為驗證條件植被溫度指數(shù)（VTCI）在夏玉米生長季干旱預測中的適用性,以河北中部平原為研究區(qū),應用求和自回歸移動平均（ARIMA）模型及季節(jié)性求和自回歸移動平均（SARIMA）模型,對該地區(qū)VTCI時間序列數(shù)據(jù)進行分析建模預測。首先基于49個氣象站點所在像素的VTCI時間序列數(shù)據(jù),選取不同長度時間序列建立ARIMA模型,并分析時間序列長度與預測精度間關系,以期為時間序列長度選擇提供依據(jù);然后選擇理想長度的VTCI時間序列數(shù)據(jù),分別建立ARIMA模型和SARIMA模型,用于研究區(qū)域2017年夏玉米生長季VTCI預測,并分析評價兩模型預測精度;最后采用性能較好的ARIMA模型逐像素建模預測,得到2016—2018年9月上旬至下旬VTCI預測結(jié)果。結(jié)果表明:基于ARIMA模型的VTCI預測精度與時間序列長度未呈現(xiàn)明顯的相關關系,但隨時間序列長度增加,模型預測精度逐漸趨于穩(wěn)定; ARIMA模型對干旱的預測精度高于基于SARIMA模型,其1步、2步、3步VTCI預測結(jié)果均方根誤差較SARIMA模型分別降低0. 06、0. 07、0. 09; ARIMA模型在不同年份夏玉米生長季VTCI1～3步的預... 

【文章來源】：農(nóng)業(yè)機械學報. 2020,51(01)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

研究區(qū)域位置及氣象站點分布圖

將VTCI遙感監(jiān)測結(jié)果作為真值，應用絕對誤差(Absolute error,AE)、平均絕對誤差(Mean absolute error,MAE)與均方根誤差(Root mean square error,RMSE)評價河北中部平原夏玉米生長季VTCI預測結(jié)果的精度，計算式為式中———第i個像素的VTCI預測值

根據(jù)ARIMA模型建模方法，首先分析49個氣象站點所在像素的VTCI時間序列適合的模型結(jié)構，再由點及面，逐像素對研究區(qū)所有像素的VTCI時間序列進行模型定階。以饒陽為例，其平穩(wěn)化處理后VTCI時間序列的自相關系數(shù)及偏自相關系數(shù)(圖3)未隨延遲時期增加迅速衰減至零值附近作小值波動，均表現(xiàn)拖尾特征，表明序列適用ARMA(p,q)模型。自相關階次p和移動平均階次q可由低階向高階逐步試探，p、q的取值范圍分別取1～3和0～2。依據(jù)AIC準則進一步進行模型優(yōu)選，AIC值最小的模型即為該序列的最優(yōu)模型。逐像素對研究區(qū)所有像素進行模型優(yōu)選，得到ARIMA模型和SARIMA模型面上定階結(jié)果(圖4)�？梢钥闯�，ARIMA模型的定階結(jié)果分布具有區(qū)域性，未出現(xiàn)“椒鹽式”分布現(xiàn)象，表明相鄰像素點干旱變化情況具有良好的相關性。廊坊市、滄州市、衡水市及石家莊東部等區(qū)域適合ARIMA(1,1,1)模型，模型形式較為一致。然而，保定市的模型形式存在ARIMA(1,1,1)、ARIMA(1,1,2)及ARIMA(2,1,1)等多種情況，表明受客觀環(huán)境及人為因素的影響，同一地區(qū)不同像素VTCI時間序列反映的旱情特性也存在差異性，適用的模型形式可能不同。綜上，逐像素確定ARIMA模型形式的方法較為合理。SARIMA模型的定階結(jié)果分布雖呈現(xiàn)了類似的區(qū)域性特征，但適用的模型形式更為多樣，大部分地區(qū)適用的模型為ARIMA(1,1,1)(0,1,0)9以及ARIMA(3,1,2)(0,1,0)9。整體來看，ARIMA模型定階結(jié)果較SARIMA模型區(qū)域分布特征更為明確，相鄰像素點間干旱變化狀況相關性更強。


本文編號：3437150