【技术实现步骤摘要】
本专利技术属于干旱管理与应对，具体涉及一种基于方差分析的干旱预测过程不确定性的量化方法。
技术介绍
1、受复杂因素的影响，气候预测、干旱评估等都存在着一定的不确定性。干旱评估的不确定性主要源于气象数据的不确定性、干旱指数概率分布模型选择和参数估计方法的不确定性以及干旱特征提取方法的不确定性等方面。量化干旱预测过程中的不确定性是干旱评估研究中的重要环节。
2、受多种因素的影响，气候预测结果会存在较大的不确定性，目前已有少量研究开始关注、评价和量化这些不确定性对干旱评估结果的影响，但多是关注其对干旱指数的影响，缺少其对干旱特征(如历时、强度等)的影响分析。如何量化不确定性对干旱特征的影响是目前干旱评估中一个急需解决的问题。
技术实现思路
1、本专利技术的目的是提供一种基于方差分析的干旱预测过程不确定性的量化方法。解决了目前干旱预测中不确定性对干旱特征的影响的量化以及方法理论的完整度有待进一步提高的问题。
2、本专利技术所采用的技术方案是，
3、一种基于方差分析的干旱预测过程不确定性的量化方法，包括以下步骤：
4、步骤1：搜集研究区域一定时间跨度的历史降水，温度数据和不同排放情景下的gcm降水、温度数据，采用空间插值的方法处理降水、温度数据得到一定空间分辨率的网格化后的降水、温度数据；
5、步骤2：以步骤1的数据为基础，计算标准化降水指数(spi)和标准化降水蒸散发指数(spei)两个气象干旱指数，来表征干旱；
6、
7、步骤4：基于选择的gcm总数量进行系统抽样，得出选定数量的gcm抽样方案，以量化不同数量gcm模式组合的不确定性贡献度；
8、步骤5：使用方差分析法(anova法)，基于平均和最大干旱历时、峰值和烈度计算干旱指数、gcm模式以及未来排放情景三个影响因素及它们相互结合的影响在整体方差中的贡献度；
9、步骤6：使用固定长度滑动窗口法，选定窗口长度为m的滑动时间窗口，逐步计算每个时间窗口里的各项不确定性来源的贡献度，以观察干旱指数、gcm模式以及未来排放情景这三个因素对干旱预测结果产生的影响随时间的变化。
10、本专利技术的特点还在于，
11、步骤2中计算标准化降水指数(spi)具体为：使用gamma分布函数来计算降水数据对应的分布概率，然后对分布概率进行正态标准化处理得到标准化降水指数(spi)；计算标准化降水蒸散发指数(spei)具体为：计算潜在蒸散(pet)，然后计算逐月降水量与潜在蒸散量的差值，建立差值序列，再用三参数log-logistic分布对差值序列进行拟合，并求出概率分布函数，最后对序列进行标准正态化处理，得到标准化降水蒸散发指数(spei)。
12、步骤3中，使用游程理论提取的各干旱特征变量如下：
13、干旱历时：负游程的长度，表示一次干旱事件持续的时间。
14、干旱烈度：负游程的面积，表示一次干旱事件中干旱指数的累积值。
15、干旱峰值：负游程的极值，表示一次干旱事件中干旱指数的极小值。
16、步骤4中经抽样后，将根据选定的gcm数量生成种组合。且使用抽样后的组合进行计算。
17、其中，n为选择的gcm数量，m为总体的gcm数量。
18、步骤5中，假设干旱指数、gcm模式以及未来排放情景三个影响因素分别具有m，k和l个样本，那么这三个影响因素结合可以产生m×k×l个样本。为了体现各个影响因素，ym,k,l上标j，k和l用来表示干旱指数的第m个样本、gcm模式的第k个样本和未来排放情景的第l个样本的结合，公式为：
19、d＝ym,k,l-y0,0,0＝am+bk+cl+abm,k+acm,l+bck,l+abcm,k,l (1)
20、式中，y0,0,0表示样本均值；am,bk和cl分别表示干旱指数，gcm模式和未来排放情景的影响；abm,k、acm,l、bck,l和abcm,k,l表示影响三个因素相互结合的影响。
21、根据anova方法，d的方差(sst)可以分解为干旱指数的影响(ssa)、gcm模式的影响(ssb)、未来排放情景的影响(ssc)和三个因素相互结合的影响(ssab，ssac，ssbc和ssabc)之和ssi，表达式如下：
22、sst＝ssa+ssb+ssc+ssi (2)
23、ssi＝ssab+ssac+ssbc+ssabc (3)
24、其中，sst、ssa、ssb、ssc和ssi可分别表示为：
25、
26、
27、
28、
29、
