北方地区日光温室气象灾害风险评价_杨再强.doc

《北方地区日光温室气象灾害风险评价_杨再强.doc》由会员分享，可在线阅读，更多相关《北方地区日光温室气象灾害风险评价_杨再强.doc（19页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、（ ChineseJournalofAgrometeorology） 2013 中国农业气象年 doi：10 3969/j issn 1000 6362 2013 03 015J， 2013， 34（ 3）： 342 349，中国农业气象杨再强张婷华黄海静等北方地区日光温室气象灾害风险评价 *北方地区日光温室气象灾害风险评价 1， 21311，杨再强张婷华黄海静朱凯张波（ 1.， 210044； 2.， 210044；3.南京信息工程大学江苏省农业气象重点实验室南京南京信息工程大学应用气象学院南京海南省， 570203）气候中心海口 ：， BP，摘要利用北方典型日光温室室内以及相应台站气象数据

2、建立基于神经网络的室内气温预报模型以此预 24319902009，、报北方个台站年室内气温利用预报的室内气温数据及室 外 降 水 日 照 风 速 等 气 象 数 据 和 主codeacceleratinggeneticalgorithm， AGA），（ eal-和投影寻要气象灾害指标构建基于实数编码的加速遗传算法 PPE），（ Projectionpursuitevaluate，的日光温室气象灾害风险评价模型并对北方地区日光温室主要生产月气象踪。， 0.89 1.54 ，灾害风险进行逐月评价结果表明北方日光温室室内气温预报值与实际观测值的标准误差在 0.87 0.94。 1 3，、方程决定系数

3、在北方地区日光温室月的气象灾害风险等级较高分布在天山以北大兴安，。 9，岭以北的地区和西藏地区主要是低温和大风沙尘天气月气象灾害风险等级最低分布在长城以南黄河以。，主要是低温本研究构建的北方地区日光温室气象灾害风险评价模型可为日光温室气象灾害风险区北地区。划和防御提供决策支持： AGA； BP；关键词神经网络投影寻踪日光温室风险评价MeteorologicalDisaster iskEvaluationofSolarGreenhouseinNorthChina21，1311 ， ZHANGTing-hua ， HUANGHai-jing ， ZHUKai ，ZHANGBoYANGZai-qia

4、ng （ 1.JiangsuKeyLaboratoryofAgriculturalMeteorology ，NanjingUniversityofInformationScience Technology ， Nanjing210044 ， China ； 2.CollegeofAppliedMeteorology ，NanjingUniversityofInformationScience Technology ， Nanjing210044 ； 3.HainanClimateCenter ， Haikou570203 ）Abstract ：Thetemperaturepredictionm

5、odelindoorbasedonBPneuralnetworkwasestablished ，basedonmeteorologicaldatainsidetypicalsolargreenhouseinNorthChinaandothermeteorologicalstations Thetemperatureindoorof243meteorologicalstationswasforecastedbythesimulationmodel Comprehensivemeteorologicalriskassessmentmodelforsolargreenhousewasestablis

6、hedbasedonreal-codeacceleratinggeneticalgorithm（ AGA）andwithforecasttemperaturedataindoorandprecipitation ，sunlightandwindprojectionpursuitevaluatemodel （ PPE ），speedfromothermeteorologicalstations ThemeteorologicaldisasterriskofsolargreenhouseinNorthChinawasevaluated Theresultsshowedthatthestandard

7、errorwas0.89 1.54 betweenforecastedtemperatureandobserveddata ，andthedeterminationcoefficientwasbetween0.87 0.94 ThehighestmeteorologicaldisastersrisklevelofsolarwhichwaslocatedinNorthofTianshan ， NorthofXingAnlingandTibetan ，greenhousewasfromJanuarytoMarch ，mainlybecauseoflowtemperatureandfrequentw

