关于建立吉林省西部旱情实时预测系统的

摘 要:由于受降水量、地下水、地形等因素影响,旱情在区域间、季节间和多年间分布很不均衡.文章通过对多元回归及线性扰动两种数学模型的分析研究,探讨了建立旱情实时预报系统对西部旱情进行预测.

关 键 词:吉林省西部,土壤含水率,旱情实时预测系统

中图分类号:P338文献标识码:A文章编号:1674-0432(2010)-06-0147-2

0引言

我省西部地区连续多年干旱,旱灾严重,目前尚未开展旱情实时预测,现有土壤墒情数据均是人工采集和处理的,存在监测设备原始、监测手段落后、从信息采集到信息发布历时较长,时效性很差等问题,根本无法满足抗旱工作的需要.因此非常有必要建立健全土壤墒情自动采集系统,提高墒情信息的采集、传输、处理的时效性和准确性,同时对气象要素进行监测,确定影响干旱的主要影响因子,进行旱情发展趋势的实时预测,为抗旱减灾提供有力的科学依据.

1概况

吉林省西部位于松嫩平原,以松花江流域为主.主要包括白城市、四平市的双辽县、松原市的长岭县、乾安县和前郭县,区域内耕地面积2400多万亩,易旱面积965多万亩,湿地面积450万亩,林地面积1132万亩.区域内发生春旱频率为91.4%,夏旱发生频率为77.9%,秋旱发生频率为89%.全省多年平均降水量约600mm,由东南部的长白山区向西北部的松嫩平原递减,西北白城、松原市不足400mm,多年平均水面蒸发量超过800mm,且时空分布不均,春季降水量仅占全年降水量的8%左右,夏季占全年的80%左右,秋冬季占12%左右.导致干旱频繁发生,干旱影响逐年增大,影响范围逐渐扩展,土壤水分不足,不能满足农作物生长的需要,造成较大的减产或绝产的灾害,旱灾损失越来越重.

土壤含水率是表示土壤干湿程度的一个重要指标.2002-2009年白城、松原市多年来旱情一直比较严重,4-10月多年月平均降水量为50-70mm,白城、松原市春秋两季多年平均土壤重量含水率为11.6%、15.1%.白城、松原市春秋两季平均土壤重量含水率(%)分析,见图1,从分析结果看,白城市已接近严重干旱(土壤含水率小于10%为严重干旱,大于18%为适墒标准).

图12002-2009年多年平均土壤含水率(%)分析图

2系统的建立

本系统是以气象和墒情监测要素作为影响因子,采用多元回归模型及线性扰动模型分析和研究区域的水文气象因子与土壤含水率长期观测资料,分析确定影响土壤含水率的影响因子,建立水文气象因子与土壤含水率数学关系模型,建立旱情实时预测模型.

2.1旱情监测站的建立及信息采集传输

2.1.1墒情监测站拟采用固定式土壤水分采集仪进行土壤墒情监测,该仪器精度高,稳定性好,召测功能强,适合易旱重点产粮区使用.

2.1.2气象监测站气象要素监测主要包括:降水、蒸发、气压、风速、饱和差和地下水位等.

2.1.3墒情监测站与气象监测站信息采集传输流程(图2、图3)

图2土壤墒情站信息传输流程图

图3气象监测信息传输流程图

2.2系统模型

采用多元回归模型及线性扰动模型两种模型同时进行比较分析,可以使预测结果更具说服力和准确度.

2.2.1多元回归预测模型(LNT)通过分析和研究区域的水文气象因子与土壤含水率长期观测资料,分析确定影响土壤含水率的影响因子,建立水文气象因子与土壤含水率数学关系模型.

(1)模型简介.本模型是基于区域内土壤含水率与前期降水、地下水、温度、蒸发、饱和差等具有明显相关关系建立起来的.根据多元回归分析的原理,建立土壤含水率预测多元线性回归方程:

Y等于b+m1X1+m2X2+m3X3等+mmXM

式中,Y为预测土壤含水率,即预报要素,b为常数项,X1为前期土壤含水率,X2、X3、XM为自变量,降水量、蒸发、地下水位、温度、饱和差等,m1、m2等mm为回归系数,即回归系数.

(2)回归系数的计算.利用多年系列样本,采用最小二乘法,进行回归系数计算,借助于MicrosoftExcel的回归分析函数LINEST()求取回归系数及附加的统计量.

(3)模型显著性检验.采用F统计值和t临界值两种检验.一般来说,复相关系数R越接近1,表明回归效果越好,但复相关系数与自变量个数及观察样本组数有关,一般用F统计值来检验回归效果是否显著.对于0.05的显著性水平,由F分布表可查得相应自由度的Fa临界值,当统计值F大于临界值Fa,认为回归效果显著.

各回归系数可用它的与标准差的比值跟相应自由度的t临界值进行比较来检验其显著性水平.若回归系数与其标准差比值大于t临界值,则认为该回归变量的作用是显著的,否则认为不显著.不显著的回归变量可从回归方程中剔除,其对应的回归系数及标准差相应地从输出表中去除.

(4)作业平台:Excel.

(5)模型输入:降水量、地下水位、蒸发、饱和差、温度等.

(6)模型输出:实时土壤含水率.

2.2.2线性扰动模型(LPM)

(1)线性扰动模型以蒸发、降雨、土壤含水率资料为基础信息,如依据观测的降雨-土壤含水率(输入-输出)资料记为{I(k),W(k)},计算季节均值及其平滑值,分别记为Id和Wd.关于Id-Wd之间复杂关系不作任何检测定.然后,分别计算系统输入、输出变量相对它们季节均值的扰动项,即:

X(k)等于I(k)-Id

Y(k)等于W(k)-Wd

由于一个水文输入-输出序列中季节均值占有主导部分,为简化模型检测定:

输入的扰动项X(k)等于I(k)-Id,与输出的扰动项Y(k)等于Q(k)-Qd之间存在线性关式,即:

式中:H(j)称为线性扰动系统响应函数,e(k)为误差,则我们把由上三式组合的系统模型,称为线性扰动模型(LPM).它的结构关系如图4所示.

图4线性扰动模型结构关系图

一旦响应函数已经求得,便可利用公式由降雨(或上流入流)的扰动值X(k)推求相应的土壤含水率输出扰动Y(k).由此预报出流系列W(k)等于Wd+Y(k),实际作业中,需编制电算程序由计算机完成.

(2)作业平台:VisualBasic.

(3)模型输出:实时土壤含水率对两种模型进行分析比较,多个影响因子中同时对土壤含水率影响较大的因子确定为主要影响因子,将主要影响因子与土壤含水率建立数学关系作为实时预测模型.

3结语

如果多元回归及线性扰动模型准确的确定主要影响因子,其与土壤含水率建立模型将能预测旱情动态,两种模型如预测值差距较大,要重新确定主要影响因子,如预测土壤含水率值接近,我们便可以用任一种模型进行分析预测.

作者简介:韩吉(1981-),女,吉林长春人,就职于吉林省水文水资源局,助理工程师,研究方向:水文与水资源.