30、在干旱预测过程中，干旱指数、gcm模式、未来排放情景以及三个因素相互结合影响的不确定性贡献度可分别表示为：
31、
32、
33、
34、
35、式中，α2为各项不确定来源方差对整体方差(不确定性)的贡献度(0％～100％)，贡献度的含义是干旱评估结果的变动在多大程度上可以由某一因素来解释。
36、其中，抽样后干旱指数、gcm模式、未来排放情景以及三个因素相互结合影响的不确定性贡献度可分别表示为：
37、
38、
39、
40、
41、式中，η2为抽样后各不确定来源方差对整体方差(不确定性)的贡献度(0％～100％)。
42、步骤6中固定长度滑动窗口法是在给定大小窗口的数组或字符串上执行要求的操作，该方法根据指定的时间跨度框住样本序列，以固定窗口为单位周期性地更新数据集，从而计算框内的统计指标。
43、本专利技术的有益效果是，本专利技术基于一种基于方差分析的干旱预测过程不确定性的量化方法，该方法能有效判断分析一个观测变量是否受多个控制变量的影响，将样本数据的变化归结到各个影响变量的变化，将总体不确定度分解为不同来源的不确定贡献以及来源之间的相互作用。为确定不确定性来源提供解决方法。
本文档来自技高网...【技术保护点】
1.一种基于方差分析的干旱预测过程不确定性的量化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于方差分析的干旱预测过程不确定性的量化方法，其特征在于，步骤2中计算标准化降水指数(SPI)具体为：使用Gamma分布函数来计算降水数据对应的分布概率，然后对分布概率进行正态标准化处理得到标准化降水指数(SPI)；计算标准化降水蒸散发指数(SPEI)具体为：计算潜在蒸散(PET)，然后计算逐月降水量与潜在蒸散量的差值，建立差值序列，再用三参数log-logistic分布对差值序列进行拟合，并求出概率分布函数，最后对序列进行标准正态化处理，得到标准化降水蒸散发指数(SPEI)。
3.根据权利要求1所述的一种基于方差分析的干旱预测过程不确定性的量化方法，其特征在于，步骤3中游程理论具体为：设定干旱阈值x，大于干旱阈值出现正游程，反之出现负游程，一次负游程表示一次干旱事件。通过游程理论可提取干旱特征，如下：
4.根据权利要求1所述的一种基于方差分析的干旱预测过程不确定性的量化方法，其特征在于，步骤4中经抽样后，将根据选定的GCM数量生成种组
5.根据权利要求1所述的一种基于方差分析的干旱预测过程不确定性的量化方法，其特征在于，步骤5中，假设干旱指数、GCM模式以及未来排放情景三个影响因素分别具有M，K和L个样本，那么这三个影响因素结合可以产生M×K×L个样本。为了体现各个影响因素，Ym，k，l上标j，k和l用来表示干旱指数的第m个样本、GCM模式的第k个样本和未来排放情景的第1个样本的结合，公式为：
6.根据权利要求1所述的一种基于方差分析的干旱预测过程不确定性的量化方法，其特征在于，该方法根据指定的时间跨度框住样本序列，以固定窗口为单位周期性地更新数据集，从而计算框内的统计指标。可以观察干旱指数、GCM模式以及未来排放情景这三个因素对干旱预测结果产生的影响随时间的变化。
...【技术特征摘要】
1.一种基于方差分析的干旱预测过程不确定性的量化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于方差分析的干旱预测过程不确定性的量化方法，其特征在于，步骤2中计算标准化降水指数(spi)具体为：使用gamma分布函数来计算降水数据对应的分布概率，然后对分布概率进行正态标准化处理得到标准化降水指数(spi)；计算标准化降水蒸散发指数(spei)具体为：计算潜在蒸散(pet)，然后计算逐月降水量与潜在蒸散量的差值，建立差值序列，再用三参数log-logistic分布对差值序列进行拟合，并求出概率分布函数，最后对序列进行标准正态化处理，得到标准化降水蒸散发指数(spei)。
3.根据权利要求1所述的一种基于方差分析的干旱预测过程不确定性的量化方法，其特征在于，步骤3中游程理论具体为：设定干旱阈值x，大于干旱阈值出现正游程，反之出现负游程，一次负游程表示一次干旱事件。通过游程理论可提取干旱特征，如下：<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。