8、indsdust ThelowestrisklevelofmeteorologicaldisasterswasinSeptember ，whichwaslocatedbetweensouthoftheGreatWallandnorthoftheYellow iver ，mainlybecauseoflowtemperature Themeteorologicalriskevaluationmodelcouldprovidedecision-makingsupportfordistributionanddefenceofagro-meteorologicaldisasterrisk Keywor

9、ds： AGA； BPneuralnetwork；Projectionpursuit； Solargreenhouse； iskevaluation ： 2012 08 24收稿日期 *：（）（ GYHY（ QX） 201206024； GYHY（ QX） 201006028）；（基金项目公益性行业气象科研专项江苏省科技支撑项目社会发 BE2010734），展：（ 1967）， 。 作者简介杨再强四川安岳人博士教授博士生导师主要从事设施农业气 象灾害预警研究 E-mail： yzqnuist edu cn 3433：第期杨再强等北方地区日光温室气象灾害风险评价 15 ，、。连栋温室冬中国北方大

10、部分地区属大陆性气候日光温室内的气温地温变化规律关福来等总 5，季加温时间长达个月以上由于采暖能耗大运行结了温室黄瓜和番茄低温寡照灾害指标结合远程环，、，效果不理想因此塑料大棚日光温室为该地区主要境监控技术建立了日光温室低温寡照灾害的监测预 1 。2090，园艺设施警系统世纪年代以来北方地区日光温 2 22010300hm，。年超过 室发展迅猛但有关日光温室气象灾害风险区划的报道较少设施作物生产， GIS 对于气候条件的依赖程度较高受灾害性天气影响较迄今为止基于技术和气象灾害致灾力的中国日。、，大北方地区低温大风寡照大雪等气象灾害发生光温室气象灾害风险评价的研究尚未见报道尚未建，。频率高给日光

11、温室生产带来较大影响且不同区域立一套日光温室气象灾害风险评价系统本文拟利。，、气候条件差异明显因此系统评价日光温室气象灾用投影寻踪方法综合考虑气温降水日照风速等，害能为合理布局设施作物生产和充分利用气候资源主要致灾指标针对北方日光温室建立 气象灾害风险。，提供科学依据按月对中国北方日光温室的生产进行等级评价模型，前人有关农业气象灾害风险评估研究取得了一气象灾害风险评价旨在为日光温室合理布局提供科 3-4 5 。 Zhang 用地理信息系统技术对中国松定进展学依据。 Zhang1 辽平原玉米生长进行了干旱灾害的风险评估 资料与方法 6-7 1.1 等分别用可变模糊集模型和模糊网络分析法评估气象数

12、据 8 。 Jiang，了农业干旱风险等对洪涝灾害进行了风险气象数据由国家气象信息中心气象资料室提供。，、评估和验证针对设施作物生产的气候条件分析与主要为北方日 光温室主要分布区域包括北京天津 9-11 12 ， 32、温室气候分区也有研究张纪增将中国河北河南山东内蒙古新疆西藏青海宁夏甘、 16（、） 45N4 肃辽宁吉林黑龙江陕西山西共个省市区从南至北划分为个不同层次的蔬菜日光温室 13 ， 243（ 1） 1990 2009，许彦平等系统分析了天水日光温室生产栽培区个台站图年逐日资料包括平均、季气象条件分布规律和不利天气气候条件对温室作气温最低气温最高气温日照时数降水量平均风 14 ，。物

13、生产的影响魏瑞江等揭示了连阴情况下塑料速等 1 图 北方地区气象站分布Fig.1GeographicaldistributionofmeteorologystationsinthenorthernregionsofChina2008 2010（ 102.09E， 36.47N）、室内观测条件的地区利用室外资料换算室内气温数年在青海平安县 39.73N）（ 116.33E，。和山东寿光县北京大兴区据基于神经网络的日光温室内气温估算模型分三（ 118.73E， 36.86N），（ 2），日光温室内安装气象站层图第一层为输入层包括室外最高气温（ Tomax）、（ Tomin）（ Wout），（ Wa

