月尺度预测模型
5.4 讨论
5.5 小结
第六章 结论与展望
6.1 结论
6.2 展望
参考文献
致谢
作者简介
在读期间发表论文和研究成果等
导师简介
项目资助
【参考文献】：
期刊论文
[1]1960―2013年艾比湖绿洲湿地潜在蒸散量及地表湿润度变化特征分析[J]. 张钧泳,丁建丽,谭娇,陈文倩,武鹏飞. 冰川冻土. 2019(04)
[2]多元自适应回归样条算法模拟川中丘陵区参考作物蒸散量[J]. 陈宣全,崔宁博,李继平,徐浩若,刘双美,麻泽龙,乐进华,王军. 农业工程学报. 2019(16)
[3]1961-2016年新疆哈密参考作物蒸散量变化与成因分析[J]. 张志高,蔡茂堂,苗运玲,郑美洁,耿益新,姬曼琪. 自然灾害学报. 2019(04)
[4]基于温度的参考作物蒸散量计算方法的适用性评价[J]. 刘倩,张方敏,李威鹏,杨雷刚,景元书. 气象与环境科学. 2019(02)
[5]水文序列相依变异识别的RIC定阶准则——以自回归模型为例[J]. 李雅晴,谢平,桑燕芳,陈杰,赵羽西,吴林倩. 水利学报. 2019(06)
[6]华山地区降水特征分析与年降水量预测[J]. 屈文岗,徐盼盼,钱会. 水土保持研究. 2019(03)
[7]4种人工智能模型在江西省参考作物蒸散量计算中的适用性[J]. 刘小华,魏炳乾,吴立峰,杨坡. 排灌机械工程学报. 2020(01)
[8]基于去趋势分析的中国温带旱柳开花始期对气候变暖的响应[J]. 周孝煌,郑彦佳,徐琳,张煦庭,魏培. 中国农业气象. 2018(09)
[9]国内外河流(网)非线性动力系统防灾分形理论研究综述[J]. 田福昌,苑希民,王秀杰,耿庆柱. 水利学报. 2018(08)
[10]阿勒泰地区不同时间尺度参考作物蒸散量的时空变化及影响[J]. 康丽娟,巴特尔·巴克,罗那那,薛亚荣,王孟辉. 中国农业气象. 2018(08)
博士论文
[1]黄河中游水沙过程演变及水文非线性分析与模拟[D]. 张建军.中国科学院研究生院(教育部水土保持与生态环境研究中心) 2016
[2]中国典型流域实际蒸散发的时空变异研究[D]. 李修仓.南京信息工程大学 2013
[3]河川径流时间序列的分形特征研究[D]. 燕爱玲.西安理工大学 2007
[4]非线性多步预测与优化方法及其在水文预报中的应用[D]. 谢景新.大连理工大学 2006
[5]基于非线性动力学的金融时间序列预测技术研究[D]. 卢山.东南大学 2006
[6]水文非线性时间序列分析的自记忆模型研究[D]. 李荣峰.西安理工大学 2005
硕士论文
[1]渭河流域水文气象要素演变特征及径流演变归因分析[D]. 李烁阳.内蒙古农业大学 2019
[2]安徽省汛期降水特征分析[D]. 王雅燕.合肥工业大学 2019
[3]基于小波分析的安徽省降水特征分析及预测[D]. 陈沪生.合肥工业大学 2019
[4]气候变化对中国森林生态系统水分利用效率的影响研究[D]. 江姗珊.南京林业大学 2018
[5]中国陆地蒸散发时空变化研究[D]. 孙爽.兰州大学 2017
[6]毛乌素沙地气候变化对参考作物蒸散量的影响[D]. 张洁林.中国地质大学(北京) 2016
[7]重庆市参考作物蒸散量及地表湿润指数时空分布规律研究[D]. 徐羽.西南大学 2015
[8]基于灰色神经网络的年降水量组合预测模型研究[D]. 郭宝丽.重庆大学 2014
[9]气候变暖背景下中国气候区划的变化[D]. 刘静.中国气象科学研究院 2014
[10]基于神经网络的非线性系统时间序列的预测方法研究[D]. 牛家洋.山东师范大学 2013
本文编号：3722930
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
SUMMARY
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究进展
1.2.1 时间序列非线性特征与尺度规律
1.2.2 蒸散发周期性特征
1.2.3 蒸散发预测方法研究进展
1.3 研究内容
1.4 技术路线
第二章 研究区概况及方法
2.1 研究区基本概况
2.1.1 研究区域地理位置介绍
2.1.2 研究区域气候特点
2.2 数据来源及处理
2.3 研究方法
2.3.1 参考作物蒸散量的计算方法
2.3.2 数理统计特征值
2.3.3 多重分形消除趋势波动分析(MF-DFA)
2.3.4 小波周期分析
2.3.5 云模型预测
第三章 ET_0时间序列尺度特征
3.1 不同气候区ET_0时间序列统计特征值
3.1.1 年尺度统计特征值
3.1.2 季尺度统计特征值
3.1.3 月尺度统计特征值
3.2 ET_0 时间序列广义Hurst指数变化特征
3.3 不同气候区ET_0时间序列多重分形特征
3.3.1 年尺度ET_0时间序列分形特征