14、tchdog2000， USA）。最低气温和风速第二层采集温室内气象数据 1.2（ Ti）。；，方法输出室内平均气温为隐含层第三层为输出层 Stansig， 1.2.1 隐含层传递函数采用型正切函数输出层传神经网络模型算法 BPSlogsig，利用神经网络模型算法和典型日光温室室内递函数采用型对数函数神经网络模型算法，16-17。观测数据构建日光温室内气温估算模型以便在无参考文献 34434 中国农业气象第卷 23BP 图层网络结构Fig.2Structureof3layersBPnetwork1.2.2 投影寻踪方法 n2z（ i） E（ z） 利用投影寻踪方法将多个评价指标转化为一个综i=

15、1（ 5） Sz=槡 n 1，以对北方地区日光温室气象灾害进行分区合评价指标 np（ 6） r（ i， j） u r（ i， j）Dz=。（ ProjectingPursuit， PP）和评价投影寻踪简称是将高i=1j=1 18-19 ，维数据转化为一维子空间的综合投影指标值再对 Szz（ i）， Dz，为投影值的标准差为投影值式中，投影后的一维数据进行分析比较不同一维投影的分析 z（ i）， E（ z） z（ i）|i=1， 2， ， n的局部密度为序列的，结果找出好的投影实现全局寻优再利用投影模型来；，选取时保证包含在平均值为局部密度的窗口半径 20 。，描述风险等级与风险指标之间的关系具

16、体步骤为窗口内的投影点的足够平均个数避免滑动平均偏差 r（ i， j）。 0.1Sz，表示样本间的距太大本研究中取第一步样本指标的归一化处理 *r（ i， j） =|z（ i） z（ j） |； u（ t），为一单位阶跃函数离 j） |i=1n， j=1p。 x（ i，设各指标值的样本集为 t0， 0， 1。 t 0， 时函数值为其函数值为时， 为消除各指标值的量纲和统一各指标值的变化范围，第三步优化投影指标函数。可用极值归一化处理，当各个指标值的样本集给定时投影指标函数，对于越大越优的指标极值归一化处理为Q（ a）。只随投影方向的变化而变化不同投影方向反映 *j） x（ j）（ i， xmi

17、n（ 1） x（ i， j） = ，不同的数据结构特征最佳投影方向就是最大可能暴露（ j） x（ j） xmaxmin，高维数据某类特征结构的投影方向因此可以通过求解，对于越小越优的指标极值归一化处理为， *投影指标函数最大化问题来估计最佳投影方向即（ j） x（ i， j） xmax（ 2） x（ i， j） = （ j） x（ j） x 最大化目标函数为 maxminMaxQ（ a） =SzDz（ 7） x（ j）、 x（ j） j，分别为第个指标的最大值式中 maxmin 约束条件为； j。和最小值为指标特征值归一化的序列 p，第二步构造投影指标函数 2（ j） =1（ 8） aPPp

18、x（ i， j） |j=1， 2， ， p方法就是把维数据综 j=1 本研究利用基于实数编码的加速遗传算法来解决 a（ 2）， ， a（ p） a= a（ 1），为投影方向的一维合成以 *a，。求得最佳投影方向其高维全局寻优问题 z（ i），即投影值 1.2.3空间插值法 p a（ j） x（ i， j） i=1， 2， ， n（ 3） z（ i） = 21-22 对北方日光温室气象利用反距离权重插值法 j=1a。 z（ i） |i=1，为单位长度向量然后根据式中。灾害综合风险等级进行插值计算 n，的一维散布图进行分类综合投影指标值时要求投 2 结果与分析 z（ i），最影值的散布特征应为局部

19、投影点尽可能密集 2.1 主要气象致灾因子的估算模型，好凝聚成若干个点团而在整体上投影点团之间尽可 2.1.1 主要气象因子致灾指标确定。，、能分散因此投影指标函数可表达为低温寡照暴雪大风是日光温室的主要气象灾 Q（ a） =SzDz（ 4）， 4 害因此选取这种灾害作为评价日光温室风险的主 3453：第期杨再强等北方地区日光温室气象灾害风险评价 ，（ n=192）。 2008 相应的气象因子分别为室内日均气要气象灾害类型本数据样本数其中以年样本建立、， 20092010 温室外日最大风速日降雪量日照时数参考文献室内平均气温模拟模型以和年样本检验 23 26， 1。， 2009。 3。，确定其

20、指标阈值结果见表其中降雪年北京大模型结果见图由图中可以看出、 19902009243。、量日照时数是年个台站实测数据兴区山东寿光青海海 东日光温室日平均气温的模 BP， MSE0.89、室内日均气温利用建立的神经网络模型由室外气拟值与实际观测值的标准误差分别为 2。 10min0.98、 0.96 ， 1.23、象资料推算日最大风速是每日平均风速的最为相关方程的决定系数 2，。 0.91、 0.92、0.94； 2010 MSE大值用日平均风速进行线性拟合得到分别为年的和 2.1.21.42、 1.54 ； 0.90、 0.92、 0.87，日光温室内气温估算模型结果显示建立的神 2008 2

21、010（、，选取年三个典型站北京大兴青海经网络模型模拟日光温室日均气温效果 较好能够应、）。海东山东寿光观测的室内外气象数据作为独立样用在室 内 气 温 的 预 报 中 1 表 日 光 温 室 气 象 灾 害 指 标 及 其 分 级 标 准Table1Thestatisticalstandardsofmeteorologicaldisasterinsolargreenhouse Low 灾害等级低温大风暴雪 Sparselight 寡照DisastergradetemperatureStrongwindHeavysnow st6.0T 8.015.0 Sn20.03d4d3d， 1d3h15.

22、0 W17.0连续无日照或连阴中有 无日照且另外日照时数 1grade 一级 nd4.0T 6.020.0 Sn25.04 7d7d3h1217.0 W20.02grade连续无日照或连续日照时数 或月内出现次 二级rd2.0T 4.025.0 Sn30.07 10d10d3h1220.0 W25.0连续无日照或连续日照时数 或月内出现次 3grade 三级 th 2.0 30.010d10d3h25.04grade 大于无日照或连续以上日照时数 四级 W（ m/s）， Sn（ mm）。： T（ ），为日最大风速为日降雪量注为室内日均气温 Note：Tisdailyaveragetempera

23、ture（ ）， Wisthemaximumdailywindspeed（ m/s）， Snisdailysnowfall（ mm） 320092010（ ）图日光温室和年全 年 日 均 气 温 模 拟 值 与 实 际 观 测 值 的 比 较Fig.3ComparisonofmeandailytemperatureinsidegreenhousebetweenobservedandsimulatedbyBPmodelin2009and2010Matlab1990 2009243，（ 2），利用对年 个台站室外气行线性拟合建立拟合方程表并选用该区域内，（ Tomax）、，象数据进行编程处理将室外

24、最高气温最其它省份的数据进行方程检验其相应的标准误差分（ Tomin）（ Wout）， 1.7（） 1.3（）， 1.5（）、用已经建立低气温和风速作为输入中部和西部因此模型别为东部， 1990，的神经网络模型模拟室内日均气温即可得出可以用来拟合日最大风速利用建立的拟合方程可对 2009。年相应地区日光温室内日均气温缺少日最大风速地区进行数据插补 2.1.32（ Y）（ X） 最大风速估算模型 表代表站最大风速与日平均风速间的拟合方程 Table2Thefittedequationbetweenthemaximumwindspeed3，将北方划分为个区域即东部区域主要包括 （ Y） andda