3.3.2 季尺度ET_0时间序列分形特征
3.3.3 月尺度ET_0时间序列分形特征
3.4 讨论
3.5 小结
第四章 ET_0时间序列周期特征
4.1 ET_0时间序列时频特征
4.1.1 年尺度时频特征
4.1.2 季尺度时频特征
4.1.3 月尺度时频特征
4.2 ET_0时间序列主要周期特征
4.2.1 不同气候区年尺度主要周期特征
4.2.2 不同气候区季尺度主要周期特征
4.2.3 不同气候区月尺度主要周期特征
4.3 讨论
4.4 小结
第五章 不同气候区ET_0时间序列预测分析
5.1 不同时间尺度ET_0云模型数字特征
5.1.1 年尺度ET_0云模型数字特征
5.1.2 季尺度ET_0云模型数字特征
5.1.3 月尺度ET_0云模型数字特征
5.2 单条件单规则云推理预测
5.2.1 年尺度预测模型
5.2.2 季尺度预测模型
5.2.3 月尺度预测模型
5.3 单条件多规则云推理预测
5.3.1 年尺度预测模型
5.3.2 季尺度预测模型
5.3.3 月尺度预测模型
5.4 讨论
5.5 小结
第六章 结论与展望
6.1 结论
6.2 展望
参考文献
致谢
作者简介
在读期间发表论文和研究成果等
导师简介
项目资助
【参考文献】：
期刊论文
[1]1960―2013年艾比湖绿洲湿地潜在蒸散量及地表湿润度变化特征分析[J]. 张钧泳,丁建丽,谭娇,陈文倩,武鹏飞. 冰川冻土. 2019(04)
[2]多元自适应回归样条算法模拟川中丘陵区参考作物蒸散量[J]. 陈宣全,崔宁博,李继平,徐浩若,刘双美,麻泽龙,乐进华,王军. 农业工程学报. 2019(16)
[3]1961-2016年新疆哈密参考作物蒸散量变化与成因分析[J]. 张志高,蔡茂堂,苗运玲,郑美洁,耿益新,姬曼琪. 自然灾害学报. 2019(04)
[4]基于温度的参考作物蒸散量计算方法的适用性评价[J]. 刘倩,张方敏,李威鹏,杨雷刚,景元书. 气象与环境科学. 2019(02)
[5]水文序列相依变异识别的RIC定阶准则——以自回归模型为例[J]. 李雅晴,谢平,桑燕芳,陈杰,赵羽西,吴林倩. 水利学报. 2019(06)
[6]华山地区降水特征分析与年降水量预测[J]. 屈文岗,徐盼盼,钱会. 水土保持研究. 2019(03)
[7]4种人工智能模型在江西省参考作物蒸散量计算中的适用性[J]. 刘小华,魏炳乾,吴立峰,杨坡. 排灌机械工程学报. 2020(01)
[8]基于去趋势分析的中国温带旱柳开花始期对气候变暖的响应[J]. 周孝煌,郑彦佳,徐琳,张煦庭,魏培. 中国农业气象. 2018(09)
[9]国内外河流(网)非线性动力系统防灾分形理论研究综述[J]. 田福昌,苑希民,王秀杰,耿庆柱. 水利学报. 2018(08)
[10]阿勒泰地区不同时间尺度参考作物蒸散量的时空变化及影响[J]. 康丽娟,巴特尔·巴克,罗那那,薛亚荣,王孟辉. 中国农业气象. 2018(08)
博士论文
[1]黄河中游水沙过程演变及水文非线性分析与模拟[D]. 张建军.中国科学院研究生院(教育部水土保持与生态环境研究中心) 2016
[2]中国典型流域实际蒸散发的时空变异研究[D]. 李修仓.南京信息工程大学 2013
[3]河川径流时间序列的分形特征研究[D]. 燕爱玲.西安理工大学 2007
[4]非线性多步预测与优化方法及其在水文预报中的应用[D]. 谢景新.大连理工大学 2006
[5]基于非线性动力学的金融时间序列预测技术研究[D]. 卢山.东南大学 2006
[6]水文非线性时间序列分析的自记忆模型研究[D]. 李荣峰.西安理工大学 2005
硕士论文
[1]渭河流域水文气象要素演变特征及径流演变归因分析[D]. 李烁阳.内蒙古农业大学 2019
[2]安徽省汛期降水特征分析[D]. 王雅燕.合肥工业大学 2019
[3]基于小波分析的安徽省降水特征分析及预测[D]. 陈沪生.合肥工业大学 2019
[4]气候变化对中国森林生态系统水分利用效率的影响研究[D]. 江姗珊.南京林业大学 2018
[5]中国陆地蒸散发时空变化研究[D]. 孙爽.兰州大学 2017
[6]毛乌素沙地气候变化对参考作物蒸散量的影响[D]. 张洁林.中国地质大学(北京) 2016
[7]重庆市参考作物蒸散量及地表湿润指数时空分布规律研究[D]. 徐羽.西南大学 2015
[8]基于灰色神经网络的年降水量组合预测模型研究[D]. 郭宝丽.重庆大学 2014
[9]气候变暖背景下中国气候区划的变化[D]. 刘静.中国气象科学研究院 2014
[10]基于神经网络的非线性系统时间序列的预测方法研究[D]. 牛家洋.山东师范大学 2013
本文编号：3722930
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/3722930.html
教材专著