25、ilymeanwindspeed（ X）intypicalsite、；黑龙江吉林辽宁天津北京山东以及内蒙东部 ，、2中部区域主要包括山西陕西河南宁夏甘肃以及 SiteFittedequation 站点拟合方程决定系数 ShandongY=1.6132X 0.59730.8839 山东 ；，、。内蒙西部西部区域主要包括新疆西藏青海每 GansuY=1.7067X 0.39710.8623 甘肃 ， 1990 2009 个区域选取一个省为样本利用年的室 QinghaiY=1.7957X 0.32530.8902 青海 ，最大风速用日平均风速进外风速数据进行编程处理 34634 中国农业气象第卷 4

26、PPE2.2 表模型误差分析表 气象灾害综合风险等级评价模型 Table4ErroranalysistableofPPEmodel1，基于表中的分级标准利用拟合得到的室内日 、平均气温室外日最大风速及原始观测的室外日照时 投影值计算值相对误 差经验值 EmpiricalvalueProjectionvalueCalculatedvalue elativeerror（ %）、， 1990 2009 数日降雪量值得到年日光温室主要生 01.02292.291（ 9 5）、产期月翌年月每个月低温寡照暴雪大风 0.71561.9608 1.962，的各等级灾害年平均发生次数为明确不同等级灾害 1.18

27、783.01230.413，（ I）对综合风险的贡献对单个灾害综合指数进行 1.51774.06611.654，计算即 2.3 日光温室风险评价结果（ 9） I=DF+DF+DF+DF1234（、）选取均匀分布在中国北方各省市区室外站 、 0.3、0.3、，、， 0.2、式中 为系数分别取值 243， 9 5、点共个利用月翌年月暴雪大风寡照 0.2， DF、 DF、 DF、 DF 分别为每种灾害相应各等级 1234，低温单个气象灾害各等级年发生次数综合指数根据。的发生次数对计算得到的单个气象灾害综合指数（ 4）、（ 5）、（ 6），（ 2）、 1 12 式求得各站点月的最佳投， 4，进行聚类分

28、析按指数范围划分个等级得到北方 *a，（ 3），影方向将其代入式求得各站点每月的投影日光 温室生产中相应气象灾害风险等级的划分标准 z（ i），值将投影值代入北方日光温室气象灾害等级综（ 3）。 3，表由表可以看出日光温室气象灾害综合评（ 10），合评价的投影寻踪模型式计算结果四舍五入 4， 4，价等级分为级每个等级有个评价指标分别为。得出各站点每月设施气象灾害风险等级利用反距、，。暴雪大风低温寡照每个指标对应一个综合指数，。离权重插值法对灾害风险等级进行空间插值根据 3表日光温室气象灾害等级评价标准 ，每月风险对北方日光温室生长季适宜性进行风险等 Table3Levelevaluationc

29、riteriaofmeteorologicaldisaster4。，其结果见图级区划 forsolargreenhouse，由图中可以看出北方日光温室主要生产季各月 风险等级暴雪大风低温寡照 1，月气象灾害风险分布差异明显日光温室气象灾 isklevelHeavysnowStrongwindLowtemperatureSparselight ，害风险等级相对较高高风险区主要分布在黑龙江漠 st 0.05120.61grade 一级 、，、， nd 河新林以北宝清鸡西以南地区内蒙古图里河以 0.12.54.51.22grade 二级 rd0.24.56.523grade 三级 、，、；东呼和浩特以北地区辽东半岛山东河南大部陕th0.25682.54grade 四级 ，；、长武以南地区河北邢台以南地区甘肃张西宝鸡 、；、掖山丹地区新疆阿勒泰轮台塔什库尔干淖毛湖， Mat-为进一步计算不同气象灾害的综合风险用，、；、地区西藏狮泉河普兰波密地区青海小灶火托托 lab（ 2009a）， PPE，编程建立模型在模型优化投影指， 3。河一线该区域其灾害风险等级达级以上其它地（ AGA），标函数过程中引入加速遗传算法以加